Deepseek 赋能新材料研发，或将加速关键材料国产化进程。
政策层面明确提升关键新材料供给能力，鼓励人工智能赋能新材料研发。化工新材料指通 过化学合成手段生产的新材料，以及部分以化工新材料为基础经过二次加工得到的复合材 料。
21 年 12 月由工信部等三部门发布的《“十四五”原材料工业发展规划》明确提出“围 绕大飞机、航空发动机、集成电路、信息通信、生物产业和能源产业等重点应用领域， 攻克高温合金、航空轻合金材料、超高纯稀土金属及化合物、高性能特种钢、可降解 生物材料、特种涂层、光刻胶、靶材、抛光液、工业气体、仿生合成橡胶、人工晶体、 高性能功能玻璃、先进陶瓷材料、特种分离膜以及高性能稀土磁性、催化、光功能、 储氢材料等一批关键材料”。
24 年 7 月，由工信部、发改委、财政部等部门发布的《精细化工产业创新发展实施 方案（2024—2027 年）》提出“提升高端聚烯烃、合成树脂与工程塑料、聚氨酯、氟 硅材料及制品、特种橡胶、高性能纤维、高性能膜材料、电子化学品、高效低毒低残 留农药、高端染颜料、特种涂料、特种胶黏剂、专用助剂和油剂、新型催化剂、高端 试剂等领域关键产品供给能力。”
由于新材料往往具备优异的性能或某些特定功能，通常而言新材料具备较高的技术壁垒和 研发难度，在前期开发的过程中需要投入大量的研发费用并经历漫长的研发周期，因此利 用数字化与智能化技术提升新材料研发效率也是近年来政策层面鼓励的发展方向之一。
《“十四五”原材料工业发展规划》指出“鼓励企业开发应用基于数据驱动、机理模 型、经验模型、仿真模型的先进工艺控制系统，优化生产作业设备运行参数。建立面 向原料进料、反应过程、冶炼过程、质量控制、污染物排放、能源消耗等重点环节的 实时监控、异常工况预警、全流程动态调度、智能处置。构建面向主要生产场景、工 艺流程、关键核心设备的数字孪生模型”。
25 年 1 月，北京市科学技术委员会、中关村科技园区管理委员会发布《北京市加快 推动“人工智能+新材料”创新发展行动计划（2025-2027 年）》，明确提出若干目标： 到 2027 年，北京“人工智能+新材料”创新能力显著增强，新材料研发服务业态培育 取得积极进展，形成国际领先的新材料创新策源与人工智能应用高地。 ——创新能力位居全球前列。产生一批重大原创性成果，突破一批产业亟需关键核心 技术，发布新一代物质科学大原子模型，研发 10 个（套）以上垂类模型和自主核心 软件，形成 15 个人工智能赋能的标杆性新材料产品，实现应用示范。 ——支撑体系基本成型。建成新材料大数据中心主平台服务门户、数据资源节点集群， 建立新材料数据标准规范体系，建成一批新材料智能实验室和公共服务平台，打造 1 个“人工智能+新材料”融合创新示范基地。 ——新模式新业态加快涌现。探索培育新材料研发外包服务业态，培育 5-8 家独角兽 企业和潜在独角兽企业、100 家创新型企业。
生成式 AI 技术赋能新材料研发各阶段，有望大幅降低新材料研发过程中的试错成本。根 据《生成式人工智能与未来材料科学》中的相关数据与信息，生成式 AI 善于学习和模拟 复杂的数据分布，在材料科学中意味着可以从已知的材料数据中学习，再生成全新的、尚 未存在的材料结构。这不仅提高了材料设计的效率，同时增强了研究人员探索未知空间的 能力。生成式 AI 可以帮助研究人员预测材料的特定性能，并据此优化材料的化学组成。 此外，生成式 AI 还能够提供关于如何合成这些新材料的建议，从而指导实验室的合成工 作。传统的材料发现方法依赖于逐个测试不同组合，过程既费时又费力。生成式 AI 通过 智能算法预测可行方案，为实验提供明确的方向，从而加速新材料的发现过程，大幅度降 低了试错次数和实验成本。此外，根据中国化工信息周刊相关信息，人工智能可以在生产 调度、质量控制、设备维护等方面实现化工智能制造，进而提升生产效率。
对于大化工行业而言，大多数产品的生产流程的工艺环节都较为复杂，且对于反应温度、 反应时间、原料添加比例等关键参数均有较为严格的要求，因此化工行业的智能化和自动 化生产是行业整体发展的大趋势。而在具体的生产实践中，现阶段控制系统主要有可编程 序逻辑控制器（PLC）和 DCS 两种，DCS 可以完成比较复杂的逻辑运算，特别是对一些温 度、压力、流量等模拟量信号的采集和处理全部实现自动化和模块化，可以满足部分系统 比较复杂、环境恶劣，且工艺流程繁琐的企业自动化控制需要，提升自动化控制系统运行 效率同时，保证系统运行安全、稳定。 基于 AI 对于数据和相关信息处理的高效性和准确性，根据《浅谈人工智能技术在化工生 产自动化控制系统中的应用》相关信息，将人工智能技术与 DCS 系统有效结合主要具备以 下优势：
提升自动化控制精准性：化工生产自动化控制系统中通过融合 AI 技术，可以有效提 升自动化控制精准性，通过计算机程序自动命令、操作进行，对于操作过程会同步记 录数据，做好数据备份，在下一次命令下达之行时，自动跟踪和监测。通过收集的数 据智能化分析与控制，对于改善化工自动化控制系统运行效率，降低失误几率具有积 极作用。因此，在软硬件设施并无偏差前提下，通过 AI 技术的融合应用，可以大大 提升自动化控制系统的精度、稳定性，促进工业生产活动高效有序进行。
减少人力资源投入：通过 AI 技术的有效应用，可以建筑降低化工生产的人力资源成 本，相较于传统自动化控制系统而言，基于 AI 技术只需要 3 到 5 名技术人员负责日 常操控和排查即可，不仅解放了大量生产力，还可以规避人为因素的干扰影响，将更 多优质人力资源投入到统筹和决策方面，而不是机械化的化工生产中。
规避 DCS 系统失控：在以往的化工生产自动化控制系统中，无论是 PLC 系统还是 DCS 系统，系统运行中均需要人工操控支持，因此会浪费一定的人力资源，并且会受到人 为主观判断偏差和操作过程失误等因素影响到工业生产活动正常展开，甚至带来一系列不可估量的意外事故。但是 AI 技术融合应用后，可以实现 AI 接管 DCS 系统，不需 要人为把控即可正常运行系统，凭借 AI 技术强大的数据分析和计算能力，规避不必 要的人为因素干扰，精简控制流程，实现化工生产自动化控制系统便捷、高效、安全 运行，规避系统失控情况出现。
从功能性的角度而言，AI 与 DCS 系统的深度融合不仅可以对于生产过程中的数据进 行有效收集和检测，更重要的是有望形成专家控制系统，或将可以通过大模型的训练 与大量生产数据的积累形成每个企业独有的“知识库”，甚至针对不同的产品与工艺 流程形成专有的控制系统。在上述假设能够实现的情况下，通过 AI 形成的“知识库” 可以实现生产工艺的持续优化，对于化工企业的降本增效与故障检测具有至关重要的 作用。在此影响下，DCS 系统的作用将被 AI 技术放大，部分不具备相关配套与设备 的企业或将加速设备投资与相关资本开支，进而拉动数据采集等相关工业生产与监测 设备的需求。
