據(jù)工信部數(shù)據(jù)，2025年中國(guó)新材料產(chǎn)業(yè)將達(dá)到10萬(wàn)億市場(chǎng)規(guī)模，復(fù)合增長(zhǎng)率達(dá)13.5%，到2035年我國(guó)新材料產(chǎn)業(yè)的總體實(shí)力將躍居全球前列。其中AI技術(shù)對(duì)材料科學(xué)賦能的關(guān)注度明顯上升，AI材料科學(xué)相關(guān)技術(shù)的迭代速度也明顯加快。

目前AI材料科學(xué)市場(chǎng)仍處于發(fā)展初期，市場(chǎng)規(guī)模較為有限，但具有強(qiáng)勁的增長(zhǎng)潛力。億歐智庫(kù)認(rèn)為，2020年至2025年，中國(guó)AI材料科學(xué)CAGR預(yù)計(jì)將達(dá)36.76%，材料企業(yè)將逐步采用材料基因組模式進(jìn)行新材料研發(fā)，以替代傳統(tǒng)成本高、時(shí)間長(zhǎng)、風(fēng)險(xiǎn)大的“炒菜式”研發(fā)模式。長(zhǎng)期來(lái)看，中國(guó)AI材料科學(xué)或達(dá)到萬(wàn)億市場(chǎng)規(guī)模。

(資料圖片)

10月20日電 就像一個(gè)不用看琴鍵就能熟練彈奏的鋼琴家，美國(guó)加州大學(xué)洛杉磯分校的機(jī)械工程師設(shè)計(jì)出了一種新的材料，可隨著時(shí)間的推移學(xué)習(xí)行為并發(fā)展出它自己的“肌肉記憶”，允許實(shí)時(shí)適應(yīng)不斷變化的外力。該材料由一個(gè)具有可調(diào)梁的結(jié)構(gòu)系統(tǒng)組成，能根據(jù)動(dòng)態(tài)條件改變其形狀和行為。19日發(fā)表在《科學(xué)·機(jī)器人》上的這項(xiàng)研究，將。

領(lǐng)導(dǎo)該研究的加州大學(xué)洛杉磯分校工程學(xué)院機(jī)械和航空航天工程教授喬納森·霍普金斯說(shuō)，這種人工智能材料可對(duì)暴露于環(huán)境條件時(shí)應(yīng)表現(xiàn)出的行為和特性進(jìn)行學(xué)習(xí)。例如，當(dāng)材料被放置在飛機(jī)機(jī)翼中時(shí)，它可以學(xué)習(xí)飛行過(guò)程中風(fēng)的模式，改變自身機(jī)翼的形狀，以提高飛機(jī)的效率和機(jī)動(dòng)性;而被注入這種材料的建筑結(jié)構(gòu)還可自我調(diào)整某些區(qū)域的剛度，以提高其在地震或其他自然或人為災(zāi)害期間的整體穩(wěn)定性。

科學(xué)家們利用和調(diào)整了現(xiàn)有人工神經(jīng)網(wǎng)絡(luò)的概念。人工神經(jīng)網(wǎng)絡(luò)正是驅(qū)動(dòng)機(jī)器學(xué)習(xí)的算法，研究人員在互連系統(tǒng)中開(kāi)發(fā)了人工神經(jīng)網(wǎng)絡(luò)組件的機(jī)械等效物。這一機(jī)械神經(jīng)網(wǎng)絡(luò)由以三角形格子圖案定向的單獨(dú)可調(diào)光束組成。每根梁都具有音圈、應(yīng)變片和撓曲件，使梁能夠改變其長(zhǎng)度，實(shí)時(shí)適應(yīng)不斷變化的環(huán)境，并與系統(tǒng)中的其他梁相互作用。

縱軸 Vision | Strategy | Product 是不同時(shí)間跨度關(guān)心的事情，分別是遠(yuǎn)見(jiàn)看十年，戰(zhàn)略看五年和產(chǎn)品看三年，從遠(yuǎn)到近，從模糊的正確到具體的執(zhí)行。企業(yè)基本上以V | S | P 為軸，把長(zhǎng)短期目標(biāo)連接起來(lái)。

橫軸展現(xiàn)企業(yè)以什么組織形式，其重心以產(chǎn)品×市場(chǎng)張成組織結(jié)構(gòu)的底，具體結(jié)構(gòu)取決于什么樣的產(chǎn)品陣列以及服務(wù)什么樣的客戶，大體分為 ToB、ToC 市場(chǎng)。

橫軸從右到左是由表及里的拆分，其中比較重要的是財(cái)務(wù)和人事。財(cái)務(wù)以數(shù)字化指標(biāo)來(lái)指導(dǎo)企業(yè)運(yùn)營(yíng)，有幾個(gè)值得關(guān)注的基礎(chǔ)指標(biāo)：收入、利潤(rùn)、現(xiàn)金流和增長(zhǎng)率，用來(lái)衡量企業(yè)運(yùn)營(yíng)效率和產(chǎn)品競(jìng)爭(zhēng)力。人事關(guān)心以什么樣的組織薪酬結(jié)構(gòu)匹配業(yè)務(wù)需求，在A輪B輪等不同發(fā)展階段，定制不同KPI激勵(lì)團(tuán)隊(duì)達(dá)到更好的財(cái)務(wù)指標(biāo)。

最右側(cè)也是最表層容易被感知的企業(yè)運(yùn)營(yíng)。最左側(cè)最底層的是創(chuàng)始人的使命、價(jià)值觀和方法論，支撐遠(yuǎn)見(jiàn)的達(dá)成。

