對話小米俞之奡：從泰坦合金到電池，AI正批量製造材料“六邊形戰士”

在矽基智能與運算能力快速迭代的今日，材料科學領域卻長期面臨研發速度與技術演進之間的明顯落差。小米 AI+新材料負責人俞之奡近日在一場對談中指出，材料界正處於一種「尷尬的速度差」——傳統的研發模式難以跟上數位時代的節奏，而人工智慧正扮演關鍵的破局者。從車用泰坦合金到電池材料，AI 已經從過去的小模型時代，邁入具備自主決策與協作能力的 Agent Workflow 階段，真正實現對材料開發流程的批量賦能。 俞之奡強調，過去材料科學家往往需要耗費大量時間進行實驗與試錯，現在透過 AI 驅動的工作流程，可以大幅縮短從配方設計到性能驗證的週期。以小米旗下應用的泰坦合金為例，AI 協助工程師在龐大的成分組合中快速篩選出兼具強度與輕量化的配方，進而應用於車輛結構。這種合金不僅需要滿足結構安全，還要在重量與成本之間取得平衡，傳統方法可能需數百次實驗才能找到最佳配方，而 AI 能在數天內完成初步篩選。 在電池材料方面，AI 的介入同樣帶來顯著效益。俞之奡說明，AI 幫助研發團隊預測電解質與電極材料的穩定性與能量密度，進而加速下一代儲能技術的落地。電池材料的開發涉及複雜的化學反應與電化學特性，過去往往依賴經驗法則與大量試錯，如今透過機器學習模型，能在虛擬環境中快速評估數千種候選材料，大幅減少實際實驗的次數與風險。 這種轉變的核心，在於 AI 不再只是輔助分析的工具，而是能夠串聯起數據、計算、實驗與驗證的完整工作流。俞之奡形容，AI 正在批量培養材料領域的「六邊形戰士」——也就是具備多學科交叉能力、能同時掌握物理化學原理與數據科學的研發人才。過去，一位材料科學家可能需要十幾年才能累積足夠的跨領域經驗，現在 AI 的協作系統可以讓新人更快上手，也讓資深研究員能將精力集中在更創新的問題上。 俞之奡進一步解釋，所謂的 Agent Workflow 是指 AI 能夠自主規劃實驗路徑、調用模擬軟體、分析結果並提出下一步建議，形成一個閉環。這種工作模式不僅提升效率，也改變了團隊的協作方式。例如，在泰坦合金的開發過程中，AI 會根據初始性能目標，自動生成一系列候選成分，接著透過計算模擬篩選出最可能成功的數個配方，再交由實驗室進行驗證，最後將實驗數據回饋給模型進行迭代優化。 對於企業而言，這不僅是提升效率的手段，更可能改寫材料科學的競爭規則。俞之奡認為，未來材料研發的勝負關鍵將不再只是實驗室設備的規模或經驗豐富的科學家數量，而是能否有效整合 AI 工具與數據資產。小米在這方面的布局，正是希望透過 AI 加速從材料到產品的轉化，特別是在電動車與智慧裝置等快速成長的領域。 值得注意的是，AI 在材料科學中的應用並非一蹴可幾。俞之奡提到，要讓 AI 真正發揮作用，需要大量的高品質數據，包括合成條件、性能測試結果、微觀結構資訊等。小米在過去幾年持續累積內部材料資料庫，並與外部研究機構合作，逐步建立標準化的數據格式與分享機制。此外，模型的可解釋性也是挑戰之一，工程師必須理解 AI 為何推薦某種配方，才能放心將結果投入量產。 儘管如此，俞之奡對 AI 在材料科學的前景相當樂觀。他認為，隨著多模態大模型與強化物學習的進步，AI 將能夠處理更複雜的系統，例如多組分複合材料或動態服役環境下的性能預測。這意味著未來不僅是金屬與電池，包括高分子、陶瓷、半導體等領域，都將受益於 AI 的介入。 從宏觀角度來看，AI 正在重塑整個材料研發的典範。過去，材料科學家往往被視為「全能型」人才，需要同時精通物理、化學、工程與數據分析，但這種全能人才的培養週期極長。現在，AI 可以扮演「輔助大腦」的角色，讓具備單一專長的科學家也能參與跨領域的創新，從而降低研發門檻，加速新材料從實驗室到市場的旅程。 對小米而言，泰坦合金與電池材料只是起點。俞之奡透露，團隊正在將 AI 工作流擴展到更多材料體系，並與產品設計部門緊密協作，讓材料開發能更貼近終端需求。例如，在智慧型手機與穿戴裝置中，散熱材料、保護玻璃、導電膠等，都正在導入 AI 輔助設計流程，目標是實現「從需求到材料」的快速閉環。 總結來說，AI 正從工具升級為合夥人，幫助材料科學家擺脫重複試錯的泥淖，轉而專注於創造性的探索。俞之奡所說的「六邊形戰士」並非指某個人的全能，而是指由人與 AI 共同組成的團隊，在數據、計算、實驗、驗證、應用等各個維度上都具備強大能力。這種新型態的研發模式，或許正是材料科學面對數位時代最需要的解答。