“大語言模型面向文字、視頻、圖片等，應用于人類知識相關領域，而AI for Science面向物理世界，應用于新材料研發等微觀領域。”在日前舉行的2025中關村論壇年會集體采訪中，深勢科技相關技術人員告訴記者，AI for Science將新材料研發由過去實驗室為主的模式，轉變為用計算機進行設計、少量實驗驗證的新計算科學設計范式。

  圍繞微觀尺度的工業研發，深勢科技打造了AI for Science大模型體系——“深勢宇知”，為當前關鍵的材料以及能源、醫藥等領域的微尺度研發提供技術支持。其中，新材料研發團隊，通過材料和過程的智能化研發，為新能源、電子信息、先進制造等工業行業賦能，改變傳統的研發模式。

  通過計算與模型的分子性質預測或聚合物預測，有助于發現更好的、可應用的新材料。

  能量轉化效率越高，OLED材料的亮度就越高。但如何從160萬個候選材料中得到能量轉換效率高的OLED分子卻是個難題。采訪中，技術人員分享了高效發光能力的OLED小分子篩選案例。據介紹，該公司打造的分子大模型Uni-Mol，能預測出分子性質和聚合物性質，通過AI模型進行性質預測，很快就能從160萬個候選材料中篩選出1000個左右的選取分子，避免用實驗一個一個合成帶來的麻煩。

  除了用于發現新材料，AI還可以助力新材料的生產，低成本、高產出率地合成工業所需的新材料。

  比如，鈉電正極材料傳統制備工藝流程包括球磨、干燥、燒結等，通過數據搜集、算法建模、采樣優化、迭代反饋，鈉電正極材料工藝得到優化，將初始放電容量提升了6%。“其實是使用同樣的材料，但應用了不同的生產工藝，實際產出了更好的一個產品，這是工藝優化能夠產生的價值。”技術人員表示。

  此外，表征算法在材料的生產和檢測中也大有用武之地。

  據該技術人員介紹，深勢科技打造的表征大模型Uni-AIMS，利用深度學習算法自動識別電鏡圖像中的物體，并進行細致的表征計算，可為科研探索和工業生產提供數據支持。以鋰電池生產為例，鋰電池實際上是由頭發絲大小的顆粒組成，生產過程中一個關鍵環節就是去檢測生產出的顆粒大小是否合格。Uni-AIMS可通過算法高效識別產品中所有顆粒的大小，實現高度自動化。

  當前，人工智能正在重塑新材料研發范式，受到全球廣泛關注。全球科技巨頭和相關創新主體紛紛布局“人工智能+新材料”，并形成一批典型案例。

  今年1月，《北京市加快推動“人工智能+新材料”創新發展行動計劃（2025-2027年）》發布，提出到2027年，北京“人工智能+新材料”創新能力顯著增強，打造“人工智能+新材料”融合創新示范基地，形成國際領先的新材料創新策源與人工智能應用高地。

  北京新材料和新能源科技發展中心有關負責人表示，北京將統籌推進關鍵技術核心攻關、新材料數據設施構建、智能實驗室建設，新業態培育和創新生態，加大對AI+新材料領域的項目支持，提升創新引領能力。