對話小米俞之奡：從泰坦合金到電池，AI正批量制造材料“六邊形戰(zhàn)士”

小米AI+新材料負(fù)責(zé)人俞之奡，圖片由其本人提供

在硅基智能以光速迭代的時代，材料界正在面臨一種令人尷尬的速度差。

屏幕里的Agent在幾分鐘之內(nèi)檢索數(shù)萬篇論文，組合多種前沿材料配方，然而，當(dāng)AI天才般的創(chuàng)想要落地時，也不得不面臨碳基世界古老的高墻：在充斥著刺鼻試劑氣味與高溫爐熱浪的材料合成實驗室里，人類科學(xué)家依然需要耗費數(shù)周時間，進(jìn)行精細(xì)的原料稱量、有機合成的瓶瓶罐罐或者無機材料的研磨混合、高溫?zé)Y(jié)與相結(jié)構(gòu)表征，每一步都依賴手工操作與經(jīng)驗判斷。

材料是人類工業(yè)文明的基石。從蒸汽時代的鋼鐵到信息時代的硅片，硬科技的每一次跨越性突破，大多伴隨著原子尺度上鍵合方式與空間排布的重構(gòu)。然而，近代以來，新材料的發(fā)現(xiàn)長期依賴類似愛迪生式的“試錯法”。

科學(xué)家在多元組分的高維空間中，憑借直覺與運氣進(jìn)行探索。這種模式不僅周期漫長、成本高昂，更致命的缺陷在于，其有限的實驗容量，極易讓最優(yōu)配比在高維參數(shù)空間中成為“滄海遺珠”。

更多的變化發(fā)生在今年。隨著AI for Science的深度融合，“AI+材料”的范式，也從“一事一議”的定制化小模型，向“通用基礎(chǔ)大模型+Agent工作流（Harness）”躍遷。AI不僅能查漏補缺，更能以人類無法企及的全局視角，進(jìn)行成本、量產(chǎn)與多維性能的綜合全局，優(yōu)化并且批量制造那些歷史上從未想象過的、多維度性能全優(yōu)的材料“六邊形戰(zhàn)士”。

在這個硬科技群雄逐鹿的新戰(zhàn)場上，近期，小米宣布成立材料Core團(tuán)隊，由俞之奡牽頭負(fù)責(zé)。

俞之奡于2022年博士畢業(yè)于斯坦福大學(xué)化學(xué)系，師從材料與電池領(lǐng)域兩位知名學(xué)者鮑哲南院士、崔屹院士，主要研究方向為鋰電池材料與電解液。博士畢業(yè)后，他曾在字節(jié)跳動從事AI for Science研發(fā)，隨后在美國波士頓創(chuàng)辦聚焦AI for Science與電池材料的創(chuàng)業(yè)公司。

創(chuàng)業(yè)四年后，俞之奡選擇加入小米，組建并負(fù)責(zé)材料Core團(tuán)隊，聚焦AI驅(qū)動的前沿材料研發(fā)，推動相關(guān)成果在小米汽車、手機、家電等業(yè)務(wù)中落地。

俞之奡的加入與材料Core團(tuán)隊成立，意味著小米正在嘗試把在汽車“泰坦合金”和“超強鋼”上的偶然成功，泛化為全能力鏈，并且，也說明制造業(yè)在AI時代的一個生態(tài)位優(yōu)勢——用“人車家”全場景，去反哺和消化那些最新涌現(xiàn)的前沿材料。

今年WAIC期間，俞之奡及其材料Core團(tuán)隊首次公開亮相，我們借此機會與團(tuán)隊展開了一場深度對話。這場對話或許能讓我們窺見：在AI for Materials的“ChatGPT時刻”即將到來之際，中國科技企業(yè)如何在從應(yīng)用層創(chuàng)新，走到更高維度的創(chuàng)新。