創(chuàng)新路徑有很大不確定性，作為CEO，相比于管理層，更需要的是兼容不確定性的能力(Be compatible with uncertainty)。

遠(yuǎn)見(jiàn)是看大事件的獨(dú)特視角

遠(yuǎn)見(jiàn)(Vision)是一個(gè)非常獨(dú)特的看行業(yè)變革的視角，本質(zhì)上只要有不同的角度，就會(huì)產(chǎn)生不同的遠(yuǎn)見(jiàn)。但遠(yuǎn)見(jiàn)要討論 Big Thing 是什么。比如英偉達(dá)的聯(lián)合創(chuàng)始人兼 CEO 黃仁勛(Jensen Huang)30年前對(duì)圖形卡的展望，隔十年對(duì)圖形卡和計(jì)算卡的演進(jìn)關(guān)系是怎么構(gòu)想的，對(duì)摩爾定律在不同時(shí)代與同行有什么獨(dú)到的見(jiàn)解。

獨(dú)到的遠(yuǎn)見(jiàn)非常珍貴，深刻的行業(yè)洞察有幫助，但很多時(shí)候還靠企業(yè)家的直覺(jué)和偏執(zhí)，很難短期訓(xùn)練形成。遠(yuǎn)見(jiàn)指導(dǎo)創(chuàng)始人形成差異化的戰(zhàn)略。

Strategy = Maximize ROI = Maximize Efficiency

商業(yè)領(lǐng)域非常關(guān)心戰(zhàn)略。戰(zhàn)略就是用方法論把模糊的遠(yuǎn)見(jiàn)具體成產(chǎn)品路徑的過(guò)程。在早期，戰(zhàn)略等同于產(chǎn)品策略，最開(kāi)始要去找特定的小眾市場(chǎng)，盡量在其中尋求高占有率，極度專注地通過(guò)產(chǎn)品獲得差異化競(jìng)爭(zhēng)力，且能夠隨著時(shí)間擴(kuò)大，而不是衰減。

但值得特別注意，技術(shù)往往不是時(shí)間的朋友。從商業(yè)來(lái)講，技術(shù)的價(jià)值不在于第一個(gè)的出現(xiàn)和領(lǐng)先，而是在于優(yōu)勢(shì)的持續(xù)性，最奢侈的是最后一個(gè)技術(shù)擁有者。

另外，人們可能容易混淆技術(shù)的整體社會(huì)價(jià)值和特定機(jī)構(gòu)的商業(yè)價(jià)值，比如，AI 對(duì)社會(huì)的價(jià)值大不大，很大!那特定的公司在 AI 領(lǐng)域里分到的價(jià)值大不大?這其實(shí)是兩個(gè)命題。技術(shù)必須和市場(chǎng)、商業(yè)化過(guò)程相結(jié)合，才能構(gòu)建競(jìng)爭(zhēng)力和壁壘。反之，科學(xué)家因?yàn)楹茈y持續(xù)領(lǐng)先甚至壟斷，往往拿著相對(duì)很低的報(bào)酬。

許多行業(yè)的公司都在成功地將機(jī)器學(xué)習(xí)(ML)或人工智能(AI)用作其數(shù)字化轉(zhuǎn)型計(jì)劃的組成部分。在材料科學(xué)和化學(xué)領(lǐng)域，人工智能應(yīng)用的開(kāi)發(fā)始于幾年前，豐田和康寧等公司建立了內(nèi)部人工智能中心，巴斯夫，松下和Lanxess等其他大型企業(yè)均與相關(guān)的供應(yīng)商或者機(jī)構(gòu)合作開(kāi)發(fā)了數(shù)據(jù)驅(qū)動(dòng)的研發(fā)項(xiàng)目。這些公司發(fā)現(xiàn)，當(dāng)將AI應(yīng)用于新產(chǎn)品開(kāi)發(fā)時(shí)，可以提供正向投資回報(bào)，并且現(xiàn)在正從一次性項(xiàng)目轉(zhuǎn)移到部署企業(yè)范圍的AI基礎(chǔ)架構(gòu)。 這一轉(zhuǎn)變使整個(gè)組織具有更大的自治權(quán)和可擴(kuò)展性。

然而，每個(gè)領(lǐng)域都有每個(gè)領(lǐng)域的所謂的專業(yè)知識(shí)和know-how，也就是我們說(shuō)的隔行如隔山，每一個(gè)領(lǐng)域都有所謂的領(lǐng)域壁壘。用于材料和化學(xué)制品的機(jī)器學(xué)習(xí)比典型的應(yīng)用程序更復(fù)雜，因此在ML工作流中的許多點(diǎn)都需要更細(xì)微的方法。 本文概述了更成熟的AI應(yīng)用程序(例如，商業(yè)智能，消費(fèi)者見(jiàn)解)與AI在材料和化學(xué)品中的應(yīng)用之間的區(qū)別以及面臨的一些挑戰(zhàn)和相應(yīng)的對(duì)策。算是拋磚引玉，如果有更好的方式，歡迎大家一起交流。

AI是一種強(qiáng)大的工具，具有巨大的潛在業(yè)務(wù)收益。 然而，在材料和化學(xué)工業(yè)中，有許多獨(dú)特的挑戰(zhàn)需要克服。

我們?cè)诳垂I(yè)大數(shù)據(jù)與商業(yè)大數(shù)據(jù)的區(qū)別的時(shí)候，經(jīng)常進(jìn)行各種對(duì)比，不過(guò)相關(guān)的白皮書，提出了一些區(qū)別后，經(jīng)常反復(fù)講的就是要求，下圖展示的是具體的局別，將工業(yè)大數(shù)據(jù)白皮書中展示的對(duì)于可復(fù)用、穩(wěn)定性和重復(fù)性在其中做了細(xì)化的展示。