在华东理工大学实验室里，AI已经成为林嘉平教授及他所带领的研究团队的重要工具和研究对象。林教授的研究聚焦于高分子理论模拟、材料基因组及其AI的交叉研究，他也是国内首个AI驱动的高分子材料研发平台的牵头开发人。

作为高分子材料领域的行业带头人之一，林教授认为AI为行业的研究和生产都带来了巨大的推动作用：“‘新材料+AI’的研究范式，最大益处在于提出一种全新的研究模式，将变革化工新材料的研发及生产环节，推动数字化、智能化转型。”

林嘉平教授指导搭建数据库和软件平台  本文图片均由受访者提供 

政策锚定方向：“12345”路径勾勒智能蓝图

2025年，上海发布《加快培育材料智能引擎发展专项方案（2025-2027年）》（以下简称《专项方案》），明确提出构建“材料+AI”研究范式。这份方案勾勒出上海在未来三年内打造材料产业智能引擎的清晰路径。

按照“12345”的工作框架，上海将构建1个材料数据全生命周期链条，服务新材料研发和产品提质降本2大需求，发展数据、计算和实验3大技术集成，聚焦高分子、合金、陶瓷、复合材料4类关键材料，专注电子信息、新能源、绿色低碳、生物化工等5大应用领域。

“这份方案首次明确提出构建‘新材料+AI’研究范式，推动材料领域的垂类大模型构建。”华东理工大学林嘉平教授表示，这与上海市的大飞机、集成电路、航空航天等重点产业布局密切相关。

专项方案的出台，为上海新材料产业装上了“人工智能”的引擎。到2027年，上海有望在多个关键材料领域实现突破，推动先进装备更新换代及产业高质量发展。

随着《专项方案》落地，上海正以“AI +材料”为核心，打通“研发-数据-生产”全链条，通过高校突破技术、企业落地应用、平台支撑数据，构建起全国领先的新材料智能创新生态。从实验室里的分子设计，到生产线上的实时调控，AI 正彻底改变新材料“十年磨一剑”的传统范式。

库贝化学刘博士在操作AI  

政策的引导更激活了企业端的创新热情。库贝化学在冬奥会“飞扬”火炬外壳复合材料技术基础上，正借助AI研发可回收风电叶片树脂与高温超导材料。“传统材料研发往往依赖于试错法，这不仅耗时，而且成本高昂，周期可能长达数年甚至数十年。而人工智能技术的应用，尤其是通过机器学习、深度学习和量子化学计算等技术，能够从大量已知材料数据中提取模式和规律，预测新材料的性能，显著加快了材料研发的速度和效率。”库贝化学相关负责人表示，企业目前已完成专利申请21项，获得专利授权7项。涉及聚硅氮烷合成及其应用、功能化环氧树脂和绿色风电材料等方面，这些科研成果转化为系列产品推向市场，已产生销售额。

从经验试错到AI赋能设计、应用全过程

林嘉平教授带领团队进行高性能复合材料基体树脂性能测试 

上海高校在“AI+材料”基础研究领域的突破，为产业创新提供了“源头活水”。华东理工大学林嘉平教授、高梁副教授团队深耕十余年，构建起包含260 万条高分子结构性能数据、140 万条化学反应数据的百万级数据库，打造出国内首个高分子专业AI大模型——AI plus Polymers研发平台。

“高分子材料结构复杂，例如，对于高性能树脂而言，传统试错法很难兼顾‘耐热、力学、加工’三大性能，而AI能挖掘出人类看不见的构效关系。”团队介绍，依托该平台设计的耐高温聚硅炔酰亚胺树脂，加工性能和耐热性能优于传统聚酰亚胺，已通过航空航天装备应用验证；上海塑料研究所则借助所建立的AI平台筛选出的新型聚酰亚胺，耐热、力学性能均超国外同类产品，可用于航空发动机壳体制造。

截至目前，该平台已服务航天一院703所、上海华谊树脂、库贝化学等68家企业与科研单位。“以前我们用廉价单体组合新结构，要做上百次实验，现在 AI 能直接预测性能，筛选效率提升10倍以上。”上海塑料研究所研发人员坦言，AI不仅缩短了研发周期，更让“用低成本原料做出高性能材料”从不可能变为可能。

上海交大团队则在跨领域融合中找到新突破。上海交通大学人工智能与微结构实验室（AIMS-Lab），主要从事微纳材料的第一性原理与人工智能算法研究，开发了面向材料、生物、工业三大方向的AI系统：AlphaMat模型用于锂电池电极、钙钛矿光伏等旧材料改造和新材料设计，与长沙壹钠光电合作提升光伏转化率（当前行业平均转化率仅20%多）；AlphaBio模型聚焦酶制剂改造、蛋白类、多肽产品设计，为亚精氨、Omega-3等保健品的生物合成优化催化酶。团队发言人韩彦强表示：团队研发的ManuDrive工业控制系统，能通过秒级调控发酵过程中的温度、pH值等参数，让整个培养环节无需人工干预，实时迭代优化生产过程中的工艺参数，“这相当于给生产线装了‘智能大脑’，不断提升生产水平，还能预测未来10-20小时的生产状态，提前规避风险，降低生产波动。”

