行业新闻

大家下午好！今天我要分享的主题是 “AI 赋能新材料”。这个主题看似宏大，实际上我会更聚焦于 AI 在产业保温相关材料领域的应用。从去年年底开始，我们涉足 AI for science 领域，我深刻感受到 AI 在研发工艺突破方面的巨大潜力，这让我联想到 2016 年公司启动数字化转型时的情景，当时那种探索的新鲜感和如今 AI 带来的创新机遇有着异曲同工之妙。因此，从去年 10 月份起，我们加大了在这方面的投入。在深入探讨 AI 赋能新材料之前，我先简单介绍一下我们公司的基本情况。

我们旗下的新材料板块所属子公司成立于 2002 年。母公司主要从事军用空调业务，在中国海军使用的空调中，85% 由我们提供，所有航母的空调及保温材料也均出自我们之手。我们的业务领域广泛，涵盖机车、海洋船舶、机电、楼宇、大工业配套和新能源等六大领域。可以说，只要存在温度变化、安装有空调或通风设施的地方，就有我们的材料在发挥作用。

在零下 200 度到零上 1500 度的材料应用范围内，我们的产品基本实现了全覆盖，接下来我简单展示一下相关内容。目前，在数字化领域，我们已荣获国家级、省部级的各类荣誉，可以说是实现了 “大满贯”。

集团数字化转型历程

接下来，我先介绍一下赢胜多年来数字化转型的历程，随后用大约 15 分钟的时间重点阐述我们在 AI For science 方面的研发成果。在过去的数字化转型过程中，我们依据中青联成熟度模型指导的数字化转型分级分类方法论开展工作。对于集团性公司而言，数字化转型的目标在于实现三个变革：价值导向、能力主线和数据驱动。在过去五年，数据驱动的作用还未充分显现，但在 2025 年，尤其是 DeepSeek 出现后，情况发生了巨大转变。我相信在座各位都有同感，新年上班第一天，董事长就询问 IT 部门何时能部署 DeepSeek，以便大家体验其功能。据我与同行交流，很多公司的老板在新年伊始都提出了类似需求，这充分说明数据变革在能力主线中已变得至关重要。在 2022 年、2023 年中国企业数字化转型指数报告中，就明确提出要以数据支撑业务发展，推动传统 IT 向新 IT 转变。

回顾集团 15 年来的数字化转型历程，可分为三个阶段。这是因为 IT 战略的制定始终紧密围绕集团战略展开。集团战略经历了从保温材料制造商向航母级高端保温系统服务商，再向全球保温节能行业生态平台的转变。最初，我们是生产加工企业；之后，我们致力于成为服务型公司，推动制造业与服务业融合，计划将生产性服务收入在集团总收入中的占比提升至 15% 以上；如今，鉴于我们在国内市场份额已远超国际领先品牌，我们开始着手打造行业生态平台，并在海外积极投资建厂。

IT 战略的三个阶段

基于集团战略，IT 战略也相应分为三个阶段：

一切业务数据化：从无系统到搭建大量系统，实现数据沉淀。这一阶段的核心是 “控得住”，即清晰掌握成本、利润等关键数据，打造标准化、流程化的管理体系。具体而言，我们将 ERP、MES、研发、生产管理、采购等各个经营决策环节的业务系统全部上线，这些系统产生的数据成为后续建设数据仓库和数据湖的基础。在此基础上，我们构建了各类主题数据库。当时开展这项工作时，我们并未考虑到要为大模型服务，只是希望业务部门能够方便地使用数据。我们的数据模型涵盖生产过程中的人机料法环测等各个环节，所有数据均来源于底层业务系统和设备信息。

一切数据业务化：将数据用于业务决策和分析。通过数据集成，我们明确了数据湖的数据来源，并设定了以数据驱动业务发展的目标。此前，我们提出数据驱动产品创新、数据营销战略、数据管理运营和风险预警，但在数据驱动产品场景方面一直未取得实质性进展。然而，随着 AI for science 在公司内部的推行，我们成功实现了这一突破。

一切经济平台化：得益于公司管理架构改革，我们借鉴美的、海尔等企业的经验，引入类似阿米巴的管理模式，将每个业务子单元进行精细化管理，实行独立结算。公司的组织架构也从传统模式转变为网络式架构，遵循 “小业务、强平台、大公司” 的管理方针。每个子单元、子模块可以规模较小，通过强平台的支撑，实现集团业务的发展，最终推动平台发展成为大型公司。基于此，我们的 IT 部门成立了三个公司：能云点工业互联网平台、供应链互联网平台、减碳服务 BOM 平台。工业互联网平台旨在打造极致用户体验，让客户参与到公司管理体系中；供应链平台整合行业产能共享资源，规范制造商和加工商的生产标准；减碳平台通过在保温管道安装传感器，收集用户数据建立大模型，为客户提供最佳保温设计方案。例如，传统模式下客户采购一千万的保温材料，而通过我们的方案，每年可为客户节约 8000 万能耗浪费，客户只需按一定比例向我们支付费用。这种模式不仅降低了客户的资金压力，还能通过碳交易创造额外价值，实现了与客户的长期深度绑定。

