AI+時代，材料基因工程如何鍛造新質生產力「加速器」？

（來源：科創中國）

材料基因工程與智能科學的融合，正在以「理論重構、技術賦能、產業牽引」三位一體模式，重塑材料科學與技術以及教育的底層邏輯。《科技導報》邀請相關領域專家以新材料、新質生產力和新產業融合發展爲驅動，全面梳理強國戰略和相關國家政策與行動綱要對前沿性−顛覆性關鍵技術和關鍵材料發展的共性需求，闡述了材料基因工程核心關鍵技術的發展與革新為人工智能數據基礎設施、材料大模型基座、新材料研發及其產業應用等關鍵核心技術創新奠定重要基礎。

材料基因工程（MGE）是材料領域的顛覆性前沿技術，將對材料研發模式產生革命性的變革，全面加速材料從設計到工程化應用的進程，大幅度提升新材料的研發效率，縮短研發周期，降低研發成本，促進工程化應用。

隨着全球科技的飛速發展，面向未來的科技戰略成為推動先進材料創新與應用的重要動力。「強國戰略」驅動材料基因工程融合創新加速關鍵材料工程化的政策與行動綱要與中國人工智能發展與應用的戰略規劃路線如圖1所示，從1945年美國發布的《科學：無盡的前沿》報告到2020年發佈的《無盡前沿法案》體現了這一歷史進程。

圖1 「強國戰略」驅動材料基因工程融合創新加速關鍵材料工程化的政策與行動綱要與中國人工智能發展與應用的戰略規劃路線

近年來，材料基因工程推動了大數據和人工智能與材料的深度融合，催生了材料智能技術，正在推動材料大數據和人工智能等基礎設施的建設，預期實現關鍵材料及產業的數據鏈、工具鏈、創新鏈、產業鏈、教育鏈、人才鏈融合的創新發展。世界各國在人工智能賦能新材料發展領域已發佈系列戰略規劃，如圖1和圖2所示。

圖2 歐盟《人工智能大陸行動計劃》5大關鍵領域的規劃及核心戰略

1、AI時代MGE核心關鍵技術的發展與革新

材料基因工程變革傳統研發流程和範式，激發人工智能賦能新材料全鏈條與全壽命周期研發鏈核心關鍵技術和產業的發展。圖3中材料基因組計劃（MGI）提出改變傳統的單向、單流程、逐一遞進研發模式，建立將新材料發現、性能優化、研發、系統設計與集成、產品認證、工業製造、工程化應用各環節融合的閉環迭代新架構，在新材料研發的每一個階段與產品應用結合起來。

材料基因工程對傳統材料研發流程的重構，不僅是將各個環節簡單地連接在一起，而是通過引入新的技術和理念，實現研發效率的大幅提升，全面提升先進材料從發現到應用的速度。在新材料研發方面，MGE高通量計算、高效實驗、數據庫等關鍵技術激發了「知識賦能−數據驅動」的智能研發範式革新，極大促進了AI技術在AI4Materials、AI4Science和AI4Research等交叉融合領域與工程應用領域的發展。

現有研究表明，基於機器學習與深度學習技術並融合領域專家知識的材料發現方法，在鈣鈦礦型、染料敏化型及有機太陽能電池等新型光伏材料的研發中取得顯著進展。材料基因工程變革傳統研發流程，促進人工智能賦能新材料全鏈條與全壽命周期研發鏈核心關鍵技術和產業發展，形成「理論重構、技術賦能、產業牽引」三位一體發展範式。

圖3 材料基因工程變革傳統研發流程並形成「理論重構、技術賦能、產業牽引」三位一體發展範式

1.1高通量智能計算軟件/工具

當前，新一輪科技革命與產業變革蓄勢待發，全球新材料產業競爭格局正在發生重大調整。例如，基於高通量計算關鍵技術的發展，在材料性能預測方面，MGE大力發展了利用量子力學、分子動力學等理論，能夠預測材料的熱力學性質、動力學性質、導電性、導熱性、強度、疲勞、蠕變等基本物性和使役性能（圖4），揭示成分—工藝—結構—性能—服役全壽命周期關鍵參量的關係，為新材料的篩選、設計和製備提供了理論依據和技術支撐，極大地減少了研發成本和時間，加速了新材料研發進程。

