AI赋能新材料产业:万亿市场的变革之路与国内产业链全景解析

在过去的几个世纪里，人类发现新材料的模式几乎没有发生过本质变化：基于直觉的假设、漫长的实验试错、偶然的运气。这种被称为“爱迪生式”的研发范式，曾为人类带来了合成氨、塑料和半导体，但在今天，面对新能源、航空航天等领域对极限性能材料的苛刻需求，传统范式正面临着难以逾越的效率与成本“双重高墙”。

2025年至2026年，一场由人工智能（AI）驱动的材料科学革命正在中国产业界悄然爆发。当“大模型”与“高通量计算”深度融合，新材料的研发周期正在从以“年”为单位被压缩至以“月”甚至“周”为单位。正如共研产业研究院的数据显示，2025年中国AI for Science市场规模已达约325亿元，而其中AI赋能材料科学（AI for Materials）正成为最具爆发力的细分赛道之一。

本文深入梳理国内AI for Materials产业的全景图谱，从上游的基础设施、中游的平台工具，到下游的材料与电池巨头应用，全方位解码这场“AI破壁战”背后的商业逻辑与技术演进。

PART 01

宏观格局：万亿赛道的政策底气与市场潜力

政策驱动：从“材料基因组”到“AI+新材料”国家战略

中国对AI赋能材料科学的战略布局，可以追溯至2016年科技部启动的《材料基因工程关键技术与支撑平台重点专项》。该专项首次将高通量计算、高通量实验和材料数据库三者纳入统一框架，奠定了今天AI for Materials产业的技术基础。

2024年以来，政策力度显著升级。2024年10月，工信部、财政部与国家数据局联合部署建设新材料大数据中心，明确提出到2027年搭建形成“1个中心主平台、N个数据资源节点”的架构体系，致力于打破材料数据"孤岛化、碎片化"的顽疾。2025年1月，北京市率先发布《北京市加快推动"人工智能+新材料"创新发展行动计划（2025-2027年）》，明确提出要将北京打造为国际领先的新材料创新策源与AI应用高地，并提出到2027年培育5家以上具有国际影响力的“AI+新材料”创新企业的目标。

市场规模：从百亿起步迈向万亿蓝海

图1：中国AI for Materials市场规模预测（2023-2030年）

当前，国内AI for Materials市场正处于从“技术验证期”向“规模化落地期”的关键跃迁节点。根据中投产业研究院等机构的综合测算，2025年中国AI for Science整体市场规模约为325亿元，其中材料科学应用占比约30%至35%，对应约100亿至115亿元的细分市场。以2025年至2030年约30%的复合年增长率（CAGR）推算，到2030年，该细分市场有望突破400亿元，并在上下游带动效应下撬动超万亿元的新材料产业价值重构。

这一增长预期的底层逻辑，在于AI对材料研发全链条的系统性降本增效。传统新材料从实验室到产业化平均需要10至20年、耗资数十亿元；而引入AI后，这一周期有望压缩至3至5年，成本降低50%以上。这种效率革命，正在将原本只有头部企业才能负担的前沿材料研发，逐步向中小型企业开放，从而激活整个产业的创新活力。

PART 02

产业链全景：从算力底座到应用落地的三层架构

当前，国内AI for Materials产业已初步形成结构清晰、分工明确的产业链体系。整体而言，该产业链可划分为上游基础设施层、中游平台工具层与下游应用端三个核心层级。

图2：国内AI for Materials产业链全景图（2025-2026）

上游基础设施层：算力、数据与基础大模型的“铁三角”

上游是整个产业的“基石”，主要由提供底层算力的硬件厂商、提供海量材料数据的数据中心以及构建基础科学大模型的科研机构与科技巨头构成。

在算力方面，以华为昇腾、百度昆仑芯为代表的国产AI芯片正逐步承接大规模材料计算的需求。寒武纪、壁仞科技等新兴算力企业也在积极布局科学计算场景，为材料模拟提供算力支撑。在数据层面，国家级战略布局已全面铺开。2025年5月，新材料大数据中心门户测试版正式上线，这标志着我国在打破材料数据“孤岛化、碎片化”难题上迈出了实质性的一步。

在基础模型领域，深势科技发布的DPA-2大原子模型堪称行业标杆。该模型预测能力已覆盖元素周期表中的90余种元素，可广泛应用于半导体、合金、有机分子等多类材料体系的研发。此外，百度文心大模型也深入冶金流程，与中国钢研联合推出了双塔结构的冶金流程感知大模型，将金相分析时间从6小时压缩至1秒，准确率高达95%以上。

