今天小編分享的互聯網經驗：諾獎青睐的「AI for Science」，在幫寧德時代研發電池，歡迎閲讀。
文 | 王方玉
編輯 | 蘇建勳
2024 年諾貝爾化學獎的頒布，讓一群國内的 AI 創業者和從業者興奮不已。
" 諾貝爾化學獎頒給 AI for Science，讓我省去了很多時間跟别人解釋我們是做什麼的。" 深度原理創始人兼 CEO 賈皓鈞告訴 36 氪。
這兩天他接到了 100 多個投資機構的咨詢電話，這家剛成立半年多的 AI for Science 創業公司，撞上了行業出圈的關口。
北京時間 10 月 9 日，瑞典皇家科學院将 2024 年諾貝爾化學獎授予三位投身于 AI for Science 領網域的科學家。其中包括谷歌旗下 AI 公司 Deepmind 的 CEO 和高級科學家，二人帶隊研發的 AlphaFold 系列對于蛋白質結構預測具有裏程碑式貢獻，被認為是AI for Science 最具代表性的成果。
圖片來源：諾貝爾獎官方網站
AI for Science（AI4S），即人工智能驅動的科學研究，是一種新的科學研究範式。諾貝爾化學獎的決定，很大程度上肯定了這一研究範式、乃至整個賽道的長期價值。
實際上，在獲得諾獎加持之前，AI4S 已經在生命科學、藥物研發、材料研發、能源、半導體、環境科學、工業仿真等多個領網域有了具體實踐，可以幫助縮短研發周期，降低研發成本。
AI4S 目前最大的下遊市場在藥物研發，應用已經十分廣泛，包含輝瑞、強生、默沙東、阿斯利康等全球頭部藥企都在積極布局中。機構 MedMarket Insights 顯示，2023 年全球 AI 制藥行業市場規模已達到 12.93 億美元。公開資料顯示，目前國内的 AI 制藥企業已超過百家。
在藥物研發領網域開花結果之後，材料研發正成為 AI4S 的下一個要攻占的陣地。
2023 年 12 月，全球最大的锂電龍頭寧德時代宣布将在香港設立國際研發中心。董事長曾毓群表示，該研發中心主要聚焦于 AI4S，" 挖掘新能源材料、體系和應用方案 "。
這一事件被業内人士認為有風向标式的意義，标志着能源材料領網域的頭部企業對于 AI4S 價值的認可。
" 用 AI4S 研發新材料仍處于早期的階段，市場規模還有限，但這一技術發展的大趨勢已經比較明确，未來成長的空間巨大。" 專注于新材料投資的沃衍資本管理合夥人丁哲波告訴 36 氪。
" 在不久的未來，借助 AI 工具，結合實驗室自動化設備和高通量篩選平台，會極大地提升化工新材料從業人員的研發效率，AI 和實驗室機器人會成為科研人員非常重要的助手。"
AI" 解放 " 科學家，從醫藥到材料
材料研發，正成為 AI4S 下一個前沿陣地。一個鮮明的信号是，國内 AI 制藥領網域的多個頭部廠商，都在" 跨界 " 進軍材料研發。
8 月中旬，港股上市的 AI 制藥第一股晶泰科技宣布與協鑫集團合作，為協鑫提供新能源材料研發的訂單化服務。根據其半年報披露，這份合作為期 5 年、總合作金額約 10 億元。
8 月末，獲得多輪融資的 AI4S 創業公司深勢科技，與材料廠商東陽光籤約成立 AI4S 新材料研發聯合實驗室。 在此之前，其曾與寧德時代宣布達成戰略合作，共建聯合實驗室。
AI 制藥競争高度内卷，今年以來多家 AI 藥企因為業績不佳，開始裁員和管線調整的陣痛期。向新的應用領網域進軍，是廠商打造新增長點的方式。
當下，國内材料行業也面臨着諸多挑戰，可以總結為 " 先進基礎材料參差不齊，關鍵戰略材料受制于人，前沿新材料技術有待突破 "。而 AI 輔助研發有助于縮短材料從發現到應用的時間，提高研發效率。
尤其是在固态電池材料、光伏鈣钛礦材料等在各自行業内具備革命性的新材料的研發上，AI4S 被不少專家認為是研發的突破口。