以下是對話部分實錄，經(jīng)鈦媒體編輯：

Q：為什么加入小米？選擇小米的考量是什么？

俞之奡：可以簡單回溯一下。我大概2020年進(jìn)入AI for Science這個領(lǐng)域，那時候還在讀博，大家對AI for Science都沒有概念，覺得材料計算或簡單的機器學(xué)習(xí)就已經(jīng)是所謂的AI for Science。GPT也不知道在哪，但大家就在探索怎么把一些很小的模型——不是現(xiàn)在的大模型，是專有的模型——一步一步應(yīng)用起來，用一些很小的machine learning或者deep learning模型，那時候都已經(jīng)做到頭了。

從2020到2022年，這個方向越來越多的發(fā)展， 2022年末ChatGPT出來之后，以及2024年諾貝爾物理學(xué)獎和化學(xué)獎給了偏AI和AI for Science這兩個方向，讓這個領(lǐng)域有了非常大的爆發(fā)。對我來說，我本身的背景從本科到博士都是做化學(xué)材料實驗科學(xué)的，真的是在實驗室里拿著瓶瓶罐罐做材料。我非常清楚，無論是AI加材料還是AI加醫(yī)藥，最終的目的還是拿到那個真正能提升大家生活質(zhì)量的材料或藥物。

大家對藥物來講，這個藥能不能治病是唯一的評價標(biāo)準(zhǔn)；對材料來講，這個性能比起上一代有沒有提升、價格有沒有降低、量產(chǎn)性有沒有提高、對整體產(chǎn)品有沒有性能提升，這些是非常明確的。在這樣的情況下，加入小米這樣的企業(yè)生態(tài)位是非常正確的一件事情。小米有那么多的人車家產(chǎn)品生態(tài)，從消費電子到家電到可穿戴到車，整個都覆蓋的情況下，我們有足夠的場景去容納新材料的嘗試，真正做出有提升的東西。這個生態(tài)位可能是最合適的。

Q：小米在“AI+材料”這個賽道的獨特生態(tài)位是什么？

俞之奡：我覺得小米非常獨特的一個點在于，我們本身的基因——雷總也說了未來戰(zhàn)略是人車家全生態(tài)——我們對產(chǎn)品一直以來就是最核心的一個基因。所以在落地方面，無論是人車家生態(tài)里面哪一個產(chǎn)品，我們都有非常大的力度。在這個情況下天然就有場景，這是一個非常自然的事情。我們有MiMo大模型的投入，有Agent的投入，然后有最適合的場景，整個生態(tài)鏈體系下的場景。我們希望把中間這一環(huán)接通，利用模型能力、Agent的能力，把更新的材料做出來，進(jìn)入市場去服務(wù)客戶。希望把模型和真正的產(chǎn)品做一個更好的連接，讓更前沿的、性能更好的材料進(jìn)入我們的產(chǎn)品。

Q：小米在泰坦合金、超強鋼等項目上都用了AI，AI角色經(jīng)歷了哪些演變？

俞之奡：泰坦合金是一個非常好的例子，就是珠玉在前。雷總在直播里也講到。一方面AI本身這個范式在迭代——Agent、AI for Materials企業(yè)越來越多快速的迭代，把AI推到了一個之前不可想象的速度。另一方面就是材料配方、工藝、生產(chǎn)制造的各種參數(shù)性能的綜合優(yōu)化。AI能夠不停地加速這個過程，把更新的、更優(yōu)化的材料提出來，我們?nèi)ブ圃斐鰜矸?wù)客戶，進(jìn)入產(chǎn)品讓大家真正體會到產(chǎn)品質(zhì)量和性能的提升。