中游平台工具层：重塑研发范式的“数字引擎”

中游是连接底层技术与实际应用的关键桥梁，主要由各类AI辅助材料设计软件、高通量实验平台与数字化管理系统构成。这一层级也是初创企业最为活跃、资本最为青睐的领域。

中游企业正在通过“计算+数据+AI+实验”的四位一体模式，彻底颠覆传统材料研发流程。例如，深势科技通过Bohrium玻尔科研空间站与Piloteye电池设计自动化平台，将微尺度工业设计与仿真带入了预训练模型时代。深云智合则打造了DeepChem无人智能实验室，在AI大脑的调度下，机器人“实验家”能够实现7×24小时的高通量化学试剂筛选，大幅降低了人为误差并加速了产业化进程。

此外，鸿之微的多尺度仿真软件、龙讯旷腾的PWmat国产第一性原理材料计算软件、迈高科技的MatCloud+材料云、机数量子的量子化学计算平台，都在各自的细分领域为科研院所和企业提供了强大的数字化工具。值得关注的是，这些中游工具平台正在从“单点工具”向“全流程研发操作系统”演进，部分头部企业已初步具备覆盖“数据采集—模型训练—高通量筛选—实验验证—产业化评估”全链路的能力。

下游应用端：新能源巨头领衔的“实战检验”

下游是AI for Materials技术实现商业价值变现的最终场景，涵盖了电池材料、冶金钢铁、化工、汽车制造等众多领域。其中，新能源电池行业因其对材料性能的极致追求和庞大的市场规模，成为了AI材料应用的最前沿阵地。

宁德时代、比亚迪等电池巨头，以及恩捷股份、天赐材料等关键材料供应商，正纷纷将AI技术引入其研发与生产的各个环节，以期在激烈的市场竞争中构筑起难以逾越的技术壁垒。在冶金领域，宝武集团、鞍钢股份等钢铁巨头也在积极探索AI辅助合金成分设计与工艺优化；在化工领域，中石化、中石油则将AI用于催化剂筛选与高分子材料设计。

PART 03

资本涌动：未上市“独角兽”与新锐力量的崛起

在宏观政策支持与产业需求爆发的双重驱动下，一级市场对AI for Materials赛道的投资热情持续高涨。众多未上市的科技企业在资本的加持下，正加速完成技术迭代与商业化落地。

表1：国内AI for Materials重点未上市公司融资与业务概览

从融资动态中不难发现，资本正加速向具备底层算法创新能力和高通量实验落地能力的企业集中。深势科技在2025年底完成超8亿元C轮融资后，已稳固了其在该领域的“独角兽”地位。同时，成立于2024年和2025年的深度原理科技、材科源图等新锐企业，凭借其在量子化学计算或垂直细分材料领域的专长，在极短时间内获得了千万美元级别的早期投资，显示出该赛道极强的吸金能力。

图3：国内AI材料重点未上市公司累计融资规模估算

地方政府的政策引导也为这些企业的发展提供了肥沃的土壤。目前，北京已集聚了全国约三分之一的“AI+新材料”算法软件企业，形成了以中关村科学城为核心的产业集群。上海、深圳、合肥等地也在积极布局，通过设立专项产业基金、建设共性技术平台等方式，吸引和培育本土AI材料企业。

PART 04

上市公司透视：从“制造巨头”向“AI科技企业”的跃迁

如果说一级市场的火热代表了对未来的期许，那么二级市场中龙头企业的财报数据与技术布局，则揭示了AI赋能材料的现实威力。在动力电池及关键材料领域，头部企业2025年的业绩表现呈现出明显的分化，而这种分化背后，正是各家企业在技术研发与成本控制能力的直接较量。

图4：2025年国内主要上市电池及材料公司营收与净利润对比

宁德时代（300750.SZ）：用AI重新定义电池制造的“天花板”

2025年，宁德时代交出了一份极为亮眼的成绩单：实现营业收入4237亿元，同比增长17%；归母净利润达722亿元，同比大增42%。在如此庞大的体量下依然保持高速增长，其背后的核心驱动力正是持续且高强度的研发投入。

