请务必阅读报告末页的重要声明glzqdatemark1证券研究报告行业研究|行业深度研究|石油石化Deepseek+机器人：化工的时代大考2025年02月14日|报告要点|分析师及联系人证券研究报告请务必阅读报告末页的重要声明1/29AI+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。许隽逸张玮航陈律楼黄楷SAC：S0590524060003SAC：S0590524090003SAC：S0590524080002SAC：S0590522090001陈康迪请务必阅读报告末页的重要声明2/29行业研究|行业深度研究glzqdatemark2石油石化Deepseek+机器人：化工的时代大考投资建议：强于大市（维持）上次建议：强于大市相对大盘走势相关报告1、《石油石化：对美关税反制如何影响能化？》2025.02.052、《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➢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AI2BMD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，例如阿姆斯特丹大学开发了一种集成人工智能机器学习单元的机器人RoboChem，一周内，RoboChem可以优化大约10到20个分子的合成，而对于研究人员手动来说，这通常需要几个月的时间。5.产业知识图谱构建：AI可以自动从互联网、企业数据库等多个数据源中抓取相关的化工数据。接下来通过...