AI技术正以惊人的速度渗透材料研发领域，但实验室里看得见摸得着的材料制备环节，仍是制约行业发展的关键瓶颈。小米材料CORE团队负责人俞之奡在接受采访时坦言，尽管AI Agent能在数秒内生成实验假设或文献总结，但真正将材料从理论转化为实物，仍需依赖大量人工操作，这种"闭环问题"成为当前最突出的矛盾。
这位横跨AI与材料科学两个领域的专家，其职业轨迹折射出行业变革的轨迹。斯坦福大学博士期间专注于材料湿实验的他，早在2020年就敏锐捕捉到AI for Science的潜力，成为国内最早将机器学习应用于储能材料研发的技术骨干。从字节跳动AI4S团队核心成员到美国创业者，再到今年回归小米组建材料核心团队，俞之奡的履历恰逢AI技术爆发与材料科学转型的交汇点。
小米在材料领域的布局已显现成效。通过泰坦合金和超强钢项目，公司验证了AI辅助研发的可行性——在汽车大压铸材料研发中，AI系统从千万种配方中筛选出最优组合，使研发效率获得质的提升。这种成功促使小米将AI材料研发从项目级实践推向系统性能力建设，覆盖金属、高分子、玻璃面板、电池等全生态链材料领域。
"材料科学的终极标准是能否落地应用。"俞之奡强调，小米"人车家"全生态产品矩阵为新材料提供了天然试验场。消费电子、汽车、家电三大场景的协同效应，使新材料从实验室到量产的路径大幅缩短。这种独特生态位，正是吸引这位材料专家加盟的关键因素——在字节跳动时期，他更多聚焦算法优化，而小米提供的场景落地机会更具吸引力。
当前AI在材料研发中的角色仍以辅助为主。俞之奡将其比作"副驾驶"，通过快速收敛实验方向、补全研发盲区，帮助科学家突破传统试错法的局限。特别是在多维度性能优化方面，AI展现出独特优势：当材料专家追求"六边形战士"般的全能性能时，AI能够统筹成本、良率、量产工艺等指标，实现综合性能的最优解。
实验环节的自动化滞后成为最大掣肘。尽管Agent技术已能高效完成文献搜索、假设生成等前期工作，但材料制备仍高度依赖人工操作。俞之奡透露，行业正在通过机器人技术和自动化实验室加速突破这个瓶颈，预计未来2-3年将出现显著进展。这种变革不仅关乎效率提升，更可能重塑材料研发的产业格局。
在具体应用方向上，电池材料成为小米的重点突破口。针对动力电池安全性、续航里程、充电速度等核心痛点，AI正在帮助研发团队探索新型材料方案。俞之奡透露，团队正在研究超越传统金属范畴的有机化学材料，这些可能颠覆现有认知的新物质，或将为消费电子和新能源汽车带来革命性突破。
