ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
诺奖青睐的「AI for Science」,在帮宁德时代研发电池 | 焦点分析
3553点击    2024-10-16 11:35

材料正成为AI4S下一个要攻占的阵地。


2024年诺贝尔化学奖的颁布,让一群国内的AI创业者和从业者兴奋不已。


“诺贝尔化学奖颁给AI for Science,让我省去了很多时间跟别人解释我们是做什么的。” 深度原理创始人兼CEO贾皓钧告诉36氪。


这两天他接到了100多个投资机构的咨询电话,这家刚成立半年多的AI for Science创业公司,撞上了行业出圈的关口。


北京时间10月9日,瑞典皇家科学院将2024年诺贝尔化学奖授予三位投身于AI for Science领域的科学家。其中包括谷歌旗下AI公司Deepmind的CEO和高级科学家,二人带队研发的AlphaFold系列对于蛋白质结构预测具有里程碑式贡献,被认为是AI for Science最具代表性的成果。


图片来源:诺贝尔奖官方网站


AI for Science(AI4S),即人工智能驱动的科学研究,是一种新的科学研究范式。诺贝尔化学奖的决定,很大程度上肯定了这一研究范式、乃至整个赛道的长期价值。


实际上,在获得诺奖加持之前,AI4S已经在生命科学、药物研发、材料研发、能源、半导体、环境科学、工业仿真等多个领域有了具体实践,可以帮助缩短研发周期,降低研发成本。


AI4S目前最大的下游市场在药物研发,应用已经十分广泛,包含辉瑞、强生、默沙东、阿斯利康等全球头部药企都在积极布局中。机构MedMarket Insights显示,2023年全球AI制药行业市场规模已达到12.93亿美元。公开资料显示,目前国内的AI制药企业已超过百家。


在药物研发领域开花结果之后,材料研发正成为AI4S的下一个要攻占的阵地。


2023年12月,全球最大的锂电龙头宁德时代宣布将在香港设立国际研发中心。董事长曾毓群表示,该研发中心主要聚焦于AI4S,“挖掘新能源材料、体系和应用方案”。


这一事件被业内人士认为有风向标式的意义,标志着能源材料领域的头部企业对于AI4S价值的认可。


“用AI4S研发新材料仍处于早期的阶段,市场规模还有限,但这一技术发展的大趋势已经比较明确,未来成长的空间巨大。” 专注于新材料投资的沃衍资本管理合伙人丁哲波告诉36氪。


“在不久的未来,借助AI工具,结合实验室自动化设备和高通量筛选平台,会极大地提升化工新材料从业人员的研发效率,AI和实验室机器人会成为科研人员非常重要的助手。”


AI“解放”科学家,从医药到材料


材料研发,正成为AI4S下一个前沿阵地。一个鲜明的信号是,国内AI制药领域的多个头部厂商,都在“跨界”进军材料研发。


8月中旬,港股上市的AI制药第一股晶泰科技宣布与协鑫集团合作,为协鑫提供新能源材料研发的订单化服务。根据其半年报披露,这份合作为期5年、总合作金额约10亿元。


8月末,获得多轮融资的AI4S创业公司深势科技,与材料厂商东阳光签约成立AI4S新材料研发联合实验室。 在此之前,其曾与宁德时代宣布达成战略合作,共建联合实验室。


AI制药竞争高度内卷,今年以来多家AI药企因为业绩不佳,开始裁员和管线调整的阵痛期。向新的应用领域进军,是厂商打造新增长点的方式。


当下,国内材料行业也面临着诸多挑战,可以总结为“先进基础材料参差不齐,关键战略材料受制于人,前沿新材料技术有待突破”。而AI辅助研发有助于缩短材料从发现到应用的时间,提高研发效率。


尤其是在固态电池材料、光伏钙钛矿材料等在各自行业内具备革命性的新材料的研发上,AI4S被不少专家认为是研发的突破口。


以全固态电池为例,其研发的难点之一就在于开发稳定的电化学材料体系。日本丰田拥有全球最多的固态电池领域专利数,在过去30多年已尝试了数万种电解质应用到电池中,但至今未成功量产,而AI4S有希望帮助解决这一问题。


