中国冶金报社
记者 樊三彩 报道
“AI+制造”的必要性为何？“AI+材料”如何增强可行性？6月21日，在人工智能赋能新型工业化供需对接深度行（钢铁行业）活动期间，国家新材料产业发展专家咨询委员会主任干勇，国家智能制造专家委副主任、工信部原材料工业数字化转型专家委主任钱锋，中国科学院沈阳自动化研究所研究员于海斌3位专家围绕相关话题展开深入探讨。
“AI+制造”，势在必行
“我国工业化进程与第四次科技革命和产业革命重叠，走的道路是常规工业化+信息技术(数字化、智能化、网络化)+新型能源技术的融合发展之路，迈入人工智能时代。”干勇补充道，我国用40多年时间，便追赶了西方国家200余年的工业化进程，目前已进入以先进制造为核心的新型工业化阶段。
毋庸置疑的是，AI浪潮下，我国制造业迎来重要发展机遇。钱锋表示，虽然我国制造业领航企业具有规模优势，但尚未建立拥有高溢价能力的核心竞争力。据赛迪顾问统计显示，我国拥有全球最多的世界500强制造业企业，但其平均利润率远低于美国、德国等制造强国水平。在原材料制造领域，尽管我国原材料制造装置的工艺、工程、装备及控制等与制造强国相当，但面临生产效率低、能耗/物耗高、安环问题突出、高端产品缺乏、质量一致性差等短板，工业系统运行水平参差不齐，整体水平与世界先进有差距。“我国是原材料制造大国非强国，亟须通过数字化、绿色低碳转型由高速增长转向高质量发展。”钱锋说。
图为钱锋发言
放眼全球，人工智能正全面赋能制造业发展。美国、欧盟和日本等工业强国纷纷将AI赋能制造业视为科技和产业竞争的制高点，将发展“AI+制造”技术上升为国家战略。“新一轮信息技术、制造技术与管理技术的深度融合，推动了以智能化为特征的第四次工业革命。”于海斌表示。
以此为背景，钱锋认为，抢抓人工智能加速工业应用的战略机遇，加快推进人工智能和制造业深度融合，构建集制造业全生命周期生产要素为一体，供需快速感知、制造精准调控、要素高效配置的工业具身智能系统（即“工业大脑”），实现产业链供应链价值链协同优化、生产要素创新性配置、制造过程实时精准调控、安全环保运维智慧管控、新材料新产品创新设计，确保制造过程资源能源高效利用、生产低碳化绿色化、产品高值化高端化、产业价值链最大化，是推动传统制造业深度转型升级的重要举措，将为新一代智能制造和数字化转型提供高质量科技供给，为新型工业化注入新动能。
据介绍，在欧洲，西门子、SAP、达索等制造业龙头与美国AI公司合作，通过生成式AI赋能传统制造业，巩固其在传统制造领域的优势。如德国SAP与谷歌、微软合作，通过生成式AI提高其ERP平台的管理能力；德国西门子与微软Open AI合作，构建模块化可重构生产系统，快速生成PLC代码适应不同生产需求；法国与AMD（超威半导体公司）、英伟达合作，通过生成式AI辅助工程师进行产品3D设计。
图为于海斌
可以看出，AI正全面赋能生产、设计、管理等领域。“智能制造的本质是要实现生产组织的三链融合，即从设计链到制造链，再到供应链的三链集成优化，真正实现设计制造一体化。”在于海斌看来，“AI+制造”的实施路径可以分为三步：首先需要建立一套制造领域的模型系统，包括各个领域模型的融合；其次需要建立各个智能制造领域的智能体，形成一个智能执行体系；最后，要有一套开发和应用平台，包括仿真和开发工具。
“AI+材料”，无限可能
人工智能技术是时代的洪流，其进步可谓一日千里，“人工智能+材料科学”已成为一个重要的交叉学科方向。
“传统硅基半导体材料已难以满足未来社会对于智能化和高效能的需求，信息功能材料的不断创新是先进计算、人工智能、柔性显示、量子科技等新技术发展的关键，具有不可替代的作用和广泛的应用，可推动器件、系统、整机的功能和性能发生质的飞跃和革命性变化。”干勇说道。
图为干勇
材料与技术相互赋能，AI技术的发展也正为材料的创新带来无限可能。2023年11月，Google旗下的DeepMind在《Nature》杂志发文，表示开发了用于材料科学的人工智能强化学习模型GNoME，并通过该模型和高通量第一性原理计算，寻找到了38万余个热力学稳定的晶体材料。2023年12月，微软发布了材料科学领域的人工智能生成模型MatterGen，可根据所需要的材料性质按需预测新材料结构。2024年1月，微软与美国能源部下属的西北太平洋国家实验室合作，利用人工智能和高性能计算，从3200万种材料中筛选出了一种全固态电解质材料，完成了从预测到实验的闭环。近期，Meta和字节跳动也布局了相似的研发方向。一时间，科技巨头凭借自家的技术，将材料科学领域搅动得风起云涌。
可见，人工智能通过数据挖掘和机器学习，可加速新材料的发现和性能优化，缩短研发周期。在干勇看来，这一作用具体表现在两方面：一是产品仿真优化。人工智能辅助设计软件能够根据市场需求快速迭代产品设计、大幅提升仿真效率，有利于增强市场竞争力。二是加速新材料结构设计。利用人工智能预测确定二氧化碳捕集MOFs结构，在30分钟内生成12万种候选材料，且在实验室中合成并进行实际碳捕集实验，极大加快了新材料的结构设计。
干勇建议，在材料分子设计、材料合成制备、材料学表征分析、材料工艺优化等方面布局大模型开发，建设模型开放与评测体系。“围绕钛合金、特种合金、稀土功能材料等领域，可打造垂类模型和智能体，面向材料发现-设计-制备-表征-测试-服役全流程，实现组分、配方、结构的设计与筛选，合成和制备工艺的多目标优化。”他说。
这其中，数据也是关键。材料工程领域数据有实测数据和机理数据，可以利用AI赋能机理建模及数据生成、应用，克服当前机理建模过程复杂、仿真门槛高、计算时间长等痛点。
“人工智能对新材料产业的赋能，本质上是将材料科学从‘试错+经验判断’转变为‘模型+智能制造’，通过构建数字材料孪生构建材料智能工厂。这种变革将引发3个根本性迁移：创新主体从实验室向算法平台迁移，价值重心从制造能力向数据资产迁移，竞争维度从专利数量向智能密度迁移。当新材料产业完成智能化跃迁，人类将进入‘按需设计物质’新纪元。”干勇总结道。
