2025年12月12-13日，第八届GAIR全球人工智能与机械人大年夜会在深圳·博林天瑞喜来登酒店正式启幕。
作为AI 产学研投界的标杆嘉会，GAIR自2016年创办以来，始终逝世守“传承+立异”内核，始终致力于连接技巧前沿与家当实践。
在人工智能慢慢成为国度竞争核心变量的当下，算力正以前所未有的速度重塑技巧路径与家当构造。13日举办的「AI 算力新十年」专场聚焦智能体系的底层核心——算力，从架构演进、生态构建到家当化落地展开体系评论辩论，试图为将来十年的中国AI家当，厘清关键变量与成长偏向。
GAIR 2025「AI 算力新十年」专场上，鼎熙智创结合开创人吕海峰师长教师，为我们分享了《科学智能驱动的新材料设计研发》。
当“AI for Science”从理念走向家当化，新材料研发被视为最具潜力的落地场景之一。然而，在充分的算力与高涨的等待背后，一道真实的壁垒正逐渐清楚——高质量、高价值的专用数据，而非算力本身，正成为制约AI驱动材料发明从实验走向量产的关键瓶颈。
吕海峰的实践，正源于对这一瓶颈的直面与冲破。他亲历了中国超算从T级起步、办事化摸索甚至家当应用的完全过程，深谙“建好算力”与“用好算力”之间的巨大年夜鸿沟。如今，他选择躬身入局，将全部精力投入到经由过程“干湿实验闭环”，在材料研发中持续生成高质量数据、练习专用模型，并最终实现新材料高效孵化的创业实践中。
在GAIR 2025的演讲中，吕海峰体系分享了若何从早期超算办事、贸易化运营到如今AI for Science创业的过程与思虑。他重点分析了材料研发中数据稀缺的本质、构建“干湿结合”闭环的逻辑与挑衅，以及在此过程中若何找到可持续的贸易模式——不是售卖软件对象，而是成为“新材料的孵化器”，直接交付分子设计、工艺包甚至样品。
他的经验，来自从理论模仿到主动化实验室的全链路实践，这些思虑对于所有正测验测验将AI深刻家当核心研发环节的摸索者而言，或许供给了一个从“为何而做”到“若何持续”的务实参考。
以下为吕海峰演讲出色内容的精编整顿，雷峰网("大众,"号：雷峰网)作了不改变原意的编辑：
我的小我经历与算力范畴高度契合，2003年卒业后，我参加中科院超算中间，介入研制了中国第一台对外办事的高机能计算机“深腾6800”。当时我们应用了256个节点，搭载安腾2处理器，整机双精度浮点机能达到5.324 TFLOPS，这是国内初次实现T量级的高机能计算才能。以今天的眼光看，这已是相当早期的算力实践。
2008至2009年，中科院超算中间开端测验测验贸易化运营，成为国内最早供给算力办事的机构之一。随后在2009-2010年，我们与北京市当局合作，并于2011年成立北龙超等云计算公司，正式开展对外办事，可说是算力办事贸易化范畴的早期摸索者。
之后，我参加英特尔，负责高机能计算营业拓展，恰逢国内多个国度级超算中间（如天津、广东等地）的扶植海潮，有幸介入个中，亲自经历了算力才能的快速跃升。在英特尔时代，我深刻熟悉到“花费”的重要性——即若何将扶植的算力与智算中间真正用起来、卖出去，并开端持续存眷算力的真实用户与应用处景。
感谢大年夜家。
2021年，我投身于“AI for Science”赛道，专注于若何应用计算与AI才能为家当创造更大年夜价值。今天我分享的重点，恰是科学智能驱动的新材料设计研发。
立异材料研发范式正在经历深刻变革：从最初的经验发明，到实验试错，再到理论推演，直至今天数据与模型双驱动的“AI for Science”第五范式。传统研发模式，如爱迪生式的反复试错，已难以知足家当对效力的需求，尤其是在新兴半导体、电解质、3D打印、钙钛矿、MOF等材料范畴，高投入、长周期的研发模式面对巨大年夜挑衅。
AI for Science 已成为全球核心，政策、技巧与家当需求合营推动其成长。例如，近期美国宣布的“创世纪筹划”将其晋升至国度计谋层面，欧洲也在加紧构造，DeepMind方才宣布在欧洲建立相干实验室，这充分注解该偏向的重要性。在中国我们也已经早就构造了AI for Science这一偏向，这也是中国第一次引领了全球的科技家当立异。
