罗素曾说，“人活在世上，主要是在做两件事：一、改变物体的位置和形状；二、支使别人这样干。”

在“支使别人这样干”这件事上，今年年初，通用大语言模型DeepSeek的横空出世标志着人们迈出了重要一步，未来，智能助手和自动化工具将深刻改变人们的生活和工作方式。

得益于通用AI模型的蓬勃发展，近日，松山湖材料实验室发布了一件材料科学领域的重磅AI工具：MatChat AI智能体。它是一款专注于材料科学领域的智能问答引擎，基于大语言模型（LLM）与增强搜索技术（RAG），提取了超过28万篇专业论文构建知识库。

这款被称为“材料科学界的DeepSeek”的AI平台，凭借其专业性和精准性迅速引发行业关注。观察人士认为，MatChat的发布不仅是技术突破，更标志着垂类科学研发范式的转变——从经验驱动转向“数据+AI驱动”。

当AI能够将海量文献转化为可操作的知识，并链接实验与产业时，垂类科学的创新速度将不再受限于人类个体的认知边界。对于东莞这座“制造业名城”而言，MatChat或是其从制造跃向“智造”的关键拼图。

从“一本正经地胡说八道”到精准溯源

随着DeepSeek的爆火，不少网友发现，当使用R1模式时，大模型总是在“一本正经地胡说八道”。这并非错觉，在Vectara HHEM人工智能幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率。

何谓“幻觉”？幻觉的本质是补白，是脑补。通俗来说，就是AI“胡编乱造”的信息，即AI在回答用户问题时，对于不知道正确答案的问题，不是明确告知用户“我不知道”，而是根据已有的知识编出一个听起来像是对的答案，但实际上是假的、错误的，甚至完全不存在的信息。

Vectara HHEM人工智能幻觉测试结果。

对于普通咨询而言，这种脑补无伤大雅，甚至还饶有趣味。但对于科学研究来说，“幻觉”是最大的敌人。中国科学院物理研究所研究员、博士生导师刘淼直言：“科学领域需要的是真实、可验证的知识，而非想象力。”

正如刘淼所言，MatChat AI基于大语言模型（LLM）与增强搜索技术（RAG），从28万篇材料科学、物理、化学论文中提取知识，构建了一个垂直领域的知识库。用户通过对话即可获取高度结构化的学术信息，并附有参考文献和原文链接，彻底解决了通用模型中常见的“虚构答案”问题。

例如，当用户询问“钙钛矿光伏材料的产业应用”时，MatChat不仅能总结关键信息，还能精准定位到相关论文的段落与图表，甚至预测合成路径。

这种“精准溯源”能力，让MatChat迅速吸引了4700多名用户，上线一周即完成27万次问答，成为科研工作者的智能文献助手。未来，松山湖材料实验室将把Atomly材料科学数据库平台、“机器人科学家”与MatChat结合起来，掀起一场垂类科学领域“AI+材料”的范式革命。

冰山之下藏着什么？

数据积累与全链条能力

一百多年前，当泰坦尼克号航行在大西洋海面上时，出现在船员望远镜中的仅是冰山的一角。而船员们看不见的，是冰山之下规模庞大的隐藏部分。

MatChat的发布看似是一次技术“奇袭”，但其根基却深埋在松山湖实验室多年的数据积累中。

早在MatChat诞生前，材料实验室已建成全球领先的材料数据库Atomly.net，收录了35万种材料的晶体结构、热力学稳定性等计算数据。值得一提的是，这些数据通过密度泛函理论等物理模型生成，精度接近实验验证结果，可以直接作用于企业新材料的研发。

刘淼如此描述这一技术迭代：“我们相当于用算力换数据，再用数据训练AI模型——这是左脚与右脚的交替前进。”

刘淼还介绍，MatChat的研发并非孤立项目，而是材料实验室“AI+材料”生态的一部分。在人员配备方面，材料实验室整合了中国科学院多个院所的力量，形成了跨学科的技术网络；在平台建设方面，材料实验室把Atomly材料科学数据库平台、“机器人科学家”与MatChat结合起来，实现从数据预测到实验验证的闭环。

值得一提的是，“冰山下的支撑”既包含技术生态的构建，也暗含城市资源与制度创新的深层互动。

一方面，东莞的制造业基础为材料实验室提供了试验场。2023年，实验室四大公共技术平台服务企业超400家，创新样板工厂孵化企业35家，其中靶材、新能源等项目已落地本地产业链，为源头创新提供大量生动热辣的“材料命题”。

另一方面，东莞积极探索科技体制改革，鼓励材料实验室将科技成果转化收益的80%分配给科学家团队，这种“风险共担、收益共享”的模式，让无数优秀科技人才鱼跃进莞，刘淼介绍，MatChat项目中的代码构建人员正是来自一线城市的知名“大厂”。

不难发现，“技术+城市”的双重禀赋，正在重构垂类科学创新范式。从单点突破转向系统能力竞争，而东莞有望成为中国版“橡树岭”的候选者。

研发模式的迭代升级

从“两张皮”到产业闭环

在访谈中，刘淼描述了传统的材料研发模式：假如有一名研发人员需要研究一种新型材料，他需要3-5个月时间来检索了解文献，然后再验证这些材料中哪种最稳定，进一步缩小研究范围。最后进入打样环节，通过反复测试样本后，最终得到配适的材料。

在这一过程中，研发人员需耗费数月阅读文献、设计实验，而企业则苦于无法快速获取可信的科学支持。实验室和产线之间，似乎总横亘着一条难以跨越的天堑，这便是人们常说的科技与产业“两张皮”的问题。

而MatChat的终极目标，是致力于解决科研与产业脱节的“两张皮”问题。

如何解决？首先是AI带来的“知识平权”。企业研发人员可直接用自然语言提问，例如“磷酸铁锂电池的优化方向”，AI系统将快速提供文献综述与数据支撑，降低专业门槛。

其次，材料实验室将数据库、MatChat与“机器人科学家”整合为“材料CRO（合同研发组织）”模式。用户可在线提交需求，由机器人完成合成与测试，形成“数据—模拟—实验”的工业化流程。这一流程带来的直接影响是，企业不再受限于自有研发能力，而可以与科研院所、新型研发机构“无缝衔接”，资源共享，从而提升其源头创新能力。

由于新的理论、方法、技术或观念的出现，导致原有的研究范式或实践模式发生根本性变革的过程，被称为“范式革命”。当通用大语言模型打响第一枪后，众多以其为“养料”的垂类大模型将层出不穷，深度改变人们的生产和生活方式。在材料领域，“AI驱动的研发”模式正成为新能源、半导体行业的效率引擎，未来，我们或将进入一个“高速创新”的时代。

信息来源：创新松山湖