信息量很大，我把对我们这个行业有价值的内容整理出来，分享给大家。
如果你做项目申报，不管是服务企业还是自己就是企业，这篇文章可能会给我们一些启发。
会议上有个环节是欧美同学会组织的，请了两位化学材料领域的科学家。一位是中科院过程工程研究所的研究员刘瑞霞，一位是河南大学的教授刘山虎。
刘瑞霞研究员讲的是战略电子化学品。
她提到一个背景：2019年日本对韩国进行了电子化学品制裁。
这件事对国内产业界的触动很大。因为它说明了一个问题：电子化学品这种看起来体量不大的东西，真的可以卡脖子。韩国的半导体产业那么强，日本一断供几种电子化学品，整个产业链就受到严重影响。
这件事之后，电子化学品的战略重要性被重新定义了。
刘瑞霞研究员给出了一个判断：国内电子化学品领域目前是点上有突破，但线上和面上还有差距。
具体来说：
酸碱类电子化学品，国内基本已经攻克，甚至出现了价格竞争。比如电子级磷酸，湖北兴发这家企业做得很好，国内市场占有率很高，还能出口日韩。
但有机湿电子化学品还有一定难度。光刻胶这个品类，差距更大，大概在1-2代左右。
在那些国内已经有突破的细分领域，企业的竞争会越来越激烈，政策支持的边际效应会递减。
在那些还有明显差距的领域，如果企业确实有技术实力，政策支持的可能性会更大。
会议上两位科学家都提到了中试的重要性。
刘瑞霞研究员的表述是：高校和研究院所在技术的源头创新这块要加强，至少要做到中试或者模试阶段，让技术有一定可行性之后，企业才更好来选择和推广。
这句话背后有一个结构性问题：在当前的产学研体系里，中试这个环节的成本和风险，没有人愿意承担。
科学家认为做到实验室验证就可以了，剩下的是企业的事。企业认为没经过中试验证的技术风险太大，不敢接。
结果就是大量科研成果卡在了实验室成功和产业化落地之间。
这几年国家在推概念验证中心、中试熟化基地这类平台，就是要解决这个问题。
我们自己也在参与一些中试平台相关的项目。从实际操作来看，中试平台的价值不只是提供场地和设备，更重要的是帮助科研团队完成从实验室到工程化的能力跨越。
如果你服务的客户里有做中试平台的，或者有科研成果需要中试验证的，这个方向值得重点关注。中试相关的项目，在未来几年的政策支持力度应该会持续。
刘山虎教授讲的是三维光热界面材料。
这个技术的应用场景包括：不用电只靠太阳光的海水淡化、便携式空气取水装置、土壤重金属修复、海水提锂等。
刘山虎教授提到，在光热界面材料这个领域，国内学者的研究处于比较领先的位置。
从项目申报的角度，如果你服务的客户涉及这个领域，可以关注一下相关的前沿技术专项和新材料方向的支持政策。
但我对这个技术本身不够专业，就不做更多评价了。有兴趣的可以自己去了解。
刘瑞霞研究员提到，她们团队在成果转化方面也是摸索着来，成立公司、技术入股、跟企业合作，各种方式都在尝试。她说个人的力量还是比较有限的。
刘山虎教授提到两个途径：
一是学者要主动往企业跑，了解企业在干什么、需要什么；
二是通过各种产学研对接的活动，让企业、政府、科研人员有深入交流的机会。
这两点对我们这个行业是有启发的。
科学家确实需要帮助来完成成果转化，但这种帮助不是简单的申报服务，而是要真正懂技术、懂商业、能帮他们对接资源。
能做好这件事的机构，在市场上是稀缺的。
下午有个圆桌论坛讨论AI。主持人问了一个问题：现在的AI，有多少是辅助工具，有多少已经进入决策中枢？
四位嘉宾给出的答案差异很大：
北科大资产公司总经理王斌：40%中枢，60%工具
人大信息学院院长柴云鹏：20%中枢，80%工具
天际资本董事总经理周凯：30%中枢，70%工具
凯联资本董事总经理姚宁波：80%中枢，20%工具
为什么差异这么大？因为看问题的角度不同。
姚宁波的逻辑是：从AI技术供应方的角度看，大模型公司的收入八成来自To B领域。To B场景用AI做什么？帮企业做决策、优化流程。这些本质上就是决策中枢的功能。
