小米组建材料Core团队，AI驱动让材料研发迈向“六边形战士”

事件概述

小米宣布成立材料Core团队，由斯坦福大学化学博士俞之奡（曾在字节跳动从事AI for Science研发并创办电池材料创业公司）牵头负责。该团队聚焦AI驱动的前沿材料研发，推动成果在小米汽车、手机、家电等“人车家”全生态业务中落地。此前小米在泰坦合金、超强钢等金属材料项目中已成功应用AI，本次团队组建意在将AI+材料能力泛化至金属、高分子、玻璃、电池等多种材料领域。

核心信息

• 范式进化：AI在材料研发中的角色从早期“专有小模型”转向“基座大模型+Agent工作流（Harness）”。Agent可自动搜索文献、提出假设、规划实验循环，但实验合成环节仍依赖人工，成为闭环提速的主要瓶颈。自动化实验室和具身智能被视为突破方向。
• 效率提升维度：AI能帮助材料科学家快速收敛到正确方向，避免在高维参数空间中遗漏最优配比。在周期、成本、良率上，AI可综合优化强度、成本、量产工艺、制程等多维性能，打造“六边形战士”——即全维度均衡优异的材料。
• 具体应用方向：除已落地的金属（超强钢、泰坦合金）外，团队将重点拓展高分子、玻璃和电池材料。动力电池方面关注安全性、续航、充电速度、成本与量产能力；消费电子和汽车场景下追求更快迭代。
• 技术阶段判断：俞之奡认为，2026年Agent工作流+基座大模型的组合已可看作AI for Materials领域的“ChatGPT时刻”雏形，但实验自动化的成熟度仍需提升。基座大模型加Agent的方式当前已成为主流，行业仍在探索是否会出现更泛化的材料（或科学）通用大模型。

值得关注

小米的独特生态位在于“人车家”全产品矩阵能提供丰富的试错场景和需求拉动，使得新材料的性能提升可以快速在真实产品中验证与消化。AI作为Co-Scientist（副驾驶），帮助科学家查补遗漏、预测全局最优解，从而逐步替代传统的“爱迪生式试错法”。闭环瓶颈（实验执行）的突破将决定AI+材料下一阶段的爆发速度。