活动总结如下

AI+材料

在周敏博士的主题演讲中，列举了AI在材料研发中的数个挑战:

• 从微观层面到宏观层面建模的复杂性
• 高通量实验对设备的要求高，投资金额大等
• 最大的挑战还是来自于数据的缺乏，尤其是最有价值的实验数据的缺乏。

• 利用动态容器技术，采用多源异构材料数据源，进行检索发现，分析挖掘
• 从材料相关文献中进行自动的数据挖掘
• 建立云基础设施和大数据平台底座进行数据的共享和流通等

从公司的角度，AI+材料的公司往往面临一个做平台公司还是产品公司的选择

由于所处产业环境和生态的不同，不同的公司做出了不同的选择:

• 2013年就开始做AI+材料探索的Citrine Informatics（美国） 在产品上做了尝试之后，选择做了SaaS公司，赋能其他材料企业做研发，并取得了可喜的商业进展。

• 蓝晶微生物作为一家合成生物公司，内部自主设计和构建了合成生物学研发平台Synbio OS，平台的功能包括云端设计软件，自主化菌株构建和高通量自动化小试生物反应器阵列。利用研发平台的能力，缩短研发周期，提高研发壁垒。

• 杉海创新和云锦特导坚定了走了产品化路线，分别在超分子生物和高性能铜合金的方向上推出了让客户十分认可的产品。

可能在工业化和制造业立国的中国，我们近期会看到AI赋能下垂直领域的材料平台公司和产品公司有较快的发展，而美国更适合平台技术公司以SaaS的模式发展。

关于AI+材料的观点可以总结为：

AI对材料行业的影响将加速，并且潜力巨大。过去，新材料技术通常是“技术推动”（发明新材料，寻找应用场景），而有了AI后，它可能会变成“市场拉动”（确定市场需求，AI帮助快速推出新材料）。遨问在该领域的首笔投资——一家名为云锦特导的中国公司，就是一个很好的例子。

我们认为，该领域西方的优势在于大公司（如巴斯夫）拥有大量数据。一个好的AI平台/工具初创企业有很大潜力采用SAAS模式帮助大公司利用这些数据。

我们认为，中国在该领域的优势在于能够快速、低成本地进行实验和快速迭代，以测试AI模型所提出的内容——从而在市场机会明确存在的情况下迅速识别新材料。

简而言之，我们在西方寻找平台/SAAS投资，在中国寻找产品公司。