当AI遇上传统的工厂，会产生什么样的“化学反应”？

“老师傅经验”与AI的数据驱动到底哪个更有效？OPC（一人公司）如何创造出千万产值？00后创业者韩家乐给出了自己的答案。毕业于美国宾夕法尼亚大学材料工程专业的他，正在探索一条“AI+材料”的新路径——通过人工智能技术，将材料机理模型、人工智能模型与工业生产场景结合，帮助企业优化材料研发、生产工艺和质量控制，让过去依赖经验积累的制造流程逐步走向数据驱动和智能决策。

供图/受访者

拥有学科家传

锚定交叉研发方向

“材料这个方向，我从小接触比较多，父母也是材料专业出身，所以兴趣培养得比较早。”回顾自己的求学经历，韩家乐表示，材料科学一直是自己感兴趣的领域。本科阶段，他进入美国加州大学伯克利分校学习，而伯克利在材料科学领域的科研实力，也让他进一步坚定了发展方向。

“AI+材料这个方向，对我来说其实是一个比较自然的选择。”在本科期间，随着人工智能快速发展，材料信息学逐渐兴起，AI开始进入材料研发领域，而韩家乐所在的美国加州大学伯克利分校则是这一领域的开拓者。本科毕业后，韩家乐进入宾夕法尼亚大学继续深造。

2023年，韩家乐在美国波士顿创业，最初的方向是利用AI辅助新材料研发，这期间，他接触到大量材料企业的真实需求。随着与企业深入交流，他发现，工业领域还有一个更加迫切的问题：如何让AI真正进入生产过程，帮助企业解决实际问题？

“如果想在工业界做事情，需要更加丰富的应用场景。”这是促使韩家乐回国发展的关键原因。在他看来，美国拥有领先的科研环境，但制造业应用场景相对有限；中国拥有全球规模领先、链条完整的制造体系，为AI技术快速验证和迭代提供了更加广阔的空间。

立足制造场景

目标不是替代工程师

带着这一判断，韩家乐选择回国创业。2025年，他创办北京素源矩阵科技有限公司，入驻中关村AI北纬社区。公司聚焦“AI for Science”（科学智能）方向，希望打造覆盖材料研发、放大和生产全过程的智能系统。

韩家乐告诉北青报记者，公司目前主要围绕“发现智能”和“制造智能”两个方向展开，通过将材料机理模型、生成式AI模型以及科学智能体与工业场景连接起来，实现材料性能预测、配方优化、实验辅助验证以及生产过程优化。

过去，传统材料行业长期依赖经验积累。例如，在一些材料生产过程中，工程师往往需要根据原料变化、生产环境等因素不断调整配方和工艺。这种经验十分宝贵，但也存在难以复制、难以量化的问题。

韩家乐认为，AI技术能够帮助企业解决三个核心问题。首先是缩短研发周期，传统材料研发往往需要大量重复实验，通过AI与高通量实验结合，可以大幅减少试错时间，将部分研发周期从几年缩短到数月；其次是降低生产成本，通过优化材料配方和工艺参数，帮助企业提高生产效率，实现降本增效；再次是提升决策能力，过去企业往往需要等产品生产完成后才能判断性能，而通过AI预测模型，可以提前判断材料表现，实现从“事后调整”向“事前预判”转变。

“我们的目标不是替代工程师，而是帮助他们拥有更强的决策能力。”目前，素源矩阵已覆盖无机胶凝材料、绿色建筑材料、高分子材料等多个领域，并与材料行业头部企业开展合作。

斩获千万订单

谁说环材是“天坑”？

从海外创业到回国发展，韩家乐最终选择将企业落地北京海淀，在中关村AI北纬社区成立了OPC。在他看来，海淀不仅拥有丰富的高校和科研资源，也具备连接技术、人才和产业的创新生态。

作为一家OPC企业，素源矩阵团队规模并不庞大，但依靠技术优势和产业需求结合，已经实现了千万级合同签约。“小团队也可以解决大问题，关键是找到真正有价值的产业需求。”

如今，素源矩阵服务的客户既包括传统材料企业，也涵盖高性能树脂、生物陶瓷、电子级玻璃等高价值材料领域。对于传统产业，他们重点帮助企业解决降本增效和绿色生产问题；对于新材料企业，他们则帮助企业提升研发效率和产品竞争力。“我们有客户是做高性能的氟树脂，其售价很高，而素源矩阵借助融合热力学、动力学机理的AI模型，不断优化配比与工艺，提高了该产品良品率，大大提高了客户的收益。”

“以前大家觉得生化环材是‘天坑’，但随着人工智能的发展，传统行业也迎来了新的机会。”韩家乐认为，AI正在改变材料行业的发展逻辑。过去，材料创新更多依赖经验积累和长期实验，而未来，数据、模型和人工智能将成为推动材料突破的重要力量。

对于仍在海外求学、考虑未来发展的年轻人，他建议，要关注时代变化带来的产业机会。

“现在很多过去看似传统的领域，也正在因为AI的发展迎来新的春天。”韩家乐说，“对于科技创业者来说，国内有更丰富的应用场景，也有更大的发展空间。”

文/北京青年报记者 张月朦
编辑/樊宏伟