AI系列深度報告：AI for Science應用端落地快速開啟.pdf

AI系列深度報告：AI for Science應用端落地快速開啟。本篇文章是 AI 系列深度報告第二篇，著重從 AI for Science 的演變，化工落地角度，應用切入口等進行分析，AI4S 從效率工具升級成為智能輔助，在 AI 傳統關注的硬件、軟件之上，更多聚焦化工的應用層研究。我們從幾個維度進 行了方向性梳理：①AI4S 發展演進，開始逐步形成了專業服務和內生研究兩大方向；②AI4S 先期落地解決行業痛點 著重關注三個維度；③創新應用中梳理出六大方向或賽道，優化改進能夠有三個維度的賦能；④高質量數據的積累和 獲取成為拉大企業差距的重要方向。

當前 AI 賽道正在快速迭代發展，我們認為 AI for science（AI4S）將對化工行業未來的競爭格局產生重大影響，本 篇報告主要介紹了當前 AI4S 當前發展階段，分析化工行業哪些賽道有望率先實現突破，論述化工企業應用 AI 中短期 主要痛點和突破點，主要得出以下結論：

1、 科學研究迎來“智能體主導”的新范式，已從學術層面跨入到商用層面

AI4Science 正在步入“多模態大模型+自動化實驗”時代，“自驅動實驗室”（Self-DrivingLab）等多智能體協同平 臺正加速發展。未來，AI 將與機器人實驗密切配合，人機協同進行全流程閉環科學研究。當前 AI4S 已經從學術層面 跨入到商用層面并產生實際的經濟效益，不過并沒有形成較為成熟的商業模式，業界普遍沿用合作研發模式、自主研 發模式及混合模式。我們認為未來大型機構將會以混合模式為主，比如大型企業或國家級實驗室可能建立自己的 AI 研究平臺（內部自主開發），同時對外開放部分能力，與高校、初創企業共建創新網絡。小型企業則傾向于使用這些開 放或商業化平臺，采用合作研究模式。

2、創新應用中梳理出六大方向，實現智算平臺的產品兌現；優化改進能夠有三個維度的賦能，帶動中長期的設備升 級投資

以 AlphaFold2 為例，我們總結出 AI4S 應用場景的 3 類特點：①長研發周期與高成本。②數據驅動與大規模計算。③ 高維度設計空間。在創新研發維度，生物發酵行業菌株篩選和流程優化，新型材料的應用和適配，農藥創新藥等藥劑 產品的開發，輔材催化劑、添加劑等的升級優化及后續產物分離，微觀結構帶來的材料升級，配方設計、升級和應用 6 大方向將率先實現突破；而在優化改進方向，重復環節人工替代或者關鍵、危險環節檢測，生產過程的智能優化， 給予充分、實時市場信息進行的資源調配 3 個維度可以進行優化，從而帶動局部的設備投資。

3、AI 布局進程將逐步拉大化工企業頭尾部企業的差距，其中高質量數據是決定性因素

人工智能系統的性能取決于其所依賴的數據，高質量數據將是拉開化工企業 AI 布局的關鍵。在化工領域看，高質量 數據更多偏向私有化，多數企業自身積累的數據極為有限，能夠進行自身賦能的相對較少。因而從數據的角度看，歷 史管理相對規范的頭部企業、有先期的戰略規劃能夠有效外部合作的細分龍頭、能夠結合“機器人”和“智算平臺” 的生產企業有望可以獲得持續 AI 競爭力。