【国联证券】Deepseek+机器人：化工的时代大考.docx

证券研究报告

Deepseek+机器人：化工的时代大考

2025年02月14日请务必阅读报告末页的重要声明

2025年02月14日

请务必阅读报告末页的重要声明1/29

AI+机器人正深刻变革化工行业，有望带来效率革命。传统化工研发依赖“试错法”，周期长、成本高，而AI与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义，既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性与“实验验证滞后”痛点，AI通过跨尺度建模、分子动力学加速等方案实现突破。在生产流程中，AI结合高通量机器人实验优化生产，降低损耗与故障率。但AI也在瓦解传统技术壁垒，“白痴指数”高的材料受冲击大。化工企业需加强AI研发、引进人才、推动数字化转型，以应对挑战，把握发展机遇。

请务必阅读报告末页的重要声明2/29

投资建议：强于大市（维持）上次建议：强于大市相对大盘走势

投资建议：强于大市（维持）

上次建议：强于大市

相对大盘走势

30%

17%

3%

-10%

石油石化沪深300

2024/22024/62024/102025/2

相关报告

1、《石油石化：对美关税反制如何影响能化？》2025.02.05

2、《石油石化：2025：大化工大有可为——大化工行业2025年度投资策略》2024.12.18

扫码查看更多

行业研究|行业深度研究

2025年02月14日

石油石化

Deepseek+机器人：化工的时代大考

AI+机器人重构化工研发范式：从实验室到工业化的效率革命

我们认为AI+机器人大概率将带来化工行业的效率革命，尤其是类似Deepseek这样的顶尖AI工具的广泛应用，或驱动化工行业的研发和生产流程发生数量级层面的跃迁，在不久的将来，很可能呈现“AI驱动者胜出，迟疑者淘汰出局”的两极分化格局。传统化工研发依赖“试错法”，周期长、成本高。如果以第一性原理为基础，一旦将人工智能（AI）和机器人技术融合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学，全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润随时面临挑战。

新材料预测的挑战与AI的破局方案：数据+算法的双重赋能

我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似Deepseek

等顶尖AI工具有望通过以下方案突破瓶颈：

1.跨尺度建模误差控制：微观层面，从每个原子之间相互作用力的计算误差；到介观层面，微小的孔洞结构或者材料密度变化对材料强度带来影响；再到宏观层面，在实验室小试成功，但是规模化生产却完全失败，此类风险与跨尺度误差累积紧密相关。目前的最新研究显示，类似Deepseek这类AI工具可以在粗糙尺度、中间尺度以及全原子尺度建模，在耗时和精准性上相较于传统方法显示出显著优势。

2.分子动力学加速：分子动力学需要模拟分子在不同条件下的行为，比如温度、压力下的动态变化，AI可以通过不仅限于机器学习力场（MLFFs）、增强采样方法、粗粒化模型等手段大幅加速分子动力学的研究。例如AIBMD系统在精度相同的情况下，实现了超过100万倍的模拟加速，并将误差减少了10倍以上。

3.小样本强化学习：在有限的实验次数、原材料等条件下，AI通过机器强化学习以及推理，使得能够在少量实验数据的基础上，快速学习到如何调整配方和条件以提高反应效率。比如Wen等在Al-Co-Cr-Cu-Fe-Ni系统中搜索高硬度的HEAs时，仅用155个初始样本，经7轮主动学习迭代，就获得了硬度提升显著的合金。

4.高通量机器人验证：传统化工材料的研发，科学家需要从成千上万种化合物的效果进行筛选，可能需要研究人员手动对每个化合物进行测试，这不仅耗时耗力，而且可能会因为人为因素出现遗漏或错误。而高通量筛选技术可以在短时间内对大量化合物进行自动测试，例如阿姆斯