新材料研发听起来前景广阔，但真正从事过的人都知道，它长期被周期漫长、成本高昂、效率低下三大顽疾所困扰，几十年来改善甚微。尤其在高性能装备、新能源、电子信息等前沿领域，所需材料的复杂度不断攀升，许多优质材料却始终“困在实验室里难以走出”。这不仅是技术难题，更关乎产业链自主可控的关键瓶颈。

那么，人工智能究竟能发挥什么作用？简单来说，当算力足够强大时，微观结构得以解析，材料性能可提前预测，传统的“试错式”研发路径正被算法驱动向前推进。北京已迈出实质步伐——发布了《加快推动“人工智能+新材料”创新发展行动计划（2025—2027年）》，核心思路是构建模型软件、数据基础设施、智能实验室三位一体的智能化研发体系。这标志着AI与材料的结合正从单点实验跃升至系统平台层面。

北京航空航天大学副校长吕卫锋在“北航·和光智成AI材料合成联合实验室”成立仪式上直言不讳：依靠AI算力解析物质结构、预测材料性能，实验室以智能算法为驱动，目标是打造具有国际影响力的原创成果。这番话虽不新奇，但关键在于将高校的科研积累与产业技术资源深度绑定，使交叉学科真正释放活力。

不过，一个值得关注的现象是：行业内目前存在“重预测、轻合成”的倾向——模型将材料性能计算得极为理想，但真正进入实验室进行合成时，却面临另一番挑战。该联合实验室主任、北航教授刘宇宙对此给出了精辟判断：“AI+材料领域被高估的是‘预测的胜利’，被低估的是‘合成的鸿沟’。”他进一步阐释，材料科学的瓶颈不在于“能否预测”，而在于“能否合成出来”。从概念验证到小试、中试，再到规模化量产，周期往往长达数年乃至数十年，预测仅仅是开端。真正的硬仗在于打通学术研究与产业应用之间的断点，让AI技术的价值最终落到工业交付这一标尺上。

北京市科学技术委员会副主任张金辉在讨论中提出的方向非常务实：围绕模型数据、自主实验室、标杆产品、研发服务平台等重点方向协同推进，构建从基础研究、技术攻关到场景应用、产业转化的完整创新体系。换言之，不能只专注于算法和模型，还必须夯实数据基础设施，将材料数据从零散状态转化为标准化、可流通的资产。

与会嘉宾还补充了一系列具体建议：强化模型和软件支撑，提升材料设计性能预测及工艺优化的智能化水平；加快材料数据基础设施建设，围绕数据汇聚、治理标注、流通应用，推动高质量材料数据的标准化；聚焦功能纤维材料、特种高分子、固态电池等重点方向，建设一批自主实验室；同时，以标杆产品牵引应用落地，在绿色能源、高端装备等关键产业中推动新材料规模化应用；最后，培育研发服务新业态，构建扎实的创新服务体系。

归根结底，AI赋能新材料研发的核心只有一点：预测再完美，无法合成便毫无意义。只有将“预测的胜利”与“合成的鸿沟”两条腿都走稳，产业竞争力才能真正立起来。