AI工业自控系统（ManuDrive）思考逻辑示意图 

数据端筑基：国资平台破解“语料荒”，筑牢AI创新底座

数据是AI研发的核心要素，而新材料领域长期面临“数据散、标注难、产权模糊”的痛点。在此背景下，上海市推动成立了国资背景的语料运营枢纽平台——上海库帕思科技有限公司，旨在为千行百业的AI创新筑牢数据底座。

“大模型正加速向垂直领域渗透，对数据的要求也从简单的标注变为需要包含行业知识与推理过程的‘思维链’数据。”库帕思相关负责人介绍。针对新材料等科学智能领域，传统的数据采集和标注方式已难以为继。例如，在材料化学领域，理解复杂的分子结构、化学反应过程并将其转化为AI可学习的语言，需要具备深厚专业背景的硕博研究生甚至专家学者参与标注。库帕思通过与上海交通大学等高校合作，正是为了生产这类高质量的科学语料，从而提升AI模型在材料设计与性能预测上的准确性。

据了解，对照上海市模塑申城“5+6”整体布局，库帕思已构建“4+1+X”语料建设框架，已覆盖金融、教育、医疗、工业、具身智能和科学智能等领域，并在各行各业培育以语料为引领的人工智能创新生态。

库帕思亮相2025世界人工智能大会（WAIC）

今年7月，库帕思在世界人工智能大会上发布了首个语料运营公共服务平台，用众包众创的方式对外服务，通过打造一套积分机制，用积分在全市统一换语料。同时，面向基础大模型、垂类模型，特别是面向中小企业和开发者，库帕思提供语料普惠计划，为各类前沿应用场景的创新创业者提供语料开源服务。

为解决场景数据稀缺问题，上海通过发放语料券、算力券等方式，鼓励企业进行数据积累和治理。据不完全统计，上海市已发放6亿元算力券、3亿元模型券加1亿元语料券，加速AI产业发展。

挑战与破局：从“卡脖子”难题到协同创新

尽管进展显著，上海AI赋能新材料产业仍面临不少挑战。韩彦强在工业场景中发现，生产端数据“量少质差”是普遍问题：“中国发酵产量占全球70%，但某一产品的生产数据可能只有几百个批次，远少于AlphaGo的上亿条数据；不同设备的误差还会导致数据偏差，影响模型精度。”为此，团队将物理守恒定律、生产经验等“先验知识”融入AI模型，弥补数据不足的短板。

数据流通是人工智能行业的共性难题。“数据已成为五大生产要素之一，数据市场发展正处于起步阶段，库帕思在语料建设、数据流通等方面也做了诸多探索。”相关负责人坦言，公司正通过点对点服务模式、定制化解决方案、普惠开源模式，开展分类分级运营。

对此，上海的应对思路是“协同”。在政策层面，政府扮演着“引导者”和“催化剂”的角色。除了上述提到的发放“算力券”与“语料券”，直接降低企业在AI研发和数据治理上的成本，上海市经信委通过“AI+制造”等专项行动，引导AI技术在材料等垂直行业落地，上海科委则重点支持高校的基础研发项目，从源头为产业创新注入动力；生态层面，华东理工大学推动工科与医院合作，库帕思链接数据供给方与数据需求方，形成“高校研发技术—平台提供数据—企业落地应用”的闭环。

展望2027：新材料智能引擎将重塑产业格局

按照《专项方案》规划，到2027年，上海将建成1个材料智能引擎中心、培育20个产业创新“进化中心”、开发10个AI设计的新材料产品。从当前进展来看，这一目标正一步步变为现实。

在研发层面，华东理工大学计划将AI平台拓展至光电材料、复合材料领域，上海交大团队将探索“AI+精准医疗”，为用药指导、药物监测提供支持；

在产业层面，库贝化学将加快高性能树脂材料研发，川宁生物计划把AI控制推广到更多发酵产线，宝钢等龙头企业正探索“AI+钢铁制造” 的全流程优化；

在数据层面，库帕思将进一步扩大高质量语料建设覆盖，推动更多行业的智能化升级。

“我们将继续以AI赋能上海及长三角地区的化工新材料产业，实现数字化、智能化跃升。”林嘉平教授表示。

上海凭借 “产学研协同+ 政策支持+ 数据底座” 的优势，有望成为全球 “AI + 材料”创新的策源地，推动中国新材料产业从“跟跑”向“领跑”跨越。

未来，当科学家们需要一款特定性能的新材料时，或许只需在AI平台输入参数，便能快速获得候选方案，彻底告别“十年磨一剑”的研发困境。从实验室里的分子设计，到生产线上的智能调控，上海正以 AI 为笔，勾勒出新材料产业的未来图景——这里不仅有技术的突破，更有生态的重塑，让“用智能技术创造新型材料”的梦想，一步步照进现实。

ManuDrive系统接管工业生产