上证报中国证券网讯(记者邹传科)“人工智能（885728）正在为材料科学研究带来全链条效率提升与技术突破，能够有效解决传统材料研究中机理难解析、极端环境难测试、研发周期（883436）长、成本高等长期难题。”6月1日，在合肥举行的2026年长三角G60科创走廊暨科大硅谷科技创新与产业创新高质量融合发展大会上，中国科学院院士、中国科学院上海硅酸盐研究所研究员陈立东作出上述判断。
新材料是支撑国家科技创新、产业升级和核心竞争力的关键基础。陈立东表示，AI技术的深度介入，正推动我国第三代半导体（885908）、新能源（850101）电池、超高温抗烧蚀陶瓷等关键材料加快实现自主可控。目前，长三角地区已形成全国最密集的“AI+材料”创新体系，产学研协同发展态势显著。
AI破解材料研发瓶颈
陈立东介绍，材料是航空航天、信息通信、深海深地等高端领域的核心支撑，按需设计、精准制备是材料科技发展的重要目标，但传统研发模式面临诸多瓶颈。
在基础研究方面，材料内部结构复杂，从原子、晶格到微观组织存在多尺度关联，缺陷种类多、耦合性强，成分、结构与性能之间的规律难以精准把握。在工程应用方面，材料研究长期存在三大难题：一是微观到宏观结构参数不统一，观测精度不足；二是高温等极端环境下的结构变化难以直接监测，关键数据获取困难；三是材料电学、热学、力学等多项性能难以在同一状态下全面测量，综合评价难度大。此外，传统研发依赖大量实验试错，存在耗人力、耗时间、耗能源（850101）的问题，研发效率偏低。
人工智能（885728）为解决上述问题提供了新路径，近年来已在多个方向取得进展。陈立东介绍，依托磐石科学大模型开展高通（QCOM）量筛选与主动学习，研究团队成功开发出新型高熵合金催化剂，性能显著优于传统商用材料。北京科技大学团队开发的SteelBERT模型，通过融合钢铁（850106）行业专业数据优化工（850102）艺，实现钢材强度与延展性同步提升。在材料寿命预测方面，AI结合原位表征技术，可对镍基高温合金结构变化进行精准预测，准确率超过80%。
在智能实验领域，上海硅酸盐所依托国家大科学装置搭建陶瓷智能实验室，与中国科学技术大学协同开展AI驱动的自动化实验，快速研发出低过电位、高稳定性的新型催化材料，大幅缩短新材料从实验室走向应用的周期（883436）。陈立东表示，AI已从辅助工具转变为材料研发的重要技术支撑，显著提升研发效率、降低成本。
构建产学研创新闭环
陈立东认为，我国材料研究正加快向数据驱动、智能优化、全流程高效的新模式转变，核心是实现智能化研发与精准化制备，主要包括三个方向：一是AI提升计算效率，突破传统计算局限，实现海量候选材料快速筛选；二是AI优化表征测试，推动多维度、多尺度数据融合，提升观测与分析精度；三是AI赋能材料制备，建设智能实验平台，实现工艺自动优化、精准制备。
陈立东同时表示，AI与材料融合仍面临不少技术难题，例如材料多类型数据标准不统一、小样本条件下模型稳定性不足、AI模型的物理机理解释不够清晰、跨尺度结构与性能优化难度较大等。目前相关应用仍以局部优化为主，全链条、系统性的升级仍需持续推进。
从区域发展来看，长三角已成为我国“AI+材料”领域布局最集中、平台建设最活跃、产业转化加速推进的核心区域。依托中国科学技术大学、上海人工智能（885728）实验室、中国科学院上海硅酸盐研究所等优势力量，长三角形成高校、科研机构、企业协同创新的良好生态，围绕高质量数据体系，构建起从基础研究、实验开发、中试验证到工业化生产的完整链条，重点支持第三代半导体（885908）、新能源（850101）电池、超高温抗烧蚀陶瓷等关键材料突破。
“推动‘AI+材料’高质量发展，关键要强化产业、政府、学术、研究深度融合，实现技术、数据、资源高效衔接，加快形成可复制、可推广的智能化研发与产业化模式。”陈立东表示，未来应继续加强多模态数据、智能算法、具身智能技术等基础技术研究，以人工智能（885728）全面提升材料产业链水平，为我国高端制造发展和关键核心技术自主可控提供坚实支撑。
