新材料研发是AI赋能化工行业最具长期价值的领域之一。国金证券《AI系列深度（一）》报告指出，政策层面已明确鼓励人工智能赋能新材料研发——《“十四五”原材料工业发展规划》要求攻克光刻胶、靶材、抛光液等关键材料，《北京市“人工智能+新材料”行动计划（2025-2027）》提出到2027年研发10个以上垂类模型、形成15个标杆性新材料产品。生成式AI善于学习和模拟复杂数据分布，可从已知材料数据中学习并生成全新的材料结构，大幅降低试错次数和实验成本。本文从政策驱动、技术路径、国产替代三个维度，解析AI赋能新材料研发的前景与机遇。
政策明确支持AI+新材料，北京市行动计划目标2027年15个标杆产品
国家层面对“AI+新材料”的支持力度持续加码。《“十四五”原材料工业发展规划》明确提出攻克高温合金、光刻胶、靶材、抛光液、工业气体、高性能功能玻璃等一批关键材料，同时鼓励企业开发基于数据驱动、机理模型、仿真模型的先进工艺控制系统，构建面向关键核心设备的数字孪生模型。2025年1月，北京市发布《加快推动“人工智能+新材料”创新发展行动计划（2025-2027年）》，目标包括：研发10个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；培育5-8家独角兽企业、100家创新型企业。具体任务涵盖开发新一代物质科学大原子模型、布局新材料分子设计/合成制备/表征分析/工艺优化等垂类模型、围绕电池材料/催化材料/新型显示材料/特种合金等细分领域打造智能体。政策驱动下，“AI+新材料”正在从方向性指引进入实质性落地阶段。
生成式AI降低新材料研发试错成本——从“逐个测试”到“智能预测”
传统材料发现方法依赖于逐个测试不同组合，过程费时费力。生成式AI可通过智能算法预测可行方案，为实验提供明确方向，从而加速新材料的发现过程。具体应用包括：预测材料特定性能并据此优化化学组成；生成全新的、尚未存在的材料结构；提供合成新材料的建议，指导实验室合成工作。生成式AI在材料科学中的价值体现在：从已知材料数据中学习数据分布，再生成全新材料结构，大幅提高了材料设计效率，增强了探索未知空间的能力。Deepseek等低成本AI工具的推出，使更多新材料研发主体（包括中小企业和科研机构）能够以合理成本部署AI辅助研发能力。AI+新材料的深度融合有望显著缩短新材料从实验室到产业化的周期，降低高端材料国产化过程中的试错成本。
政策层面“AI+新材料”主要目标| 政策文件 | 发布年份 | 核心目标 |
|---|
| 十四五原材料工业发展规划 | 2021 | 攻克光刻胶、靶材、抛光液等关键材料 |
| 精细化工产业创新发展实施方案 | 2024 | 提升高端聚烯烃、工程塑料、高性能膜材料等供给 |
| 北京AI+新材料行动计划 | 2025 | 研发10+垂类模型，形成15个标杆产品 |
AI有望缩小国内外材料研发软实力差距，加速关键材料国产化
新材料往往具备较高的技术壁垒和研发难度，前期开发需投入大量研发费用并经历漫长周期。经过20多年发展，我国在大宗化工产品领域已形成主流供应能力，但在材料差异化应用、高端领域、改性材料等产品上仍有明显差距。海外企业在材料精细度、定制化、高端应用上的优势，是多年应用端合作和技术研发投入累积的。多数领域受限于技术和设备封锁，我国必须依靠自身研究形成突破。AI的接入有望通过高效模拟提升研发效率，降低实验试错时间和成本，加快进口依赖产品的技术突破速度。政策鼓励方向明确，技术路径逐步成熟，AI赋能新材料研发有望在工程塑料、改性材料、辅材供给等领域率先形成突破。建议关注新材料领域尚未实现高端产品国产化的赛道——工程塑料（聚醚醚酮、聚酰亚胺等）、改性材料、电子化学品（光刻胶、靶材、抛光液）等方向的投资机会。