图5：宁德时代研发投入趋势（2021-2025）

2025年，宁德时代的研发费用高达221.5亿元，占营收比例稳定在5.23%。过去十年，其累计研发投入已超过900亿元。在这庞大的研发体系中，AI技术的深度融合起到了关键作用。宁德时代不仅利用第一性原理与分子动力学模拟对正负极材料、固态电解质等进行设计与优化，更将AI技术贯穿于创新制造的全流程，并因此荣获了世界经济论坛（WEF）颁发的“AI驱动产业转型全球标杆”MINDS奖项。

特别是在备受瞩目的全固态电池领域，宁德时代已建成中试生产线。固态电池的研发面临着电解质稳定性、电导率等多重挑战，传统实验方法耗时费力。通过与AI算法企业的合作，利用高通量模拟不同元素掺杂对稳定性的影响，宁德时代大幅缩短了实验周期，从中优选出更优的改性方案。

比亚迪（002594.SZ）与字节跳动的“跨界联姻”

面对电池技术的下一代竞争，比亚迪选择了与互联网科技巨头跨界携手。2025年6月，字节跳动Seed团队宣布与比亚迪锂电池深化合作，共建“AI+高通量联合实验室”。

这一合作直击动力电池的快充、寿命和安全等核心痛点。传统电池企业需要补齐算法短板，而互联网企业则需要真实的工业落地场景。通过共享算法与算力，比亚迪将AI与高通量实验深度结合，加速在硫化物固态电池等前沿领域的探索，目标直指2027年的小批量生产节点。

恩捷股份（002812.SZ）：隔膜龙头的智能化突围

在锂电隔膜领域，恩捷股份2025年实现营收136.3亿元（同比增长34.13%），归母净利润1.43亿元（同比增长126%）。恩捷股份的业绩复苏，部分得益于其在生产制造端的智能化升级。公司上线了AI算法平台，实现了对隔膜厚度的在线自适应控制和质量实时检测，不仅提升了产品良率，也有效降低了生产成本。

图6：恩捷股份隔膜业务营收与销量趋势（2021-2025）

恩捷股份的AI应用路径具有典型的“制造业AI化”特征：并非从头设计新材料，而是将AI嵌入现有生产流程，通过对工艺参数的智能优化来提升产品一致性和良率。这一路径门槛相对较低，但对于以规模效应为核心竞争力的隔膜企业而言，哪怕是1%的良率提升，都意味着数亿元的利润改善。

容百科技（688005.SH）：周期压力下的技术蛰伏

相比之下，高镍三元正极材料龙头容百科技则面临着严峻的考验。2025年，容百科技实现营收122.67亿元（同比下降18.69%），归母净利润亏损1.87亿元。三元材料产品销量的阶段性承压以及市场价格的波动，直接拖累了公司业绩。尽管容百科技也在积极布局AI辅助材料研发，但在宏观行业周期的压力下，技术的赋能效应尚未能完全对冲市场下行的风险。

容百科技的案例提示我们，AI for Materials并非“万能解药”。对于处于行业下行周期的材料企业而言，AI的价值更多体现在中长期的研发效率提升，而非短期的业绩救急。如何在周期底部坚持技术投入，将决定这类企业在下一轮景气周期中能否实现“弯道超车”。

表2：国内重点上市电池与材料公司AI应用布局对比（2025年）

晶泰科技（2228.HK）：AI材料发现的“港股标杆”

作为“AI for Science”领域的代表性企业，晶泰科技在2025年迎来了业绩的全面爆发。公司全年实现营收8.03亿元，同比激增201.2%，并且首次实现了年度盈利，经调整利润净额达2.58亿元。

图7：晶泰科技营业收入增长趋势（2022-2025）

晶泰科技的成功，证明了AI驱动的药物发现与材料科学研发模式在商业上是完全可行的。其通过提供高效率、高成功率的研发服务，成功打破了传统CRO企业的盈利天花板，为整个AI材料赛道注入了一剂强心针。值得关注的是，晶泰科技在2025年的营收构成中，材料科学相关业务的占比已显著提升，这也预示着其从“AI制药”向“AI材料”的战略延伸正在加速落地。

