以人工智能（AI）为核心驱动力的第四次工业革命正在发生
2024年诺贝尔物理学奖颁给了利用神经网络进行机器学习的人工智能AI科学家，化学奖也颁给了利用AI进行蛋白质结构预测和设计的科学家，这是科学界对AI领域贡献的肯定。产业界方面，去年以来，各种各样的AI模型与应用层出不穷，AI在不断迭代之下也越来越“好用”。一大批黑科技产品井喷式爆发，如能聊天处理图像会编程的ChatGPT、能推理会写诗支持国产芯片的DeepSeek、能将创意转为视频的Pika和Sora、具备本地数据主动采集和自主任务执行能力的OpenClaw智能体、能跋山涉水的机器狗、能跳舞打螺丝的人形机器人、能即时显示的AR眼镜、能极致隐身并与AI深度融合的六代机等。这一系列的技术突破标志着AI经过数十年的发展，突破了从“无用”到“可用”的技术拐点，进入指数级增长阶段。根据OpenAI 提出的AI发展五个阶段，即L1对话交互者、L2智慧推理者、L3行动执行者、L4创新辅助者、L5组织管理者，目前AI已经发展到L2级到L3级。
AI是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的技术科学。AI研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。AI系统的五大支柱要素包含数据、算法、算力、场景、伦理与安全。
“第四次工业革命”（工业4.0），其核心特征不再是单纯地提高制造效率，而是物理世界、数字世界与生物世界的深度融合。AI快速渗透进入千行百业，正极大提升全社会生产力水平，推动人类进入智能时代。可以畅想，在未来的L4级智慧工厂，控制中心发出指令，市场AI就能分析市场需求给出研发目标，研发AI根据当前经验和知识给出实验方案；机器人执行实验方案并自动进行分析检测，然后根据实验结果进行调整优化给出产品，在得到客户确认后，开始制造生产设备，然后自动化进行生产检测；生产制造AI则根据市场需求进行供应链和生产运营智能化管理。
企业如何与AI共舞是事关企业能否抓住新一轮科技革命和产业变革机遇的战略问题。
智能时代给化工/材料行业带来新的市场机遇
AI作为智能体，在现实世界中的物理承载，最简单的是AI芯片和服务器，更多的则是以具身智能机器人、AR/XR智能可穿戴设备、智能汽车、智慧交通、智能战机战舰战车等形式存在。AI的载体和具身化将有望在未来十年给化工/材料行业带来百亿量级的需求。
具身智能（EI）是指智能体通过物理身体与环境的实时交互，实现感知、决策和行动的能力。其四大组成包括本体、智能体、环境、感知-动作循环。EI的应用前景广阔，涵盖工业、服务、特种、医疗等多个领域，如自动化装配、焊接、喷涂、搬运的工业机器人，自动化分拣、搬运、配送的仓储物流机器人，家政服务、娱乐陪伴、医疗救援的人形机器人等。
可以说，未来EI是AI应用中厚雪长坡的新赛道，有望在十年左右成为新的万亿产业。在满足4D类需求任务方面，EI尤其具有优势，4D即Dangerous（危险）、Dull（枯燥）、Dirty（脏污）、Dumb（简易）。4D任务指大量人所不能不便不愿的场景，这在各行各业尤其是化工/材料行业尤其多。同时，形形色色的垂直赛道EI也在纷纷涌现，迭代进化。
EI和人形机器人的大规模普及还取决于其成本的进一步显著降低，基础材料的创新解决方案也正带来新的市场需求。如可作为轻量化结构的纤维树脂复合材料，可模拟生物肌肉的力-形变响应的柔性执行机构的离子聚合物金属复合材料，可作为人造皮肤的硅胶或弹性体材料，可作为高精度传感器的量子点-聚合物复合压电材料等。
AR/XR智能可穿戴设备的平民化也将带来新的化工新材料需求。作为光学系统核心的高折射率低色散光学树脂和光致变色与电致变色材料，可与人体长期接触的抗菌抗敏表皮材料，作为支架的轻量化与柔性结构材料等，需求将迎来前所未有的机会。
感知交互材料是实现AI终端与环境互动功能的核心媒介，包括柔性压电材料、离子凝胶导体、光电触变材料、光致变色材料等。
在支撑AI算力指数级增长的芯片封装与AI电路板领域，对材料的挑战无处不在。为确保芯片封装和AI电路板的信号完整性、热稳定性、机械可靠性和高性能，需要超越传统材料的半导体材料、先进互连和热管理材料创新解决方案。
AI正在全方位重塑全球化工/材料行业
在行业竞争加剧的背景下，AI已成为国内外化工/材料企业降本增效、提升竞争力的核心技术抓手。在分析了全球领先化工/材料企业如何利用AI后，可以发现，AI主要从生产制造、设备装置健康管理与安全提升、质量管理、客户服务、市场拓展、供应链管理及研发创新七方面重塑化工/材料行业。AI 赋能材料行业核心价值提升的具体表现见表1。
未来发展趋势及面临挑战
AI对化工/材料行业的赋能，本质上是将经验科学转化为数据科学，帮助人类能够探索过去无法触及的材料空间，加速下游产业的创新。
随着自动化实验室普及，云端设计+机器人实验将成为标配，可以实现24小时不间断研发。未来还将出现专门针对化工/材料领域的垂直大模型（如 Material LLM），理解化学文献和反应机理。产学研将深度融合，高校提供算法和基础数据，企业提供场景和验证，加速技术转化。此外，AI将不仅追求性能，更将可持续发展作为核心优化目标。
