随着人工智能（AI）技术的迅猛发展，"人工智能+"在材料科学领域的应用已成为重要的交叉学科方向。这种创新不仅重塑了材料的研发过程，更为中国的钢铁产业数字化转型带来了前所未有的机遇。中国工程院院士干勇指出，人工智能将推动材料的逆向生成，进而加速材料研发的进程。
在这一背景下，多个科技巨头如谷歌、微软、Meta和字节跳动等，纷纷布局相同的技术路线，积极利用理论计算获取材料科学数据，通过高通量计算生成海量数据，再将这些数据反馈给人工智能模型，以推测未知材料的性能。数据的数量与质量是影响人工智能预测能力的核心因素。干勇强调，解决数据的可用性与有效性是释放人工智能巨大潜力的前提。高通量制备与表征技术的提升，将使得大量材料实验数据得以迅速获得，而这些实验数据的标准化则确保了其"AI ready"的特性。
在"人工智能+"的材料科学发展中，数据的构建同样至关重要。干勇指出，建立具有行业支撑作用的数据集是未来产业发展的重任，而这一过程虽然艰巨，却将为产业创造巨大的价值。针对材料的全生命周期进行综合研究，是推动材料科学发展的重要方向。这包括利用多场环境的全生命周期测试数据，研究材料失效机制，精准预测材料的服役寿命，并以此指导新的材料设计。
以某高校研究团队为例，利用人工智能大模型计算技术，他们成功研发出一种全新的轻量化材料。这种材料不仅在强度上与钛合金相当，同时在密度上却与镁合金接近，大幅度减轻了重量。这种材料的孔隙结构设计是得益于海量的计算工作，展示了人工智能在材料设计中的巨大潜力。
场景创新已成为推动人工智能与实体经济深入融合的关键力量。虽然大模型的构建需要庞大的资金投入，并且英伟达等公司提升的计算能力让超越变得更加艰难，但通过场景创新，行业在人工智能应用与发展上依然能够开辟新路径。
当前，中国钢铁产业面临着结构性问题，表现为分散经营和低集中度，这种现象在全球范围内较为少见。尽管数字化与智能化提升了效率和能力，产能过剩的问题依然未能得到有效的解决。干勇指出，应用人工智能解决产业结构问题是场景创新的重要体现，需要关注技术成熟度、市场规模和政策引导这三方面的协同作用。通过明确总体思路和创新路径，以人工智能为引领实现结构优化，将为中国钢铁产业的未来开辟新的方向。
现阶段，中国钢铁行业已经形成了包括化设计、智能制造、个性化定制、服务延伸和数字化管理等六大应用模式。智慧矿山、智能车间、智能仓储等数字化应用场景日益增多，且应用效果显著。据悉，国内超过80%的钢铁企业正在推进智能制造的转型，而部分龙头企业已经在多个工艺流程上实现了自动化和智能化控制，数字化转型的成效逐渐显现。
干勇道，必须从全产业链和创新链的视角看待中国与国际流程制造业的差距，推动制造业的绿色化和智能化。建议从五个方面进行努力：提升生产流程智能化水平，集成先进的在线检测技术，实施材料基因组计划，跨越不同产业形成生态链，以及构建智能化制造与服务的。
通过这些综合措施，未来可望在流程制造业的场景创新中取得显著成果，包括构建理论体系、开发模型集群、消除过剩产能、实现高端装备国产化以及搭建绿色智能制造与服务。
干勇强调，中国已成为全球冶金生产与消费的中心，未来应力争成为全球冶金教育与研发中心，推动全球冶金技术的发展，为人工智能场景创新提供技术支持。在面临绿色化和智能化趋势的当下，融入信息自组织与他组织的融合思维，将是未来冶金学发展的重要方向。
中国钢铁产业正迎来一场数字化转型的革命，借助人工智能的力量，未来的材料科学将不仅是创新的代名词，更将为实现高质量、可持续发展注入新的活力。