諾獎青睞的「AI for Science」，在幫寧德時代研發電池 | 焦點分析

文 | 王方玉

編輯 | 蘇建勛

2024年諾貝爾化學獎的頒佈，讓一羣國內的AI創業者和從業者興奮不已。

「諾貝爾化學獎頒給AI for Science，讓我省去了很多時間跟別人解釋我們是做什麼的。」 深度原理創始人兼CEO賈皓鈞告訴36氪。

這兩天他接到了100多個投資機構的諮詢電話，這家剛成立半年多的AI for Science創業公司，撞上了行業出圈的關口。

北京時間10月9日，瑞典皇家科學院將2024年諾貝爾化學獎授予三位投身於AI for Science領域的科學家。其中包括谷歌旗下AI公司Deepmind的CEO和高級科學家，二人帶隊研發的AlphaFold系列對於蛋白質結構預測具有里程碑式貢獻，被認為是AI for Science最具代表性的成果。

圖片來源：諾貝爾獎官方網站

AI for Science（AI4S），即人工智能驅動的科學研究，是一種新的科學研究範式。諾貝爾化學獎的決定，很大程度上肯定了這一研究範式、乃至整個賽道的長期價值。

實際上，在獲得諾獎加持之前，AI4S已經在生命科學、藥物研發、材料研發、能源、半導體、環境科學、工業仿真等多個領域有了具體實踐，可以幫助縮短研發周期，降低研發成本。

AI4S目前最大的下游市場在藥物研發，應用已經十分廣泛，包含輝瑞、強生、默沙東、阿斯利康等全球頭部藥企都在積極佈局中。機構MedMarket Insights顯示，2023年全球AI製藥行業市場規模已達到12.93億美元。公開資料顯示，目前國內的AI製藥企業已超過百家。

在藥物研發領域開花結果之后，材料研發正成為AI4S的下一個要攻佔的陣地。

2023年12月，全球最大的鋰電龍頭寧德時代宣佈將在香港設立國際研發中心。董事長曾毓羣表示，該研發中心主要聚焦於AI4S，「挖掘新能源材料、體系和應用方案」。

這一事件被業內人士認為有風向標式的意義，標誌着能源材料領域的頭部企業對於AI4S價值的認可。

「用AI4S研發新材料仍處於早期的階段，市場規模還有限，但這一技術發展的大趨勢已經比較明確，未來成長的空間巨大。」 專注於新材料投資的沃衍資本管理合夥人丁哲波告訴36氪。

「在不久的未來，藉助AI工具，結合實驗室自動化設備和高通量篩選平臺，會極大地提升化工新材料從業人員的研發效率，AI和實驗室機器人會成為科研人員非常重要的助手。」

AI「解放」科學家，從醫藥到材料

材料研發，正成為AI4S下一個前沿陣地。一個鮮明的信號是，國內AI製藥領域的多個頭部廠商，都在「跨界」進軍材料研發。

8月中旬，港股上市的AI製藥第一股晶泰科技宣佈與協鑫集團合作，為協鑫提供新能源材料研發的訂單化服務。根據其半年報披露，這份合作為期5年、總合作金額約10億元。

8月末，獲得多輪融資的AI4S創業公司深勢科技，與材料廠商東陽光簽約成立AI4S新材料研發聯合實驗室。 在此之前，其曾與寧德時代宣佈達成戰略合作，共建聯合實驗室。

AI製藥競爭高度內卷，今年以來多家AI藥企因為業績不佳，開始裁員和管線調整的陣痛期。向新的應用領域進軍，是廠商打造新增長點的方式。

當下，國內材料行業也面臨着諸多挑戰，可以總結為「先進基礎材料參差不齊，關鍵戰略材料受制於人，前沿新材料技術有待突破」。而AI輔助研發有助於縮短材料從發現到應用的時間，提高研發效率。

尤其是在固態電池材料、光伏鈣鈦礦材料等在各自行業內具備革命性的新材料的研發上，AI4S被不少專家認為是研發的突破口。

以全固態電池為例，其研發的難點之一就在於開發穩定的電化學材料體系。日本豐田擁有全球最多的固態電池領域專利數，在過去30多年已嘗試了數萬種電解質應用到電池中，但至今未成功量產，而AI4S有希望幫助解決這一問題。

