中國冶金報社
記者 樊三彩 報道
“AI+制造”的必要性為何？“AI+材料”如何增強可行性？6月21日，在人工智能賦能新型工業化供需對接深度行（鋼鐵行業）活動期間，國家新材料產業發展專家咨詢委員會主任干勇，國家智能制造專家委副主任、工信部原材料工業數字化轉型專家委主任錢鋒，中國科學院沈陽自動化研究所研究員于海斌3位專家圍繞相關話題展開深入探討。
“AI+制造”，勢在必行
“我國工業化進程與第四次科技革命和產業革命重疊，走的道路是常規工業化+信息技術(數字化、智能化、網絡化)+新型能源技術的融合發展之路，邁入人工智能時代。”干勇補充道，我國用40多年時間，便追趕了西方國家200余年的工業化進程，目前已進入以先進制造為核心的新型工業化階段。
毋庸置疑的是，AI浪潮下，我國制造業迎來重要發展機遇。錢鋒表示，雖然我國制造業領航企業具有規模優勢，但尚未建立擁有高溢價能力的核心競爭力。據賽迪顧問統計顯示，我國擁有全球最多的世界500強制造業企業，但其平均利潤率遠低于美國、德國等制造強國水平。在原材料制造領域，盡管我國原材料制造裝置的工藝、工程、裝備及控制等與制造強國相當，但面臨生產效率低、能耗/物耗高、安環問題突出、高端產品缺乏、質量一致性差等短板，工業系統運行水平參差不齊，整體水平與世界先進有差距。“我國是原材料制造大國非強國，亟須通過數字化、綠色低碳轉型由高速增長轉向高質量發展。”錢鋒說。
圖為錢鋒發言
放眼全球，人工智能正全面賦能制造業發展。美國、歐盟和日本等工業強國紛紛將AI賦能制造業視為科技和產業競爭的制高點，將發展“AI+制造”技術上升為國家戰略。“新一輪信息技術、制造技術與管理技術的深度融合，推動了以智能化為特征的第四次工業革命。”于海斌表示。
以此為背景，錢鋒認為，搶抓人工智能加速工業應用的戰略機遇，加快推進人工智能和制造業深度融合，構建集制造業全生命周期生產要素為一體，供需快速感知、制造精準調控、要素高效配置的工業具身智能系統（即“工業大腦”），實現產業鏈供應鏈價值鏈協同優化、生產要素創新性配置、制造過程實時精準調控、安全環保運維智慧管控、新材料新產品創新設計，確保制造過程資源能源高效利用、生產低碳化綠色化、產品高值化高端化、產業價值鏈最大化，是推動傳統制造業深度轉型升級的重要舉措，將為新一代智能制造和數字化轉型提供高質量科技供給，為新型工業化注入新動能。
據介紹，在歐洲，西門子、SAP、達索等制造業龍頭與美國AI公司合作，通過生成式AI賦能傳統制造業，鞏固其在傳統制造領域的優勢。如德國SAP與谷歌、微軟合作，通過生成式AI提高其ERP平臺的管理能力；德國西門子與微軟Open AI合作，構建模塊化可重構生產系統，快速生成PLC代碼適應不同生產需求；法國與AMD（超威半導體公司）、英偉達合作，通過生成式AI輔助工程師進行產品3D設計。
圖為于海斌
可以看出，AI正全面賦能生產、設計、管理等領域。“智能制造的本質是要實現生產組織的三鏈融合，即從設計鏈到制造鏈，再到供應鏈的三鏈集成優化，真正實現設計制造一體化。”在于海斌看來，“AI+制造”的實施路徑可以分為三步：首先需要建立一套制造領域的模型系統，包括各個領域模型的融合；其次需要建立各個智能制造領域的智能體，形成一個智能執行體系；最后，要有一套開發和應用平臺，包括仿真和開發工具。
“AI+材料”，無限可能
人工智能技術是時代的洪流，其進步可謂一日千里，“人工智能+材料科學”已成為一個重要的交叉學科方向。
“傳統硅基半導體材料已難以滿足未來社會對于智能化和高效能的需求，信息功能材料的不斷創新是先進計算、人工智能、柔性顯示、量子科技等新技術發展的關鍵，具有不可替代的作用和廣泛的應用，可推動器件、系統、整機的功能和性能發生質的飛躍和革命性變化。”干勇說道。
圖為干勇
材料與技術相互賦能，AI技術的發展也正為材料的創新帶來無限可能。2023年11月，Google旗下的DeepMind在《Nature》雜志發文，表示開發了用于材料科學的人工智能強化學習模型GNoME，并通過該模型和高通量第一性原理計算，尋找到了38萬余個熱力學穩定的晶體材料。2023年12月，微軟發布了材料科學領域的人工智能生成模型MatterGen，可根據所需要的材料性質按需預測新材料結構。2024年1月，微軟與美國能源部下屬的西北太平洋國家實驗室合作，利用人工智能和高性能計算，從3200萬種材料中篩選出了一種全固態電解質材料，完成了從預測到實驗的閉環。近期，Meta和字節跳動也布局了相似的研發方向。一時間，科技巨頭憑借自家的技術，將材料科學領域攪動得風起云涌。
可見，人工智能通過數據挖掘和機器學習，可加速新材料的發現和性能優化，縮短研發周期。在干勇看來，這一作用具體表現在兩方面：一是產品仿真優化。人工智能輔助設計軟件能夠根據市場需求快速迭代產品設計、大幅提升仿真效率，有利于增強市場競爭力。二是加速新材料結構設計。利用人工智能預測確定二氧化碳捕集MOFs結構，在30分鐘內生成12萬種候選材料，且在實驗室中合成并進行實際碳捕集實驗，極大加快了新材料的結構設計。
干勇建議，在材料分子設計、材料合成制備、材料學表征分析、材料工藝優化等方面布局大模型開發，建設模型開放與評測體系。“圍繞鈦合金、特種合金、稀土功能材料等領域，可打造垂類模型和智能體，面向材料發現-設計-制備-表征-測試-服役全流程，實現組分、配方、結構的設計與篩選，合成和制備工藝的多目標優化。”他說。
這其中，數據也是關鍵。材料工程領域數據有實測數據和機理數據，可以利用AI賦能機理建模及數據生成、應用，克服當前機理建模過程復雜、仿真門檻高、計算時間長等痛點。
“人工智能對新材料產業的賦能，本質上是將材料科學從‘試錯+經驗判斷’轉變為‘模型+智能制造’，通過構建數字材料孿生構建材料智能工廠。這種變革將引發3個根本性遷移：創新主體從實驗室向算法平臺遷移，價值重心從制造能力向數據資產遷移，競爭維度從專利數量向智能密度遷移。當新材料產業完成智能化躍遷，人類將進入‘按需設計物質’新紀元。”干勇總結道。