Q：在之前已有的探索基礎(chǔ)上，小米此時成立材料Core團(tuán)隊意味著什么？

俞之奡：我更多的會把它形容成不是轉(zhuǎn)變，而是一個進(jìn)化。咱們已經(jīng)有AI+金屬——無論超強鋼還是泰坦合金——兩個非常成功的例子。可以想象小米生態(tài)體系里肯定不止金屬這一種材料，大家自然而然會去想怎么做到更多的材料。尤其我們有消費電子產(chǎn)品、有車、有家電以及整個生態(tài)鏈里的所有產(chǎn)品。從玻璃到高分子到金屬到電池會是一個非常大的、泛的材料領(lǐng)域。我們天然的想法就是能不能去泛化，把各種材料都涵蓋進(jìn)來，讓AI加金屬這個成功案例泛化到整個生態(tài)里，讓產(chǎn)品整體有一個非常好的提升。之前的話，AI的團(tuán)隊和業(yè)務(wù)的團(tuán)隊之間有一個協(xié)作，我來是希望能把這個方向打開以及泛化，更好地串聯(lián)以及用到更多的材料里面。在我們整個生態(tài)鏈體系下的產(chǎn)品里面，在各個點都能有一些新的材料、更加前沿的材料，無論是從性能、成本還是制造的角度，各方面都能有更好的下一代材料用進(jìn)產(chǎn)品里，讓大家真正體驗到產(chǎn)品性能的提升。

Q：超強鋼接下來還會繼續(xù)升級嗎？AI加材料還有哪些更可為的作用？

俞之奡：材料的性能要求其實是沒有上限的，大家肯定希望越來越好，甚至不僅是六邊形戰(zhàn)士，六邊都要一百分、超過一百分那樣的產(chǎn)品。除了金屬之外，還有高分子、有機化學(xué)這些領(lǐng)域，有些材料可能是人類歷史上從未想象過的，遠(yuǎn)遠(yuǎn)超出簡單材料的范疇。模型本身也在持續(xù)優(yōu)化，配方也會有新的迭代，比如加入不同的元素成分，搜索范圍和配方組合空間會更大。

Q：小米在AI加材料領(lǐng)域，看到了哪些可以通過新材料解決的具體問題？

俞之奡：從產(chǎn)品布局的角度看，除了金屬材料之外，高分子、玻璃和電池都是重要的方向。電池在消費電子產(chǎn)品和汽車應(yīng)用中都是核心要素。比如動力電池方面大家最關(guān)注的是安全性，以及電車能跑多遠(yuǎn)，充電速度、成本控制和量產(chǎn)能力也是關(guān)鍵考量。大家都希望更快的充電速度、更低的購車成本和更長的續(xù)航體驗。這些需求都會推動我們?nèi)ヌ剿餍碌碾姵夭牧戏桨浮?/p>

Q：你認(rèn)為AI加材料這個方向，目前需要攻克的難題是什么？

俞之奡：這是整個領(lǐng)域目前的共識。大家看到尤其是Agent這一波從年初到現(xiàn)在爆發(fā)式增長，進(jìn)入科學(xué)領(lǐng)域，無論中國還是美國比較頭部的企業(yè)也都在布局。整個工作流的搭建大家已經(jīng)有了一些思路——怎么把Agent更好地用好，去提出假設(shè)、驗證假設(shè)、搜索文獻(xiàn)，到后面像實驗室一樣把出來的東西再去進(jìn)一步優(yōu)化迭代。但從材料的角度來講，還是一個所謂閉環(huán)的問題——實驗是真正做出看得見摸得著的材料，這一步現(xiàn)在是真正的決勝點。Agent可能瞬間就能告訴你該做什么事情，但執(zhí)行的時候，大部分還是靠人力在實驗室做、在工廠做生產(chǎn)制造，這是一個瓶頸。怎么樣把這個閉環(huán)快速打通、瓶頸快速解決，就能把AI for Materials整個循環(huán)大幅加速。現(xiàn)在已經(jīng)有些希望了，大家都在不停地加速，比如自動化，包括機器人和具身大腦現(xiàn)在越來越泛化、能做的事情越來越多。

Q：AI相比傳統(tǒng)材料研發(fā)方式，有哪些傳統(tǒng)方式替代不了的？

俞之奡：我們平時作為材料人，假如下游真的要做實驗，大家可能會去想一些方向，但畢竟沒有辦法很快收斂到正確的方向，或者說要試的東西非常寬泛，會消耗很多時間和精力。AI能幫助我們快速收斂到一個正確的方向，然后進(jìn)行快速的迭代，產(chǎn)生更好的配方。