中國科學院院士歐陽明高也在今年1月的一次會議上指出：「鋰電下一個十年的技術競爭核心在於材料，而人工智能正在改變材料的研發範式，將大幅度加速全固態電池的研發速度。」

除了寧德時代和協鑫集團外，也有越來越多的頭部化工、能源和材料企業積極擁抱AI4S，用於新材料的研發。

國內頭部化工企業萬華化學董事長廖增太在今年3月的一次分享中表示，通過AI技術，萬華化學可以從1.4萬種方案中快速篩選出156種，再進一步優化得到4種有效方案，大大加快了研發進度。

不過，由於起步更早，AI輔助材料研發更多的應用和案例還是在海外。

包括微軟、谷歌等互聯網巨頭爲了搭配出售雲服務，很早就開始開發AI4S的行業模型和PaaS平臺。下游的應用方則以大的化工、材料巨頭企業為主。

丁哲波告訴36氪，德國老牌材料企業Merck用AI開發新型OLED發光材料，化工巨頭陶氏用AI工具優化聚烯烴用非茂金屬催化劑的開發，都是比較成功的典型應用。

有需求自然就有供給。36氪瞭解到，作為第三方服務提供商，除了以晶泰科技為代表的上市公司外，以深勢科技、深度原理為代表的創業公司，字節跳動、騰訊、百度等互聯網廠商的AI Lab，都在進行AI輔助材料研發的探索或佈局。

材料發現難度高，AI4S道阻且長

同樣是AI4S的應用領域，AI材料研發的發展比AI製藥晚了約10年時間。前者已經發展成爲了超百億規模的市場，而后者目前的規模則幾乎可以忽略不計。

在賈皓鈞看來，AI材料研發和製藥雖然底層原理相似，但技術應用大有不同，這與材料這一行業的特性密切相關。

「AI4S研究科學問題，也必須遵守物理規律。在AI製藥領域，蛋白質大分子的生物屬性決定了其組合數量是比較有限的，更多的研究集中在探索空間摺疊結構。而化學材料的元素組成、配位結構等更加多變，排列組合的候選空間數量級更高，導致早期做發現和優化的難度更大。」

高質量數據的缺乏，也是AI材料研發要面臨的難題之一。

「AI材料研發面臨的最大問題，還是在高質量的數據。」丁哲波表示，生物醫藥領域的大量原始數據，是通過文獻報道公開披露的，比較容易獲取，可以用於模型訓練。但化工新材料行業相對比較封閉，涉及到材料、催化劑的原始數據往往是企業的商業機密，並不對外開放。

對此，曾毓羣也曾在接受採訪時坦言，AI4S（用於電池材料研發） 目前還沒有特別好的模型、結構、算法，還有很長的路要走。

AI研發在實際落地中還面臨着客觀條件的限制，尤其是人才的緊缺。

材料的AI研發屬於材料學與計算機的交叉學科，需要兩方面都精通。而國內化學系人才普遍不掌握編程能力，企業缺乏既懂材料又懂計算機的跨界人才。

深勢科技CEO孫偉傑今年5月在接受採訪時提到，該公司總員工數接近300人，有80多人是實習生。因為「AI4S要求很強的跨學科能力，我們根本從市場上招不到。」

前瞻性的技術往往不夠成熟，存在着諸多瓶頸，需要付出更多時間和成本進行探索。

但從巴斯夫、陶氏到寧德時代、萬華化學等頭部能源、材料巨頭的積極佈局，到諾貝爾化學獎的青睞，無疑已經肯定了這一賽道的長期價值。

「有機化學家經常使用一種叫做逆向合成的方法尋找目標分子的合成路線，這個方法曾經在上個世紀的90 年代拿到諾貝爾獎。但我相信再過20年，幾乎所有的逆向合成都可以用AI來完成，包括反應路線的推薦，甚至反應物和反應條件的推薦與優化。AI驅動的新材料研發會顛覆整個化工新材料行業。」丁哲波表示。