中化信息、吉林大学携手枫清科技，强势入局“AI + 新材料”赛道

过去两年，全球AI技术的焦点集中于大模型参数规模的“军备竞赛”，然而，2024年年底DeepSeek的普及，促使行业关注点从单纯追求参数规模，转变为如何高效利用AI技术。

2024年8月27日，在中国国际大数据产业博览会的“激活数据要素潜能，释放新质生产力”交流会上，中国信息通信研究院副院长王志勤发布了《中国数字经济发展研究报告（2024年）》。该报告数据显示，在劳动生产率增长方面，数字投入的贡献远超传统投入。近十年间，相较于传统要素，第二产业和第三产业的数字投入对劳动生产率增长的贡献分别高出5.9个百分点和12.6个百分点。

尤其值得注意的是，数字投入对第三产业劳动生产率增长的贡献最为显著，十年间平均贡献达22.4%。不过，自2021年起，数字投入对第二产业的贡献开始反超第三产业，近三年平均高出1.7个百分点。

同年12月5日举办的中国生成式AI大会上，枫清科技创始人高雪峰指出，当下AI技术正以前所未有的速度发展，这一趋势推动企业转型进入全新阶段。

“过去，企业多依赖于信息化和数字化来加速流程和提升效率。然而，如今在快速变化的商业环境中，如何利用AI技术实现更精准、智能的决策，推动商业模式的创新，已成为企业智能化转型的重心。人工智能已不再仅是个技术手段，而是各行各业变革的核心引擎。”高雪峰说道。

AI新阶段从“技术突破”到“场景适配”

2025年3月29日中关村论坛“AI赋能大型企业数智化创新”分论坛上，未来图灵发现产学研各方似乎有着一个共识：“AI的终极考场不在实验室，而在车间、医院和生产线”。

AI技术在经历了前期的快速发展后，如今已进入一个新的阶段，将从单纯的技术突破转向场景落地。

“人工智能已改变了工程领域的许多业务。”英国国家数据科学与人工智能研究所艾伦-图灵研究所首席科学家、英国皇家工程院院士马克•杰罗拉米在“AI赋能大型企业数智化创新”分论坛上分享人工智能对工业变革转型的影响，探讨当前产业升级的前景。他说，这些转变体现在从产品和服务的设计、制造和建造、部署、运营、维护以及最终退役的各个环节中。

他举例称，如在海洋工程方面开发的人工智能解决方案，可让船只调整航道从而保护海洋生物，还能降低燃料成本。在航空航天方面，人工智能参与的空中交通控制系统，引导飞机的数量也显著超过人类交通管制员团队。

AI应用生态正在发生颠覆性变化。

“和客户交流最新的AI技术时，经常遇到客户懂的比我还多。”中电云计算技术有限公司副总裁马劲在论坛上讲道。

这位中国电子云初创成员发现，医疗客户已开始自主训练专业模型，“昨天和一个医生客户沟通，他已经在用AI训练自己的模型，问了很多问题，我一时反应不过来，答不上来。”。

这种变化背后是技术门槛的降低。开源大模型像是EPC（事件驱动过程链）的爆发，让私有化部署和行业模型开发成为可能。“过去客户因数据安全不敢用AI，现在全量开源解决了信任问题。”

未来图灵发现技术环境的变化，推动了AI应用生态从传统的“供应商主导”模式，向更加开放、灵活的“用户共创”模式转变。

在医疗行业，众多医疗机构不再满足于使用现成的AI解决方案，而是结合自身积累的大量临床数据和专业知识，自主构建疾病预测模型，以提高疾病诊断的准确性和治疗方案的有效性。化工企业也积极投身于AI技术的应用创新，利用AI开发材料性能模拟工具，大幅缩短新材料研发周期，降低研发成本。

在当下的AI应用场景中，场景适配能力已经取代单纯的技术先进性，成为企业在市场竞争中脱颖而出的关键因素。

AI破局“最后一公里”

在材料研发领域，传统研发模式的弊端愈发凸显。以合金配方确定为例，常常需要经历上万次的试错过程，漫长的周期、高昂的成本以及低下的效率成为制约行业发展的瓶颈。与此同时，AI技术虽被寄予厚望，但由于缺乏真实生产数据支撑，预测精度甚至不及经验丰富的老师傅，“最后一公里”问题突出。

数据孤岛与标准化困境也横亘在AI技术应用之路上。新材料研发创新依赖跨学科数据融合，涵盖化学、物理、材料科学等多领域实验数据。然而，这些宝贵数据分散在高校、科研机构和企业，且格式各异，缺乏统一标准规范，使得数据整合与分析困难重重，极大限制了AI在新材料研发中的效能发挥。

人才知识结构的断层同样不容忽视。懂AI技术的专业人才对化学、材料等传统学科知识理解不足，而熟悉工艺的行业专家又欠缺算法开发等AI技能，这一知识结构的断裂严重制约了AI技术在产业实际场景中的转化应用。