中国科学院院士欧阳明高也在今年1月的一次会议上指出:“锂电下一个十年的技术竞争核心在于材料,而人工智能正在改变材料的研发范式,将大幅度加速全固态电池的研发速度。”


除了宁德时代和协鑫集团外,也有越来越多的头部化工、能源和材料企业积极拥抱AI4S,用于新材料的研发。


国内头部化工企业万华化学董事长廖增太在今年3月的一次分享中表示,通过AI技术,万华化学可以从1.4万种方案中快速筛选出156种,再进一步优化得到4种有效方案,大大加快了研发进度。


不过,由于起步更早,AI辅助材料研发更多的应用和案例还是在海外。


包括微软、谷歌等互联网巨头为了搭配出售云服务,很早就开始开发AI4S的行业模型和PaaS平台。下游的应用方则以大的化工、材料巨头企业为主。


丁哲波告诉36氪,德国老牌材料企业Merck用AI开发新型OLED发光材料,化工巨头陶氏用AI工具优化聚烯烃用非茂金属催化剂的开发,都是比较成功的典型应用。


有需求自然就有供给。36氪了解到,作为第三方服务提供商,除了以晶泰科技为代表的上市公司外,以深势科技、深度原理为代表的创业公司,字节跳动、腾讯、百度等互联网厂商的AI Lab,都在进行AI辅助材料研发的探索或布局。


材料发现难度高,AI4S道阻且长


同样是AI4S的应用领域,AI材料研发的发展比AI制药晚了约10年时间。前者已经发展成为了超百亿规模的市场,而后者目前的规模则几乎可以忽略不计。


在贾皓钧看来,AI材料研发和制药虽然底层原理相似,但技术应用大有不同,这与材料这一行业的特性密切相关。


“AI4S研究科学问题,也必须遵守物理规律。在AI制药领域,蛋白质大分子的生物属性决定了其组合数量是比较有限的,更多的研究集中在探索空间折叠结构。而化学材料的元素组成、配位结构等更加多变,排列组合的候选空间数量级更高,导致早期做发现和优化的难度更大。”


高质量数据的缺乏,也是AI材料研发要面临的难题之一。


“AI材料研发面临的最大问题,还是在高质量的数据。”丁哲波表示,生物医药领域的大量原始数据,是通过文献报道公开披露的,比较容易获取,可以用于模型训练。但化工新材料行业相对比较封闭,涉及到材料、催化剂的原始数据往往是企业的商业机密,并不对外开放。


对此,曾毓群也曾在接受采访时坦言,AI4S(用于电池材料研发) 目前还没有特别好的模型、结构、算法,还有很长的路要走。


AI研发在实际落地中还面临着客观条件的限制,尤其是人才的紧缺。


材料的AI研发属于材料学与计算机的交叉学科,需要两方面都精通。而国内化学系人才普遍不掌握编程能力,企业缺乏既懂材料又懂计算机的跨界人才。


深势科技CEO孙伟杰今年5月在接受采访时提到,该公司总员工数接近300人,有80多人是实习生。因为“AI4S要求很强的跨学科能力,我们根本从市场上招不到。”


前瞻性的技术往往不够成熟,存在着诸多瓶颈,需要付出更多时间和成本进行探索。


但从巴斯夫、陶氏到宁德时代、万华化学等头部能源、材料巨头的积极布局,到诺贝尔化学奖的青睐,无疑已经肯定了这一赛道的长期价值。


“有机化学家经常使用一种叫做逆向合成的方法寻找目标分子的合成路线,这个方法曾经在上个世纪的90 年代拿到诺贝尔奖。但我相信再过20年,几乎所有的逆向合成都可以用AI来完成,包括反应路线的推荐,甚至反应物和反应条件的推荐与优化。AI驱动的新材料研发会颠覆整个化工新材料行业。”丁哲波表示。


文章来自于“36氪”,作者“王方玉”


关键词: AI , AI材料 , AI科研 , 人工智能