2025年12月26日，【想象·2025极新AIGC峰会】在上海浦东浦软大厦成功召开。新研智材联合创始人&CTO南凯先生在会上做了题为《材料科学与通用模型结合的新纪元》的演讲，系统阐述了AI技术如何重塑材料研发范式。
新研智材联合创始人&CTO 南凯
南凯重点提到以下几点：
“算法更适合理解材料结构”
“构建多元知识提取方法，形成SaaS结构链，落地材料解决方案。”
“我们的软件能够大幅降低客户的研发成本，并且将研发周期提升7倍效率。”
以下为南凯演讲原文，经极新整理，希望能给大家带来收获。
01
AI驱动材料研发新范式
“算法更适合理解材料结构”
刚才我们已经分享了很多关于AI或者API的相关话题，但会发现，我们已经有了一定程度上比较强大的通用模型，可材料科学似乎没有太多进展，也没有听到太多相关声音，这是为什么？
这里要提到第一个核心问题：AI+材料，到底该由AI主导还是由science主导？
我们从两个维度来分析。第一个是统一表征空间，目前我们所说的GPT或DCT都是以文本形式交互，就像刚才介绍的向量数据库一样，我们在构建一个表征空间，让AI能够理解物理世界的信息，这一点上，AI+材料与API的核心目的是相通的。
在材料领域，我们有多种不同类型的数据，包括文本、结构（可能涉及文献、专利、分子类型等）、图像或图谱。从计算到推理，我们需要建立结构到性能的映射关系，并给出相应机理。
当前我们正在探究的核心，是如何让AI懂science，或是让science引导AI理解物理世界。回顾材料智能的发展，大致可分为三个阶段：上世纪末到 2010年左右是起步阶段，核心是构建大量数据（包括一些高通量数据库）；2015年后，随着 AI 快速发展，开始引入 AI 方法参与材料研究；到现在，受益于大模型进化与算力提升，涌现了更多先进算法。
从算法角度看，2022年可视为关键节点，大模型出现后，材料领域才真正重视起AI赋能的价值。但从过往经验来看，无论是学术界还是工业界，AI+材料的发展相较于AI+医药，成熟度和速度都稍逊一筹。材料是传统领域，过去缺乏足够驱动力让AI助力材料发展；2022年虽涌现出大量新型算法，但相较于纯AI研究，这些算法在技术层面仍落后几个层级。而AI+材料的核心诉求，从来不是追求最先进的 AI 算法，而是找到更适合理解材料结构的算法。
02
研发效率的智能化革命
“构建多元知识提取方法，形成SaaS结构链，落地材料解决方案。”
具体来讲：2000~2010年以计算为主，包括分子动力学、DFT密度泛函理论；之后我们构建了一大批数据库（包括提出标展）；再到后面，核心是传统机器学习，涵盖随机森林等算法。直到现在，我们引入了更先进的算法，当前行业核心探讨的是，如何让AI模型真正理解物理世界信息，实现材料从头设计。
从工业界角度看，这与刚才所说的算法演进是匹配的，过去行业发展周期从20年逐步缩短至10年：1995年左右，分子动力学和密度泛函的出现，开启了以计算为主的阶段；2015年前后，随着材料科技发展、数据库扩展与完善，我们进入到新的时代，我们有足够多的数据，能够让AI去得到很好的效果的模型；当前又一个关键时间节点是2010年到2020年，大量AI +材料初创公司涌现，包括美国AI领域、OpenAI前研究员及境外研究员创立的企业，还有众多优秀友商，均聚焦这一赛道。
我们构建了一款名为PoT的算法，Procedure of Thoughts。传统大模型核心是推理能力，比如通过一段文字描述，让模型模拟专家思路完成数学题解题过程。但这种模式的明显缺点是，必须依赖固定规则才能运行。而材料研发存在大量变量，每一个需求、每一个参数指标都可能变化，在这种情况下，类似COT的大模型或智能体，往往面临无法落地的问题，仅能提供偏理论的解决方案。这个问题其实在各个垂域模型都会遇到的，我们提出的PoT算法就是为解决垂域数据获取而来。
我们构建了一套Pot方法论，核心是萃取众多资深行业专家知识，通过多种知识提取方法，搭建场景模式、问答模式，形成垂域知识的knowhow结构链提取体系。
借助这套结构链提取体系，我们能实现两大核心价值：第一，训练垂域大模型与智能体；第二，采用Structure Pat方式构建AI架构，让 AI 系统可动态调用各类工具，具备配方专家、设备专家、工艺专家等复合能力，输出可落地的材料解决方案。
具体以导热材料为例：目前市面上常用的导热材料，存在性能指标相互冲突的问题，比如要求“导热率大于6瓦、厚度小于20微米”，而实际中这两个指标在配方构成中存在着相互矛盾。若以COT模式应对这类需求，仅能基于过往数据推理，无法落地；但通过我们的PoTAI系统，除核心指标外，还会综合考量挥发性、渗油性、成本、工艺、设备等多重影响因素，最终形成切实可落地的解决方案。
从行业发展来看，当前算力、算法、数据已实现质变，未来5年，材料领域有望迎来重大突破。我们公司去年12月成立满一年，已服务数家上市客户，从实际应用反馈来看，我们的算法平台能大幅降低客户研发成本，同时将研发效率提升7-8倍。