AI之所以能变革材料研发，核心在于它可以或许大年夜幅紧缩从理论、设计、制备优化到量产落地的漫长周期。以锂电池为例，从概念到贸易化用了约50年，而AI与主动化才能的引入，使得研发过程开端形成“自立设计-测实验证-进修优化”的闭环。尤其近年来，跟着大年夜模型才能的冲破，AI正从对象进级为“研发伙伴”——可以或许不雅察实验、分析数据、提出假设并自立设计验证闭环，这为我们弥合从实验室到临盆线之间的鸿沟供给了全新可能。
然而，在具体落地中，我们面对的重要挑衅是数据问题。当前大年夜模型已进修了大年夜量公开的文本、图像等信息，但科学工程范畴的高质量、专业化数据往往稀缺、封闭且难以获取，这些数据平日与企业的专利和核心竞争力深度绑定，难以实现广泛共享。
是以，我们采取了一种“实际可行”的策略：构建“干湿结合”的研发闭环——经由过程融合理论计算数据与实体实验数据，在“数据、设计、制备、测试”的轮回中赓续生成高质量、高价值的专稀有据集。这不仅能晋升研发效力，更能打造一个持续产生优质数据的“装配”，为练习更专业的模型、深刻解析材料构造-机能关系奠定基本。
这一技巧闭环天然导向可持续的贸易模式。假如仅供给软件或办法，而企业不肯共享核心数据，模型就无法迭代，贸易逻辑也难以成立。是以，我们认为可行的路径是供给端到端的办事：客户向我们提出新材料需求，我们经由过程持续进修与递归反馈的闭环，构建智能化材料研发平台，最终输出新材料分子、验证申报、工艺包甚至直接供给新材料样品。
如许，平台就演变为一个“新材料孵化器”，赞助客户完成产品验证、工艺优化，从而实现AI for Science 的真正贸易化落地。
基于以上思路，我们创建了“鼎犀智创”，并依托北京大年夜学深圳研究生院河套科创中间，构建产学研“三位一体”的架构，致力于打造具备自立推演与验证才能的“AI Scientist”。
我们的核心才能架构包含三个环环相扣的部分：
在他看来，AI若不克不及深刻“数据-设计-制备-测试”的家当闭环，仅靠公开数据与通用模型，将难以破解材料范畴的“研发黑箱”。真正的价值不在于拥有若干算力，而在于可否构建一个能持续产生优质数据、并能将数据转化为可验证材料筹划的“智能研发体系”。
1. AI才能：应用大年夜模型读取文献、专利与理论数据，生成新鲜的分子构造与配方建议，有时甚至能借助其“幻觉”启发新思路。
2. 模仿仿真：经由过程高通量虚拟实验（如分子动力学、第一性道理计算）验证AI建议的可行性，猜测其是否易于制备。
3. 实验验证：将优选筹划投入主动化实验室进行制备、表征与分析，并将实验成果数据反馈至模型与仿真环节，形成闭环。
作为一家本年7月成立，刚完成首轮融资的始创企业，我们正致力于将这三方面才能整合为“材料合成制备智能体系平台”。我们前期聚焦于纳米碳材料（如单壁碳管，烯碳复合纤维）及新能源偏向，依托高校的研发基本进行产品验证与闭环跑通，再向企业推广。
我们已经构建了“四象限”一站式孵化才能体系：
• 智能软件：模型智能体及主动化实验设计与履行。
• 主动化设备：面向不合场景的高通量主动化实验装配（如用于半导体材料的CVD设备、用于锂电池的电解液配制体系）。
• 解决筹划：基于软硬件才能为客户供给研发办事。
• 立异材料：最终实现新材料的直接孵化与输出。
今朝，我们已与万华、贝特瑞等头部企业展开合作，在纳米碳材料等范畴，我们已实现了从概念到制备的全生命周期跑通，这在该赛道中具有重要意义。
各位下昼好，异常感激主办方的邀请，今天我将结合算力主题，分享如安在具体场景的应用中应用AI算力解决实际问题。
在办事企业的过程中，我们总结出了一套办法论：根据客户的数据基本，从数据治理入手，慢慢在临盆、小试等环节开辟优化小模型，最终赞助客户建立全生命周期的智能研发才能。这个过程固然艰苦，但基于对材料行业的合营懂得，我们能与客户联袂走得更远，真正将AI落地于实际场景。
以上就是我的分享。我们公司方才起步，异常等待与各位有更多的交换与合作机会，合营摸索AI for Science在具体场景中的将来。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
发表评论 取消回复