圖4 人工智能賦能不同時間−空間尺度材料性質的計算方法

目前，中國自主開發的開源第一原理軟件原子算籌（ABACUS）已用於大規模電子結構計算、原子結構優化及分子動力學模擬，主要性能指標達到或超越國際同類軟件水平。

在介觀尺度上，動力學蒙特卡洛模擬彌補了原子尺度與連續介質尺度之間的空白，模擬材料中的化學反應與其他隨機過程，幫助研究表面反應與催化等現象。

在宏觀尺度上，有限元分析和有限差分法工具，如ANSYS、Abaqus和COMSOL，求解描述材料在加載條件下的行為，廣泛應用於工程優化和材料響應預測。

這些經典計算方法為研究人員提供了多尺度的強大工具，推動了新材料的開發，特別在能源、航空航天、電子和生物醫學等領域取得了顯著進展。

人工智能關鍵技術（特別是LLM）的爆發式創新，極大地推進數字現代化與軟件自動化和自主化進程，形成了數據模型化−模型算法化−算法軟件化的「軟件智能工程」自適應、自主化發展的新範式，提升了模型−算法−工具的開發效率，豐富了功能和創新性，極大優化用户體驗。

以生成式AI為代表的新興技術正在深度重塑軟件開發生命周期（涵蓋規劃、測試、部署與維護全流程）中的工程能力邊界：

一方面通過技術賦能顯著提升開發效率，使複雜業務流程可簡化為單一指令操作；

另一方面大幅降低技術准入門檻，使非技術背景人員也能參與應用程序構建。

1.2從ICME與高通量實驗到自主實驗範式革新激發材料智能體的蓬勃發展

集成計算材料工程（ICME）通過整合計算建模、實驗驗證和工程設計，採用多尺度建模技術將原子尺度到宏觀尺度的物理過程統一起來，使研究人員能夠在材料製備和產品製造前優化工藝參數並預測產品性能。其中，與高通量計算、數據庫和科學裝置相結合而發展的原位和實時高通量實驗製備與表徵技術將極大促進新原理、新方法和新技術的突破，並進一步提供跨尺度和寬時域的重要數據基礎和技術支撐。

AI技術的融合爲ICME提供了新的解決方案，在多尺度建模領域，AI賦能的ICME系統能夠整合跨尺度數據並自動優化模型參數，大幅提高了模型的預測精度和適用性。如圖5所示，先進材料的智能設計與製造範式正從基於知識和數據驅動的ICME方法逐步演進至「AI+」時代，推動材料設計從「設計材料」到「用材料進行設計」的轉變，並驅動AI+範式從「嵌入式AI」向「協作式AI」及正在發展的「AI智能體」階段快速演化。

圖5 人工智能賦能時代背景下先進材料智能設計與製造範式從「材料設計」向「用材料進行設計」的範式轉變驅動AI+範式從嵌入式AI、協作式AI到當前發展的AI智能體的跨越式發展

值得一提，數字孿生作為實現信息世界與物理世界實時交互的關鍵技術，已成為飛機、高鐵和發動機等智能裝配和製造的核心技術。隨着大語言模型和生成式AI技術的發展，AI在加速材料發現與製造中的貢獻將從嵌入式AI模式的約30%提升至協作式AI模式的50%，甚至可能達到AI智能體模式的80%。

隨着生成式人工智能的普及，設計人員和工程師正在尋找新方法以探索更多的設計可能性。其中，CATIA（計算機輔助三維交互式應用）提出了一種不同的生成式人工智能方法，該方法基於根據行業特定數據開發的模型，這些模型是根據行業流程的知識和專業技術生成的，將上市時間提速高達300%，將質保成本降低10%，通過標準化和模塊化將重用率提升至80%。

