“我们有个研发了四十年的活性物配方，但一直不够稳定。过去每做一个实验，等稳定性结果就要三个月。”
“我们有个关键反应，选择性卡在51%两年多了，下游产品竞争力上不去。”
“我们中小企业很多关键配方数据，可能还锁在老师傅的脑子里。”
这些来自化工新材料领域研发一线的真实痛点，如今正被一群来自杭州滨江的年轻人，试图用“人工智能+第一性原理计算”的方式重新破解。人工智能（AI）能否真正成为颠覆传统材料“智能研发”范式的“破壁者”？其深入工业核心研发环节还面临哪些壁垒？
近日，浙江省智能制造专家委员会（以下简称“浙智专委”）徐纪平主任、卢耀辉、凌云、董建伟副主任深入专注于AI4Science（人工智能驱动的科学发现）的初创企业——深度原理公司进行专题调研，一场关于技术前沿与产业现实碰撞的讨论就此展开。
化学研发，严重依赖专家经验与大量重复实验，周期漫长，成本高昂且成功率低。调研中，深度原理团队展示了他们试图构建的新范式：一个名为“Mira”的化学材料研发专用智能体。
其核心逻辑在于融合海量数据、先进算法与充足定制高性能算力。团队首先构建了据称全球最大的私有第一性原理化学反应数据库（含300万条数据），作为AI模型的“基石”。在此基础上，通过自主开发的生成式AI模型，理论上可以“创造”出海量潜在的分子结构；再经由化学原理模型和算法进行快速筛选与性能预测，从浩如烟海的可能性中，锁定少数几个最优的理论方案；最后，结合反应路径设计和高通量实验进行验证与闭环优化。
“这旨在将研发从‘偶然发现’变为‘必然设计’。”企业创始人介绍。他们已与国际化妆品巨头欧莱雅合作，在两周内从其备选近千个化合物中，AI模型筛选出20个能显著提升原有活性物稳定性的分子，并经实验验证。与国内精细化工龙头企业新和成的合作，则围绕一个“卡脖子”的反应选择性展开，AI从反应机理入手，帮助分析路径，目标是将选择性从长期的51%提至更高水平，目前项目仍在进行中。
然而，技术演示背后，是AI深入产业腹地必须面对的复杂现实。座谈会上，专家抛出的问题，直指核心矛盾。
数据之困：企业的“命根子”与AI的“粮食”如何兼容？这是讨论最激烈的话题。化工企业，尤其是以独家配方为核心竞争力的中小企业，视原始配方数据为最高商业机密。很多老板的秘方可能还在自己脑子里，或者锁在保险柜。企业普遍担忧：使用外部AI平台，如何保证核心数据“不出门”、“不漏水”？即使采用所谓“隐私计算”或“联邦学习”，技术上的信任壁垒依然很高。深度原理提出了“平台交付”与“混合云”的思路，即未来让AI模型本地化部署，企业数据留在内网，只反馈结果给模型进行迭代。
商业模式之惑：深度原理主要采用“首付款+里程碑”的项目制模式，服务于欧莱雅、新和成等头部客户。项目制模式，对于AI服务商而言，是否具有可持续性和规模效应？“如果只是解决一个具体问题，做完一个项目就结束了，那你的价值天花板很低。”有专家表示，“你必须找到一种模式，能嵌入客户的持续研发流程，成为他们离不开的‘协作者’或‘智能研发伙伴’。”例如销售软件许可？按价值分成？提供订阅服务？直至今天，清晰的、双方都能接受的商业化路径仍在探索中。
应用落地之难：从“头部”到“腰部”，鸿沟如何跨越？成功服务行业龙头，证明了技术的可行性。但更广阔的市场是数量庞大的“腰部”及中小企业。他们同样面临研发创新压力，但普遍存在数据基础薄弱、数字化程度低、对AI认知有限、支付能力相对较弱等问题。AI解决方案如何做“减法”，推出他们用得起、敢用、易用的轻量化产品或服务，是打开市场局面的关键。
技术信任之问：“黑箱”AI如何让工程师“放心”？对于经验丰富的化学家和工程师而言，AI模型给出的分子设计或工艺建议，有时像一个“黑箱”。他们不仅要知道“是什么”，更想理解“为什么”。如果AI不能从化学机理层面提供可解释的洞察，仅仅给出一个结果，很难获得研发人员的深度信任并采纳。因此，如何增强AI模型的可解释性，使其推理过程更贴近专家的思维模式，是技术层面需要持续攻关的课题。
尽管挑战重重，但人工智能与科学研究的深度融合（AI4Science），是未来科技竞争的制高点，也是我国制造业，尤其是高附加值材料化工行业向高端攀升可能的关键赋能工具。它代表的不仅是一种工具升级，更是一种“智能研发”范式的革命性变革。
通过本次调研，浙智专委进一步了解了AI在最硬核的研发环节应用的最新进展与现实梗阻。下一步，我委将持续关注此领域的发展，并考虑如何联动政府、产业、资本等多方力量，共同探索破解数据安全信任、创新商业模式、培育应用生态等共性难题的可行路径，助力像深度原理这样的前沿科技企业扎根本土，更有效地服务于浙江乃至全国制造业的高质量发展。
变革已至，道阻且长。人工智能在化学反应实验室里的故事，才刚刚翻开序章。
电话：0571-88356990
邮箱：info@zjznzz.cn
传真：0571-88356990
