4月，英国数字加速器（Digital Catapult）与“创新英国”（Innovate UK）联合发布《英国站在AI前沿：挑战与机遇》报告^[1]。该报告结合与学术界、产业界及政府部门200多名利益相关者的互动交流撰写而成，重点聚焦AI与先进材料交叉领域，明确了英国在该领域的战略优势、当前挑战与发展机遇，为英国将科研优势转化为AI赋能的产业领导力提供了关键指引。报告印证了英国《国家材料创新战略》的结论，明确先进材料是英国将科研优势转化为全球AI赋能产业领导力的关键领域，英国在先进结构材料以及石墨烯、涂层和智能材料领域占据全球领先地位。

1、5项核心障碍。报告指出，当前先进材料领域AI发展面临5项核心障碍：一是材料生命周期中数据碎片化且难以获取，宝贵的“暗数据”被锁在实验记录本和孤立系统中，多源异质数据难以结构化融合，直接制约AI模型高效训练；二是缺乏标准化体系，没有用于编码材料工艺和微观结构的通用“语言”，材料表征缺少统一编码规范，阻碍数据互认与AI高效解析；三是计算资源访问受限，材料模型对高性能计算高度依赖，算力不足直接拖慢实验与模型开发进度；四是验证与基准测试存在差距，缺乏统一评测体系，模型可靠性与泛化能力无法精准衡量，难以科学评估AI模型性能；五是失效数据漏报，经验总结与研究复现受阻，样本覆盖不全导致AI学习偏差，模型实用价值大幅降低。

2、5个关键机遇。报告明确了AI赋能先进材料转型的5个关键机遇：一是采用联邦学习方法，在不损害数据所有权的前提下解锁敏感工业数据，依托分布式训练模式，兼顾数据安全与跨机构数据协同价值的挖掘；二是搭建自动化实验室，通过闭环高通量实验设计，稳定产出AI模型所需的高质量训练数据；三是研发AI工具，借助多模态技术手段，将包括历史记录和实验记录在内的复杂非标准数据转化为AI可识别、可利用的信息；四是构建国家数据基础设施与开放平台，搭建一体化数据共享底座，打通数据壁垒，助力跨机构协同合作；五是推动AI在整个材料价值链中的深度整合，实现材料研发与制造结果的有效联动，贯通全链路数据流转，以AI技术驱动材料研发与制造的高效协同。此外，报告呼吁建立新的跨学科资助模式和职业发展路径，支撑AI与材料科学交叉领域的科研人员开展工作。 

 （董金鑫）