Q：AI材料研發(fā)在周期、成本、良率這些維度上能帶來多大的提升？

俞之奡：目前來講，AI for Materials大家還是把它作為Co-Scientist或者叫副駕駛，作為輔助角色幫助下游材料專家進(jìn)行快速迭代，或者幫助我們想到一些人可能會忽略的東西。整個大的圖景里即使是最頂尖的科學(xué)家也可能會漏掉一些點，AI能夠很好地幫我們查漏補缺，把整個圖景畫全。這個對下游真正的研發(fā)非常重要——一旦你漏掉的那個點正好是最好的那個點，就會花更長的時間才能發(fā)現(xiàn)這樣的材料。成本、良率這些其實是綜合優(yōu)化的過程。人很難同時兼顧所有維度的性能指標(biāo)，大家都希望一個材料是全維度優(yōu)秀，也就是“六邊形戰(zhàn)士”。在這個過程當(dāng)中AI能很好地幫我們補齊那些短板，盡量做出全維度均衡的材料——包括成本，包括量產(chǎn)時候的工藝、制程、制造，都能做統(tǒng)一的優(yōu)化，而不是只限于某一個點說某一個性能很好但別的不在乎

Q：目前AI在材料研發(fā)哪個環(huán)節(jié)效果最好？哪些環(huán)節(jié)幾乎沒用到？

俞之奡：基本上在今年年初之前，大家還是一些專有領(lǐng)域的小模型——金屬有一些，別的方向各自有一些。但今年年初Agent這一波起來之后，范式發(fā)生了相當(dāng)大的變化，大家發(fā)現(xiàn)基座大模型加上Agent Workflow——我們現(xiàn)在叫Harness——能把整個工作流真的搭起來。你告訴它一個目標(biāo)，比如想讓這個金屬的強度提升多少，它可能自動去搜索文獻(xiàn)、提出假設(shè)、想該做哪些實驗、做哪些計劃。然后下一步就是卡點——得去實施，真的做出來。做出來之后，有了配方的輸入和性能的輸出，再返回到前面，看到數(shù)據(jù)之后想下一輪該怎么去迭代材料、怎么進(jìn)一步提升性能。在這個范式里，前面幾步——搜索文獻(xiàn)、提出假設(shè)——已經(jīng)做得非常好了，尤其是Agent和基座大模型的能力越來越強。但中間那個卡點——做實驗和做真正的產(chǎn)品性能這一步，現(xiàn)在很多公司在做自動化的實驗室，甚至自動化的中試線，怎么樣去提速這一步，還需要一些時間。

Q：現(xiàn)在基座大模型是通用的還是各材料領(lǐng)域有專用模型？小米會做材料通用大模型嗎？

俞之奡：大概是2026年年初之前，大家在做一些所謂的專有模型。目前大家都是以基座大模型加Agent的方式去做。但你提到的針對各種材料，甚至更加泛化的——不止材料，包括生物醫(yī)藥等科學(xué)領(lǐng)域的大模型，行業(yè)內(nèi)也有一些人在探索。但我們可以隨著這個領(lǐng)域的發(fā)展去看，到底哪一條范式或者哪一條路線最后收斂下來，這個確實需要一些時間。

Q：AI for Materials的“ChatGPT時刻”何時到來？

俞之奡：這個問題是我今天的報告最后一頁PPT標(biāo)題。首先，要看怎么定義這個ChatGPT時刻。有一種觀點認(rèn)為它可能已經(jīng)到來了——2026年Agent這一波起來，有基座大模型，有很好的Agent工作流，這一套已經(jīng)能夠幫助科學(xué)家或者下游真正做產(chǎn)品的人快速加速迭代，這件事情本身可能就被定義成ChatGPT時刻。如果說要再定義一個更進(jìn)一步的時刻，我覺得有點像ChatGPT時刻之前，大家也不知道ChatGPT時刻是什么定義，可能還需要一些時間的發(fā)展去看終局是什么。（本文首發(fā)于鈦媒體APP，作者｜李程程，編輯｜楊林）