以全固态電池為例，其研發的難點之一就在于開發穩定的電化學材料體系。日本豐田擁有全球最多的固态電池領網域專利數，在過去 30 多年已嘗試了數萬種電解質應用到電池中，但至今未成功量產，而 AI4S 有希望幫助解決這一問題。
中國科學院院士歐陽明高也在今年 1 月的一次會議上指出：" 锂電下一個十年的技術競争核心在于材料，而人工智能正在改變材料的研發範式，将大幅度加速全固态電池的研發速度。"
除了寧德時代和協鑫集團外，也有越來越多的頭部化工、能源和材料企業積極擁抱 AI4S，用于新材料的研發。
國内頭部化工企業萬華化學董事長廖增太在今年 3 月的一次分享中表示，通過 AI 技術，萬華化學可以從 1.4 萬種方案中快速篩選出 156 種，再進一步優化得到 4 種有效方案，大大加快了研發進度。
不過，由于起步更早，AI 輔助材料研發更多的應用和案例還是在海外。
包括微軟、谷歌等互聯網巨頭為了搭配出售雲服務，很早就開始開發 AI4S 的行業模型和 PaaS 平台。下遊的應用方則以大的化工、材料巨頭企業為主。
丁哲波告訴 36 氪，德國老牌材料企業 Merck 用 AI 開發新型 OLED 發光材料，化工巨頭陶氏用 AI 工具優化聚烯烴用非茂金屬催化劑的開發，都是比較成功的典型應用。
有需求自然就有供給。36 氪了解到，作為第三方服務提供商，除了以晶泰科技為代表的上市公司外，以深勢科技、深度原理為代表的創業公司，字節跳動、騰訊、百度等互聯網廠商的 AI Lab，都在進行 AI 輔助材料研發的探索或布局。
材料發現難度高，AI4S 道阻且長
同樣是 AI4S 的應用領網域，AI 材料研發的發展比 AI 制藥晚了約 10 年時間。前者已經發展成為了超百億規模的市場，而後者目前的規模則幾乎可以忽略不計。
在賈皓鈞看來，AI 材料研發和制藥雖然底層原理相似，但技術應用大有不同，這與材料這一行業的特性密切相關。
"AI4S 研究科學問題，也必須遵守物理規律。在 AI 制藥領網域，蛋白質大分子的生物屬性決定了其組合數量是比較有限的，更多的研究集中在探索空間折疊結構。而化學材料的元素組成、配位結構等更加多變，排列組合的候選空間數量級更高，導致早期做發現和優化的難度更大。"
高質量數據的缺乏，也是 AI 材料研發要面臨的難題之一。
"AI 材料研發面臨的最大問題，還是在高質量的數據。" 丁哲波表示，生物醫藥領網域的大量原始數據，是通過文獻報道公開披露的，比較容易獲取，可以用于模型訓練。但化工新材料行業相對比較封閉，涉及到材料、催化劑的原始數據往往是企業的商業機密，并不對外開放。
對此，曾毓群也曾在接受采訪時坦言，AI4S（用于電池材料研發） 目前還沒有特别好的模型、結構、算法，還有很長的路要走。
AI 研發在實際落地中還面臨着客觀條件的限制，尤其是人才的緊缺。
材料的 AI 研發屬于材料學與計算機的交叉學科，需要兩方面都精通。而國内化學系人才普遍不掌握編程能力，企業缺乏既懂材料又懂計算機的跨界人才。
深勢科技 CEO 孫偉傑今年 5 月在接受采訪時提到，該公司總員工數接近 300 人，有 80 多人是實習生。因為 "AI4S 要求很強的跨學科能力，我們根本從市場上招不到。"
前瞻性的技術往往不夠成熟，存在着諸多瓶頸，需要付出更多時間和成本進行探索。
但從巴斯夫、陶氏到寧德時代、萬華化學等頭部能源、材料巨頭的積極布局，到諾貝爾化學獎的青睐，無疑已經肯定了這一賽道的長期價值。
" 有機化學家經常使用一種叫做逆向合成的方法尋找目标分子的合成路線，這個方法曾經在上個世紀的 90 年代拿到諾貝爾獎。但我相信再過 20 年，幾乎所有的逆向合成都可以用 AI 來完成，包括反應路線的推薦，甚至反應物和反應條件的推薦與優化。AI 驅動的新材料研發會颠覆整個化工新材料行業。" 丁哲波表示。
