5月27日，2026年汽车新材料大会在安徽省芜湖市顺利召开。28日，“AI辅助材料设计平台”分会场各报告嘉宾解读了目前人工智能在材料成分设计、工艺优化及产业化应用中的突破性进展，为新材料研发“降本、提速、增效”提供全新路径。

　　此会场由国汽轻量化（江苏）汽车技术有限公司数据中心总监王帅主持，来自上海大学、奇瑞汽车材料研究院、国汽轻量化（江苏）汽车技术有限公司、东北大学、扬州大学的5位学者及专家在本次会议做了相关报告。

　　国汽轻量化（江苏）汽车技术有限公司数据中心总监王帅

　　上海大学教授卞华康带来题为《机器学习在粉床式增材制造中的应用》的专题报告。他系统阐述机器学习如何推动增材制造向高精度、高效化发展：利用回归模型与强化学习快速匹配激光功率、扫描速度等工艺参数，减少50%以上试错成本；结合 CNN、LSTM 等算法处理多传感器采集的数据，实现缺陷实时检测与风险预警；建立“工艺-微观组织-性能”模型，降低破坏性测试频次；同时优化粉末特性与铺粉质量，加速多物理场仿真，设备故障预警准确率达92%。

　　上海大学教授 卞华康

　　奇瑞汽车材料研究院材料大数据与AI实验室主任邓子君分享《智能设计、低碳制造——AI助力汽车新材料产业化提速》。他直击传统材料研发“周期10-20年、难以匹配车型18个月迭代”的痛点，构建“机器阅读+机器计算+机器实验”三位一体的AI材料科学家：机器阅读自动提取百万篇文献中的材料配方规律，机器计算通过多尺度模拟预测性能，机器实验实现高通量验证，推动研发模式从“经验试错”向“智能设计”跨越。现场披露产业化案例：固态电解质设计周期从6个月压缩至4周，离子电导率突破10 mS/cm；电池回收关键金属回收率达90%以上，单吨收益增加5000元。

　　奇瑞汽车材料研究院材料大数据与AI实验室主任邓子君

　　国汽轻量化（江苏）汽车技术有限公司数据中心总监王帅带来题为《人工智能驱动汽车轻量化创新：专用大模型的研究与应用前瞻》的报告。他首先阐释了国汽轻量化的战略定位——破解汽车轻量化研发过程中 “数据孤岛、经验依赖” 两大痛点；核心发布面向轻量化的专属垂域大模型，打通“材料-工艺-性能”多源数据，构建从成分筛选到结构优化的全流程智能设计能力；现场演示系统解决方案的工程落地路径，并通过典型项目验证：模型将高强钢成形性预测误差控制在5%以内，助力新车型轻量化方案研发周期缩短40%。

　　国汽轻量化（江苏）汽车技术有限公司数据中心总监王帅

　　东北大学数字钢铁全国重点实验室魏晓蓼带来题为《金属结构材料的基因图谱与通用设计范式》的报告。他提出“知识图谱+多模态融合”的创新框架：构建以知识图谱为核心的金属基因图谱数据中心，打通成分、工艺、性能等数值型数据，显微组织图像、海量文献文本三类异构数据；建立“成分-工艺-组织-性能-机制”全链条关联网络，利用图谱拓扑结构开发多模态融合框架，使数据库具备原生AI-ready能力——支持从“显微图像+成分工艺参数”到力学性能的端到端预测，设计效率较传统试错法提升10倍。

　　东北大学数字钢铁全国重点实验室魏晓蓼

　　扬州大学副教授、材料成型及控制工程系副主任王庆航带来题为《机器学习赋能高性能镁合金成分设计与工艺优化》的报告。他针对镁合金“强度-塑性”“强度-耐蚀性”难以协同的行业难题，构建多目标机器学习预测模型：通过融合热力学计算与实验数据，精准锁定稀土元素添加量与轧制工艺参数的最优组合，实现强塑性协同提升15%；针对镁合金耐蚀性短板，建立腐蚀速率与成分的映射关系，开发出耐蚀性提升20%的新型镁合金；同时优化固溶处理窗口，使工艺稳定性提高30%。

　　扬州大学副教授、材料成型及控制工程系副主任王庆航

　　技术报告嘉宾合影

　　本次会议为每位演讲嘉宾颁发演讲证书，感谢各位嘉宾莅临参会并带来精彩的学术分享。AI 辅助材料设计平台分会场集中呈现了从基础研究到产业落地的全链条创新成果，与会专家一致认为，随着大模型、知识图谱等技术与材料科学的深度融合，未来 5 年有望实现新材料研发周期缩短 50%、研发成本降低 30% 的目标，为新能源汽车产业的升级提供核心动力。

　　作者丨陈毅恒