当前 IT 战略与全球布局

目前，我们的 IT 战略聚焦于 “三智三化”，即智能制造、智慧保温、智慧产业，以及数智化、精益化、国际化。随着在印尼、越南、巴西、韩国等地不断建设分工厂，我们正逐步迈向全球市场。

AI for science 核心概念与背景

接下来，我想重点探讨 AI for science 领域。目前，AI 处于科学研究范式的第四范式，这一范式以云计算和大数据为核心。回顾前三个范式，它们与数字化发展进程高度契合，分别对应第一次工业革命、第二次工业革命时期的经验范式、理论范式和模拟范式。

在材料研究领域，材料的结构、性质、工艺和性能是四大核心要素，而数字算法和描述符则是研究的关键。这里所说的描述符，例如保温材料的导热系数、防火性能、表观密度，以及新能源行业中电池的利用率、电池效率、晶体组成等。我想特别分享一个概念 —— 材料基因。这一概念由剑桥大学卡文迪许实验室的张磊博士提出，卡文迪许实验室曾培养出 26 位诺贝尔专家，在化学和物理领域成就斐然。材料基因与生物基因具有相似性，只有将材料视为具有 “DNA” 的个体，才能理解遗传算法在 AI for science 智能体中的应用。材料基因的关键在于成分组织、工艺、性质和性能之间的关系，国际上称之为 PSPP（Performance、property、structure 和 processing），涵盖从配方加工、工艺制备到结构形成、性能表现的全过程。

2011 年 6 月，美国启动材料基因组计划，我国也开展了类似的材料基因工程计划。未来，AI 在材料科学领域的发展方向将围绕人类健康福利、清洁能源、下一代劳动力和国家安全四个方面，借助综合计算工具、实验工具和数据库等开展研究。

AI 在材料研发中的应用与技术路径

在材料研发过程中，高通量实验计算至关重要。通俗地说，它是对结构化数据的筛选过程。我们需要建立各种小模型，通过整合材料信息、自动化管理和数字孪生等技术，对计算结果进行分析，实现材料筛选和数据挖掘，最终让 AI 推导出产品工艺和配方。在配方层面，我们采用逆推机制，根据产品性能反向推导配方；在工艺层面，AI 对光伏组件等领域的成本降低和效率提升具有显著作用；在大语言模型应用方面，我们将其作为前端可更换组件，目前主要使用 DeepSeek，未来可根据需求切换其他模型。

大模型在材料企业的应用主要包括材料探索、数据库建设、性能预测和材料筛选。目前，市面上存在多种大模型，如 DeepSeek、GPT4、LLaMa 等，同时还有 VASP、Minus 等材料科学软件。未来，材料企业有望实现机器人自主进行配方实验。我们的研发原理是基于用户数据导入，训练模型，提供优化配方和工艺改进建议。通过结构化数据生成，寻找材料相似点，利用文献、行业文档等数据生成结构化数据。大模型的优势在于能够处理海量数据，挖掘有价值的信息，辅助配方工艺改进，预测材料性能，缩短产品开发周期。

以我们接入 DeepSeek 为例，用户无需使用代码提问，通过简单的自然语言即可获取服务。目前，我们的研发成果已达到 80% 的准确率，这在材料配方行业堪称突破。以往，20、30 名研发人员一个月可能只能产出一两个小试、中试配方，而现在一天就能生成二三十个，且生成的配比质量更高。

AI 研发执行与技术要点

在 Agent 执行层面，从用户输入到完成检查、合成步骤（如硫化过程中的温度控制），再到方法论证，我们致力于优化保温材料的表观密度等性能指标。在大模型应用过程中，降维处理是关键环节。由于大模型维度众多，我们需要通过聚类等技术将其降至可认知维度，尽管这一过程会损失部分数据，但能使结果更具实用性。

最终，我们通过算法分析，结合有机、无机材料研究，部署 python 等技术，构建了数据驱动与材料科学相结合的赢胜保温材料体系。这一体系融合了文献研究、自然语言处理、高通量计算和数据投喂等多种方法。

总结与展望

回顾过去，传统的材料研发主要依靠试错法，未来将逐步向理论预测、实验验证和计算引领的模式过渡。在这一转变过程中，数据的获取、分析和知识转化将成为学科交叉的新领域。需要注意的是，系统性高通量计算和高通量实验成本较高，不太适合中小企业开展。

今天分享的核心在于 AI for science 概念。相较于以往聚焦的 AI for 知识库、流程、IPA 流程化机器人等领域，AI 在生产工艺改进、成本降低和材料研发突破方面具有更大的价值。目前，数字化和研发已成为公司两大战略支柱，共同推动集团发展。

以上就是我的分享内容，感谢大家的聆听！祝愿大家生活愉快！