< 返回

材料，是硬件创新的底层语言

2026-07-01

小米是一家以硬件产品为重要载体的科技公司。面对智能汽车和消费电子市场中日益提升的轻量化、高性能、高可靠性需求，材料创新始终是筑牢工程核心能力、打磨产品体验的重要基础。

过去，材料研发高度依赖专家经验、实验试错和长期积累。随着 AI、大模型和自驱动实验技术的发展，材料研发正在迎来全新的范式变革：AI不再只是驱动数据的工具，而开始参与知识理解、方案生成、性能预测、实验反馈和迭代优化等整个流程。

近年来，小米持续探索 AI 在材料研发中的应用。从一体化压铸泰坦合金、2200MPa 小米超强钢，到与高校联合研发高性能镁合金，小米正在把 AI 引入真实材料研发场景，并进一步沉淀为多智能体驱动的通用材料研发平台。

AI for Materials 落地成果

在小米的材料研发实践中，AI 已经深入参与真实工程问题的解决，并在不同材料体系和产品场景中形成落地验证。

在一体化压铸泰坦合金项目中，小米基于多尺度多专家性能预测模型，成功研发出高强度、高韧性、低成本的新型铝合金。

该合金抗拉强度较传统材料提升42%，生产成本降低30%，打破了国外在高端车用合金领域的技术垄断。相关技术获国家发明专利18项，入选"国家级新材料创新成果名录"。

泰坦合金产品已批量应用于小米汽车核心结构部件，截至2026年6月，累计装车超50万辆，显著提升车辆安全等多方面性能，为我国高端制造业材料自主化提供了关键支撑，是AI+材料研发从探索走向落地的标志性成果。

在 2200MPa 小米超强钢研发中，AI 模型融合了机理信息，参与了大规模材料逆向设计，从约 2443 万候选空间中筛选潜在方案。该材料已应用于YU7和新一代 SU7车型，为车身安全结构提供关键材料支撑。

在轻合金方向，小米与顶尖高校联合搭建DeepLight X AgentMat 轻合金多智能体设计平台，针对轻合金"成分—工艺—性能"强耦合、跨尺度机理复杂等难题，以大模型推理和多智能体协作提升材料设计效率，并基于该成功研制出高强、高韧、耐蚀的高性能镁合金。

多智能体材料研发平台—演示

（视频1待上传，文件大小限制）

小米材料研发的三个痛点

深入了解小米重点材料研发项目，材料研发长期面临三个典型挑战。

1. 材料前沿研究发展迅速，依靠专家长期跟踪所有方向的成本越来越高。

2. 很多材料体系缺少高质量数据积累，实验样本少、数据分散，限制了传统模型的预测能力。

3. 材料方案的验证高度依赖人工实验制备与测试，研发周期长，反馈速度慢，优化方向往往难以及时明确。

基于小米重点材料研发项目的特点，我们确定了多智能体和AI自主实验平台的干湿闭环材料设计研发方向。

材料研发范式的三阶段升级

这一转型的核心瓶颈，不在于模型会不会生成答案，而在于：

第一，能否将专家锁在脑中的隐性经验，沉淀为Agent推理的知识引擎

材料研发最关键的知识，往往不是公开文献里的显性规律，而是专家在长期试错中积累的配方直觉、工艺窍门和失败教训。如果这些隐性经验始终停留在人脑中，AI 就只能基于零散数据和通用知识进行判断，难以形成稳定、可追溯、可复用的研发能力。

因此，我们正在构建面向 Agent 的结构化知识引擎。通过知识库、知识图谱、案例拆解、实验复盘和专家反馈，将材料研发中的隐性经验转化为可检索、可关联、可验证、可迭代的知识单元，为 Agent 的推理和决策提供长期知识引擎。

第二，如何用专业科学模型支撑 Agent 的决策上限

材料研发中的配方寻优、性能预测、工艺优化等关键任务，并不能只依赖通用大模型完成。通用大模型擅长理解任务、组织知识和生成方案，但真正决定材料设计质量的，仍然是背后的科学算法模型和专业工具能力。

因此，面向材料研发的多智能体平台，需要构建 "Agent + Scientific Models" 的双层能力体系：Agent 负责理解研发目标、拆解任务、组织上下文和协同决策；专业科学模型则作为底层引擎，承担预测、优化、筛选和验证等关键任务，比如贝叶斯优化、仿真+多尺度预测的机理启发模型，以及面向特定材料体系训练的小模型。

第三，如何打通设计、实验与反馈，形成真正的 AI 自驱动、自进化闭环

当前很多 AI 材料研发仍停留在"出方案"阶段。AI 可以提出候选配方或优化方向，但实验执行、数据采集、结果解析和下一轮优化仍主要依赖人工串联。如果实验反馈不能及时回到知识库、数据系统和模型中，AI 就无法从真实世界持续学习，也难以完成从一次性建议到持续优化的跃迁。

因此，材料研发平台的关键目标，是构建 "自主设计—实验验证—数据反馈—方案迭代" 的闭环体系。Agent 生成设计方案，驱动实验或调用实验平台，接收测试结果，并将结果回写知识库、知识图谱和模型系统中，推动下一轮优化，实现AI自驱动、自进化闭环。

探索一条面向真实工业场景的AI for Materials 路径

从一体化压铸泰坦合金，到 2200MPa 小米超强钢，再到高性能镁合金，小米在 AI for Materials 方向的探索并不是孤立的单点项目，而是在逐步形成面向材料研发的系统方法论，探索一条面向真实工业场景的 AI for Materials 路径。

通过 AI 赋能材料探索，小米希望为智能汽车、消费电子以及更多高端制造场景提供持续的底层技术支撑，也为材料研发范式升级提供新的实践样本。