AI 要想真正发挥作用，赋能化工/材料行业，以下关键使能技术缺一不可：
一是图神经网络(GNN)：分子结构天然适合用图（原子是节点，键是边）表示，GNN 是处理化学分子数据的核心算法；二是生成式 AI(Generative AI)：类似生成图片的 Diffusion Model，现在用于生成全新的分子结构（Generative Chemistry）；三是高通量计算与自动化实验室：大幅降低实验室劳动强度，快速优化迭代；四是自动化实验机器人，实现“设计-合成-测试-分析”的闭环自动化（Self-driving Labs）。
但AI要想真正从“可用”跨越到“好用”，还要突破技术、数据、成本、安全及人才等多方面的瓶颈。
在技术方面，算法优化尚存在难题，数据获取与标注困难，模型精度与可解释性不理想。目前科学界对小分子的理解比较成熟，数据库也比较丰富，AI在小分子、催化等领域应用增长迅速。而在高分子和复杂材料体系领域，AI的应用还处于探索阶段。原因在于其建模和构效关系尚未明确，有效数据也严重不足，很难用简单的数学公式或逻辑关系表达后让AI快速学习。且可能存在技术垄断与马太效应，导致不公平竞争，大型企业可能因资金、技术和人才占据优势；而中小企业生存空间承压。
在数据方面，大模型深度学习高度依赖已有知识数据库，专利和文献数据相对易得，但同质化严重；而大量高价值的行业数据或企业内部数据则因技术秘密等原因难以获得而成数据孤岛，目前非常缺乏行业数据尤其是可靠的数据。并且配方、生产工艺、关键客户等核心技术和商业机密数据有泄露风险，在数据收集、存储和使用过程中，数据保护难度大。
在成本方面，要实现AI的赋能，需要部署高通量实验设备、机器人平台等硬件设备，且模型的训练和运行需要强大的计算能力和软件，投资巨大。
在安全方面，人机协同的工作模式下，算法错误或导致生产失误或事故，机器人故障或人机协作不当可能引发安全事故。
此外，开发和优化AI模型需要数据学背景，而理解和应用模型结果则需要化工背景，可以从事相关工作的复合人才短缺。
如何决胜智能时代的一点思考
对于化工企业而言，数字化转型和AI布局已迫在眉睫，决定企业能否实现长远发展。
虽然说AI全方位赋能千行百业还存在不少亟待化解的挑战，短时间内也很难有一个超级智能体解决所有问题，但AI的垂直应用将会率先取得突破。当前，AI正走进千家万户，未来AI和EI的普及率将有望超过手机。中国是世界上最大的市场和制造基地，有世界上最丰富的行业应用场景。美国强在AI技术的原创性，而中国则拥有AI产业化落地和AI应用开发最肥沃的土壤，有望在AI和EI的垂直应用创新上最早取得商业成功。
当前化工/材料行业已经看到了第四次工业革命的曙光，AI、EI和大数据的结合正使这一天加速到来。如果说自动化是上一个时代化工/材料企业的重要关键词，那么智能化将是下一个时代化工/材料企业的重要关键词。未来5~10年，化工/材料行业将迈入全新的阶段，黑灯工厂、黑灯实验室将逐步普及化。
化工/材料企业要想不只作为AI的“应用者”，而要成为行业垂直领域的AI“领先者”，就需要从多方面入手，紧紧抓住AI的时代机遇。
一是试点实施：生产优化与设备维保是目前AI垂直应用成果最突出的领域，但企业生产牵一发动全身，企业安全平稳运行是第一要务。建议先选一两个对全局影响小但具备4D特点的应用场景作为试点，优选合作伙伴进行PK，待成熟后再推广。
二是数据先行：可靠的数据是基础，需要构建自己的数据体系，形成自己的数据库。
三是学习标杆：与行业头部企业和领先科研院所建立深度合作关系，向领先企业学习，借鉴外部经验教训，以解决业务痛点真实需求为出发点和落脚点。
四是数字围墙：私域部署AI以保障数据安全。核心技术和商业秘密是企业的生命线，公司的数据只能在自己的“数字围墙”之内。
五是开发AI材料：伺机开发创新产品满足AI和EI带来的新的材料需求，包括半导体材料、先进互连材料、热管理材料、纤维树脂复合材料、光学材料、人造皮肤材料、感知交互材料等。
六是设立AI大脑：成立公司AI研究中心，投资建设工业互联网平台，统一DCS、LIMS等系统接口。在保障数据安全的前提下，生产制造质量供应链研发逐步全面数字化，形成公司自己的大数据和AI大脑，并分类分层管理与授权使用。
七是营造AI生态：从前面的合作者中优选合作伙伴进行深度合作，打造行业级AI生态平台，在智能化自动化领域投资布局，成为行业标杆。
作者简介：胡广君，国科材智创始人、北京化工大学新材料校友会与中国科学院大学新材料校友联合会秘书长。本科和博士分别就读于北京化工大学和中国科学院大学。毕业后长期从事高性能高分子材料等新材料产品开发与核心技术攻关工作。曾服务于法国ESPCI、杜邦（中国）研发中心、阿科玛常熟瑞华公司、华润化学控股化工新材料研究院、盛虹先进材料研究院等单位。曾入选中国石化联合会化工新材料专委会专家、常州市杰出创新人才和科协委员。