在知識驅動的集成計算材料工程時代邁向人工智能賦能（AI+）時代的轉型過程中，智能設計與製造的範式將迎來從「設計材料」到「用材料共創」的深刻變革，這必將推動整個產業向更高層次的智能化與創新邁進，促進中國製造業向「創造」、「質量」和「品牌」的發展邁進。

1.3數據資源節點和平臺與數據標準規範

數據是未來知識型生產的原料和基石。美國主導形成的「數據−算法−工具鏈」閉環逐步成爲了全球新材料研發的主流技術，並且建立技術−標準−政策體系，將美國置於全球新材料創新網絡的根服務器位置。美國和歐洲主導的材料數據互操作性標準等方式將成為新一代材料智能化研發技術上的准入壁壘。隨着材料基因工程發展，區域化材料創新聯盟和平臺型企業正在興起。這種區域化聯盟的興起，進一步加劇了全球新材料產業鏈的分化。

面向新質生產力發展需求，可以發現中國材料數據有效資源匱乏，發展水平與西方國家差距巨大，是材料領域短板中的短板，嚴重掣肘了關鍵材料「卡脖子」問題的解決，制約着材料科技原始創新能力提升和材料產業升級換代與智能化發展，成為影響材料智能化創新發展的最大瓶頸。材料數據體系建設對於補齊新材料產業發展的基礎技術短板和持續創新能力短板，搶佔新材料發展先機，顯著加速新材料的研發和應用進程，推動新材料科技的變革和產業的跨越式發展具有重大的戰略意義。

2、AI+MGE助力新質生產力和新材料產業發展

人工智能成為經濟發展的新引擎。中國經濟發展進入新常態，深化供給側結構性改革任務非常艱鉅，必須加快人工智能深度應用，培育壯大人工智能產業，為中國經濟發展注入新動能。如圖6所示，材料基因工程數據庫和大數據技術賦能新一代智能智造業務場景，極大降低了研發周期、成本、質量偏差、故障率等關鍵業績指標，並提高設備運行效率、質量、設備綜合效率等。

圖6 數據庫和大數據技術賦能新一代智能智造業務場景的關鍵業績指標統計分析

同時，人工智能關鍵技術賦能發展新一代智能製造業務場景，極大地提高了勞動效率、研發技術轉移的速度、機器效率、研發周期效率等關鍵業績指標，並降低了廢品率、產損率和檢測成本等，如圖7所示。

圖7 人工智能關鍵技術賦能發展新一代智能智造業務場景的關鍵業績指標統計分析

以數字孿生賦能工程應用和產業化發展爲例，首先，「政產研」合力推動數字孿生上升爲國家戰略。其次，依託航空航天基礎優勢，探索形成了成熟的應用路徑。再次，進行供給側企業加快技術創新，利用新一代信息技術優化數字孿生應用效果。

中國發展人工智能具有良好基礎，國家部署了智能製造等國家重點研發計劃重點專項，印發實施了「互聯網+」人工智能三年行動實施方案，從科技研發、應用推廣和產業發展等方面提出了一系列措施。

基於結構材料基礎，聚焦2040新興產業8大領域和未來產業9大領域發展需求，材料基因工程促進人工智能數據基礎設施、材料大模型基座、新材料研發及其產業應用等關鍵核心技術創新（圖8）。

圖8 材料基因工程助力人工智能數據基礎設施、材料大模型基座、新材料研發及其產業應用等關鍵核心技術創新

材料基因工程高通量製備和表徵技術的發展，極大促進了高效能的數字化/智能化裝備研發，進一步加速了工藝智能優化技術的迭代速率和效能，並促進關鍵成果與技術的工程化和產業化落地應用，形成了新材料中試平臺建設的助推力。同時，AI輔助設計與製造已被視為一種強大的數據驅動型技術，數據+人工智能已經成為材料基因工程的核心。

