AI4S如何推动化工智能化转型？

在全球科技竞争日益激烈的背景下，人工智能（AI）作为引领产业变革的颠覆性技术，正深刻重构化工行业的研发范式。日前，在2025石化化工数字化转型发展大会“AI+化工研发创新”论坛上，产学研各界专家分享AI与化工研发深度融合的前沿成果与实践经验，共同探讨AI赋能科学研究（AI for Science，AI4S）推动行业智能化转型的路径与方向。

革新研发范式 从“人工试错”到“智能驱动”

“传统化工研发长期受制于‘理论推导+实验试错’的固有模式，面临研发周期长、成本高、效率低等突出痛点。”国家能源集团北京低碳清洁能源研究院副院长何文强指出， “AI通过融合数据驱动、智能算法与自动化实验，构建“理论+实验+计算模拟+AI”的全新科研范式，大幅缩短研发周期、降低试错成本，同时突破传统经验的局限，实现研发路径的精准探索与创新突破。”

笔者在会上了解到，AI算法、大模型等信息化手段正在促进化工研发范式的“进化”。如苏州实验室研究员陈忻展示的材料研发多模态大模型，其统一编码器能够处理文献、图像等多源数据，实现新材料配方的精准设计；中国科学院大连化学物理研究所研究员刘伟开发的“自主运行智能电镜”则实现了纳米材料结构的自动表征，计算效率提升100倍。

“目前，企业的关键数据分散在个人电脑、纸质记录甚至操作人员记忆中，形成严重的信息孤岛，制约了研发效率的提升。”中国石化大连石油化工研究院副总工程师王晓霖强调，AI赋能化工研发的前提是破解数据分散难题，高质量、规模化的数据是AI算法有效运行的基础，下一步需要打破信息孤岛，才能充分释放AI的研发价值。

突破产业化应用 赋能‌成果转化全流程

多位专家一致认为，在产业化应用层面，AI技术已展现出显著实效。通过重构转化逻辑、提升匹配效率和强化决策支撑等手段，AI正在缩短科研成果转移路径，系统性推动科研成果转化实现“精准对接”。

“通过与产业链合作，我们利用AI优化低温电解液配方，使锂电池在零下40℃环境下的容量保持率从30%提升至75%。”厦门依华智慧科技有限公司副总经理杨崴介绍，公司推出了“定制化智能研发解决方案”，针对客户的不同需求，为企业定制基于AI算法的电池关键原料智能研发系统，实现原料的智能制备、自动表征、配方的智能筛选和迭代。

中国科学技术大学江俊教授团队开发出的“机器化学家”系统，则通过融合AI算法与自动化实验平台，能够将55万种催化剂配方的筛选范围通过AI快速收敛，仅用几周时间就能完成传统方法需要数年的研发工作。

而在国际上，AlphaFold2已能高精度预测2.14亿种蛋白质三维结构，分析速度达每秒9种；金风科技利用AI优化风电场布局，通过高精度风速预测与机组协同控制，年发电量提升8%，运维成本降低20%；沙特阿美推出Aramco Metabrain大模型，规模达2500亿参数，覆盖90余年积累的工程、地质和运营数据，支撑核心流程智能化升级……一批创新成果的出现，证明着AI正从辅助工具升级为科研核心驱动力，显著提升成果转化效率‌，成为发展新质生产力的生动实践。

构建新科研生态 推动跨学科跨领域融合

尽管取得显著进展，AI+化工研发仍面临多重挑战。何文强指出，AI4S技术迅速迭代，发展路径尚存不确定性，使中长期技术规划与资源投入面临较大挑战。急需兼具AI技术与传统学科素养的复合型人才，相关人才缺少或成为制约AI4S规模化发展的关键瓶颈。

天津大学副教授宋凯则揭示了当前AI4S技术发展的另一核心问题：“知识的碎片化以及工艺与AI之间的鸿沟是非常棘手的问题。真正的创新需要化工工艺、AI和机理知识三者深度融合。”

面对未来，专家们提出了明确的发展路径——系统构建数据驱动、智能创新的新型科研生态。

苏州实验室研究员陈忻指出，高质量的数据基础是关键，必须重视数据的标准化和规范化。他认为应建立跨领域数据共享机制与统一标准，整合文献、实验、生产等多源数据，构建标注清晰、格式统一的高质量数据库，为AI模型训练提供可靠支撑。

各大企业与科研院所也正在积极推进跨产业、跨学科的智能化科研平台建设。会上，何文强介绍了国家能源集团的云上科研平台建设情况，该平台覆盖科研全生命周期，正推动研发模式从经验驱动向知识驱动转变。未来，集团还将面向煤化工领域研发垂直科研大模型，构建具有行业影响力的智能化研发基础设施。

此外，“AI+”人才的培养也正在加速进行。“我们今年新开设的的智能分子工程专业，课程体系既包括人工智能课程，也包括化学化工基础课程，目标是培养符合产业需求的复合型人才。”大连理工大学教授张磊表示，该专业在全国率先实现了人工智能与分子科学的深度融合，将通过跨学科培养战略科学家，驱动智能材料技术实现突破。