从行业竞争格局来看，全球新材料产业已形成三级竞争态势。发达国家凭借核心技术和高市场占有率占据主导地位，我国新材料产业起步晚、基础薄弱。一项“新材料强国2035战略研究”指出，我国未来需81种新材料，并明确21个重点发展领域。我国计划到2025年实现重点新材料技术与国际同步，2035年基本解决核心材料自主保障问题。中国工程院强调，加强新材料自主创新体系、构建数字化研发平台、推进人才队伍建设是产业发展关键。

面对AI落地新材料研发的诸多挑战，中化信息技术有限公司、吉林大学、北京枫清科技有限公司在“AI赋能大型企业数智化创新”分论坛上，共同成立“人工智能赋能新材料联合实验室”，旨在借助人工智能技术突破新材料研发瓶颈，推动产业智能化、高效化发展。

高雪峰表示，整合三方优势资源，有信心以创新模式加速新材料研发，助力我国新材料科技创新。

吉林大学计算机科学与技术学院院长杨博指出，吉林大学在人工智能领域科研积累深厚、人才优势明显，新材料突破需多学科融合，此次合作能让高校科研成果与产业需求紧密相连，期望通过联合实验室在AI赋能下实现新材料理论与技术突破，培养跨学科创新人才，为产业发展提供智力支持。

解码“AI+材料”创新方程式

公开资料显示，中国中化在高端制造应用领域着力发展氟、硅等材料，聚焦电子信息、航空航天、新能源等战略领域，积极布局化工新材料、新技术与新产品。中化信息作为直属数字科技公司，在推动集团数智化建设时，将人工智能广泛应用于业务场景，其数智创新研究中心搭建了人工智能平台和数智化科研平台，尤其在AI与新材料技术融合方面开展了前瞻性探索，通过数据驱动革新研发范式，为集团战略性产业升级助力。

而枫清科技作为国内领先的人工智能技术提供商，专注构建知识引擎与行业大模型双轮驱动的智能体平台，将人工智能与产业场景深度结合，提供落地的平台型产品与解决方案。此前，枫清科技已与中化信息在“AI+化工”和“AI+农业”领域合作，积累了丰富技术和产品融合经验，能够快速推动“AI+新化工材料”技术突破。

吉林大学在“AI+新材料”领域成果丰硕，承担多项国家重点课题，如智能计算新方法驱动的新材料设计专项等。其自主研发的新材料设计平台整合科研成果，牵头建立“长白山实验室”专注AI赋能新材料设计。在与枫清科技紧密合作基础上，吉林大学将在联合实验室中发挥关键科研创新作用，借助枫清科技产业资源实现科研成果快速落地。

据了解，“人工智能赋能新材料联合实验室”将专注于借助人工智能技术提升新材料研发全流程效率。

首先，着力加强垂直领域推理大模型建设，以提升材料研发效率为核心目标，将LLM 与材料行业知识及工具相结合，基于 DeepSeekR1 等模型构建垂直领域模型与多智能体系统，从而强化研发的智能化支持，优化用户体验。

其次，强化特定新材料领域产业数据资产建设，深入挖掘化学多模态知识，构建聚合物、仿真及表征等高质量数据集，并研发工具平台提供数据资产服务，推动数据标准化与流通。再者，大力加强智能化工具平台建设，提升对大模型工具的选择与使用能力，赋能行业软件与细分领域小模型，搭建科学计算平台，为产业生态提供丰富多样的工具服务。

最后，注重加强基础理论融合研究与人才培养，着重培养材料基因工程、大数据等跨学科复合型人才，积极推进校企合作，承接国家课题，同时发展小样本、高维数据机器学习方法，推动多源数据融合、跨尺度仿真与数字孪生等领域的研究，助力新材料发现与理论突破。

据透露，枫清科技的知识引擎与大模型融合的智能体平台将在联合实验室中发挥关键作用。该平台利用积累的行业知识和大模型强大推理能力，构建新材料领域行业推理模型，提升材料性能预测准确性与效率。同时，智能体平台能够处理分析多种数据，为解决复杂问题提供全面智能化支持。

枫清科技联合创始人兼COO葛爽表示：“联合实验室的成立，是枫清科技响应国家战略，以AI技术赋能传统产业升级的重要实践。我们很高兴能与优秀伙伴合作，探索AI在新材料领域的应用，构建开放共赢的AI生态，将技术和平台能力推广到更多行业，助力中国经济高质量发展。”

当AI从“炫技”走向“务实”，企业的胜负手不再是参数规模，而是对产业痛点的深度洞察与生态协同能力。

未来的创新图谱，必由“实验室突破”与“车间迭代”共同绘制。在这场数字化转型的深水区竞赛中，谁能将AI真正“焊”进生产线，谁就能抢占新质生产力的制高点。