3、AI+MGE激發教育範式變革和新一代生力軍培養

在AI賦能的時代背景下，MGE聚焦高通量計算與自主計算、高通量實驗與自主實驗室、數據庫與數據挖掘、機器學習與人工智能等材料基因工程與智能科學的主要關鍵技術，進行先進材料智能設計和智造的示例闡述；以大語言模型為基座，進行「知識+數據+算法」的問答式教學，促進教師從「知識傳播者」向「系統架構師」轉變，啓發學生進行知識圖譜和智能體構建，培養「知識賦能−數據驅動」的系統思維和決策能力，發展教學新範式，催生適應未來科技創新與產業需求的「跨界型」人才。

材料基因工程教育體系的革新，正在為國家科技創新提供持久動力。材料基因工程與智能科學的融合，正在以「理論重構、技術賦能、產業牽引」三位一體模式，重塑材料科學教育的底層邏輯。它不僅是單一學科的升級，更是一場涉及人才培養模式、科研範式、產業生態的系統性變革。

4、結論

AI賦能MGE核心關鍵技術的發展與革新，極大地推進數字現代化與軟件自動化和自主化進程，形成了數據模型化−模型算法化−算法軟件化的「軟件智能工程」自適應、自主化發展的新範式，提升了模型−算法−工具的開發效率，豐富了功能和創新性，極大優化用户體驗。通過AI+MGE將助力完成「在基礎理論、方法、工具等方面取得突破」，「集中力量攻克基礎軟件等核心技術」，「構建自主可控、協同運行的人工智能基礎軟硬件系統」的時代使命。同時，重點強調通過頂層設計、整體佈局、統籌實施，建設新材料大數據中心，發展材料數據安全與協同網絡，構築獨立自主的材料數據資源體系和共享機制，形成國家材料數據戰略資源，發展材料大數據和人工智能顛覆性前沿技術，推動數據驅動的材料智能化創新發展，是實現引領國際材料前沿發展的技術基礎，是提升材料科技和產業原始創新能力的源動力，也是提高材料新興產業和智能製造發展水平的重要途徑。

建設新材料中試平臺將進一步提升新材料產業鏈與創新鏈融合發展，加速科學研究和技術開發成果產業化，促進產業發展模式從規模速度型向質量效益型和創新引領型轉變，加快形成新質生產力，增強發展新動能，對全面提升新材料產業核心競爭力，構築國際競爭新優勢產生重大深遠影響。

本文作者：王毅、李高楠、劉哲、高興譽、王洪強、宋海峰、楊明理、宿彥京、Margulan Ibraimov、李金山

作者簡介：王毅，西北工業大學中國−哈薩克斯坦材料基因工程與智能科學「一帶一路」聯合實驗室，西北工業大學凝固技術全國重點實驗室，教授，研究方向為極端條件先進材料基因工程與集成計算；宿彥京（通信作者），北京科技大學北京材料基因工程高精尖創新中心，研究方向為材料大數據與人工智能；李金山（共同通信作者），西北工業大學中國−哈薩克斯坦材料基因工程與智能科學「一帶一路」聯合實驗室，西北工業大學凝固技術全國重點實驗室，研究方向為先進金屬結構材料及其精確熱成形技術與智能製造。

文章來源：王毅, 李高楠, 劉哲, 等. 材料基因工程與智能科學：AI+時代無盡前沿[J]. 科技導報, 2025, 43(12): 93−109.

特別聲明：本文轉載僅僅是出於傳播信息的需要，並不意味着代表本網站觀點或證實其內容的真實性；如其他媒體、網站或個人從本網站轉載使用，須保留本網站註明的「來源」，並自負版權等法律責任；作者如果不希望被轉載或者聯繫轉載稿費等事宜，請與我們接洽。