PART 05

效率革命：AI究竟为材料研发带来了什么？

当我们将视线从宏观的市场与企业数据拉回至微观的研发一线，AI对材料科学的改造是触目惊心的。它不仅仅是工具的升级，更是对研发时间、成本与成功率的全面重构。

图8：传统研发模式与AI驱动模式的效率改善对比

通过多个真实案例的交叉验证，AI带来的“降维打击”体现在以下几个维度。

分析速度呈指数级跃升：中国钢研与百度联合开发的金相分析大模型，将原本需要6小时的人工分析时间压缩至短短1秒，效率提升高达两万倍，且准确率稳定在95%以上。这意味着，一个冶金工程师一天能够完成的分析工作量，在AI的加持下可以在数秒内完成，人力将从重复性分析中彻底解放出来，专注于更高价值的创新工作。
高通量筛选突破物理极限：在清华大学张强教授团队的实践中，结合AI开发的高通量电解质计算软件，能够快速筛选并积累多达25万个分子，将筛选效率提升了十倍以上。传统方法受限于实验室的物理空间与人力资源，每次实验只能验证数十至数百个候选材料；而AI驱动的虚拟筛选，则将这一数字提升至数十万乃至数百万量级。
设计周期与成本的大幅缩减：深势科技曾协助宁德时代在短短3个月内完成了新型锂金属电池电解液的设计，将电池循环寿命从行业基准的300圈提升至450圈，设计周期缩短了75%。根据材料基因组计划的统计，AI驱动的研发模式有望将新材料的整体研发周期和研发成本均降低50%。
配方锁定的精准度：在汽车制造领域，小米SU7车型所采用的“泰坦合金”，正是利用AI仿真系统从上万种合金配方中快速锁定而来的。这一材料的突破，使得车身焊接点减少了840处，在减轻重量的同时大幅提升了结构稳定性。

PART 06

结语：迈向万亿市场的“黄金十年”

从2015年科技部启动《材料基因工程关键技术与支撑平台重点专项》，到2024年国家级新材料大数据中心的部署，再到2025年各大企业在财报中频频交出的“AI成绩单”，中国AI for Materials产业已经走过了概念启蒙期，正式迈入了规模化落地与商业价值兑现的“深水区”。

在这场产业变革中，我们观察到三条清晰的主线：其一，以深势科技、晶泰科技为代表的AI原生企业，正在以“平台+服务”的模式重新定义材料研发的商业边界；其二，以宁德时代、比亚迪为代表的产业巨头，正在将AI作为构筑下一代技术壁垒的核心武器；其三，以鸿之微、龙讯旷腾为代表的工具软件企业，正在以国产替代为切入点，逐步蚕食过去被海外软件垄断的材料计算市场。

我们预测，在2025年至2035年的“黄金十年”里，随着底层算力的持续突破、材料大模型参数量级的不断攀升以及高质量行业数据的逐步开源，AI将彻底重塑材料科学的研究范式。这不仅将催生出一个千亿乃至万亿级别的庞大市场，更将成为中国在全球新能源、高端制造等核心领域保持竞争优势的关键底牌。

在材料科学的浩瀚星空中，AI这艘飞船已经点火起航。对于所有的产业参与者而言，拥抱AI，已经不再是一道“选择题”，而是一道关乎生死存亡的“必答题”。

PART 07

参考文献

[1]共研产业研究院. 中国AI+材料科学产业应用研究报告（2025年）.

[2]工业和信息化部, 财政部, 国家数据局. 新材料大数据中心总体建设方案（2024年10月）.

[3]北京市科委. 探索“AI+新材料”的北京范式（2025年）. 北京市科学技术委员会官方报道.

[4]中投产业研究院. 材料基因组计划与AI驱动材料研发效率研究报告（2025年）.

[5]深势科技. DPA-2大原子模型发布公告（2024年）.

[6]百度, 中国钢研. 冶金流程感知大模型联合发布公告（2024年）.

[7]宁德时代. 2025年年度报告（2026年3月）.

[8]宁德时代. 零碳科技聚势，“全域增量”领航！宁德时代发布2025年年度报告. 宁德时代官网.↩

[9]财联社. 六氟磷酸锂周期反转，卡位固态电池核心材料行业深度报告（2025年）.↩

[10]字节跳动Seed, 比亚迪. AI+高通量联合实验室合作发布公告（2025年6月）.↩

[11]财联社. 比亚迪硫化物固态电池有望2027年实现小批量生产（2025年）.↩

[12]恩捷股份. 2025年年度报告（2026年）.

[13]容百科技. 2025年年度报告（2026年）. 上交所科创板公告.↩

[14]新华社. 晶泰科技2025年报业绩披露（2026年3月）.

[15]腾讯新闻. 全固态电池，有AI才有未来（2025年）. 腾讯新闻科技频道.↩