另外他举了量化交易的例子。在二级市场，AI已经在大量场景里承担决策功能，人类交易员更多是监督者的角色。
这个视角的差异，本身就说明了AI的应用还处于早期阶段，不同行业、不同场景的渗透程度差异很大。
北科大的王斌介绍了一个案例：北科大建了一个材料基因工程中心，把AI应用在新材料研发上。
效果是：新材料研发时间降低50%，成本降低50%。
为什么新材料研发特别适合用AI？因为材料研发涉及大量成分、结构、工艺参数的组合。传统方法是研究人员凭经验选组合来试，非常耗时。AI可以通过数据分析快速找出最可能成功的组合，集中资源验证。
王斌还提到，国家材料大数据中心已经落户北科大。美国也在押注这个方向，上个月签署了创世纪计划，要整合全国算力和科研数据建超级AI实验室。
这说明AI+新材料这个方向，是国家级的战略布局。
从项目申报的角度，如果你服务的客户在做材料研发，是否应用了AI、是否有数据积累，可能会成为一个越来越重要的评判维度。
人大的柴云鹏从技术角度分析了AI落地效果不好的原因：
第一，很多行业的数据准备不够。AI需要数据来训练，如果数据没积累好、质量不高，效果就不会好。
第二，大模型本身有局限。大模型是通过数据训出来的，不是通过数学推导证出来的，所以它的行为有时候不可预测，会出现所谓的幻觉问题。
他提出的解决思路是：不要让大模型端到端直接出结果，而是把问题分成多个步骤，大模型在中间充当桥梁，每一步都可以检验。
这个思路对想用AI的企业是有参考价值的。不要指望一步到位，先把问题拆解开，看看哪些环节适合用AI，哪些环节还是需要人来把控。
凯联资本的姚宁波提到一个当天早上发生的事：豆包和努比亚手机合作，预装进手机。但当豆包试图读取微信的时候，被微信弹出去了。不到两个小时，豆包就取消了对微信的操作权限。
这件事说明，AI想从辅助工具变成决策中枢，不只是技术问题，是生态问题。现有的平台和应用之间有各自的利益边界，不会轻易让AI来打通。
这也是为什么OpenAI要跟立讯签约做硬件。只有自己做硬件，才能绕开现有的生态限制。
从这个角度看，AI从工具到中枢的这条路，可能比很多人想象的要长。
王斌在最后提到一个观点：AI会加速新材料的研发和迭代，而新材料的突破会推动产业发展，包括AI硬件本身的发展。
他举了二维半导体材料的例子。传统硅基芯片的极限在3纳米左右，但北科大正在研发的二维半导体材料，起点就是1纳米。如果这个材料能突破，芯片性能会有巨大跃升，AI算力也会跟着跃升。
这形成了一个正循环：AI加速材料研发，材料突破提升AI硬件性能，更强的AI又进一步加速材料研发。
听完这场会议，我有一个比较明确的感受：政策对项目的评价标准在变。
以前评估一个项目，主要看团队背景、技术路线、市场空间这些。这些当然还是重要的。
但现在可能还要多关注几个维度：
是不是在卡脖子的领域？是不是有明确的国产替代价值？
有没有完成中试验证？技术成熟度到了什么阶段？
有没有应用AI？有没有数据积累？
这些维度在未来的项目评审中，权重可能会越来越高。
中试这个环节被反复提到，说明它确实是当前产学研体系的一个瓶颈。
国家在推各类中试平台、概念验证中心，就是要补这个缺口。
从我们的实际经验来看，中试平台类的项目，政策支持力度是比较大的。如果你服务的客户在做这个方向，或者你自己想参与这个领域，可以重点关注。
但也要注意，中试平台不是简单的场地和设备，核心是要有帮助科研团队完成工程化的能力。这需要既懂技术又懂产业的复合型团队。
如果你服务的客户想上AI相关的项目，有一个前置问题要先解决：数据准备好了吗？
很多企业对AI的期望很高，但自己的数据基础很差。数据没整理、质量不高、格式不统一。这种情况下硬上AI，效果不会好。
在帮客户做AI相关项目申报之前，先评估一下他们的数据基础，是一个值得注意的点。
基于这次会议的内容，我觉得有几个方向值得关注：
1.电子化学品领域的国产替代项目。这是刚需，政策支持力度会持续。但要注意区分细分领域，有些领域国内已经突破，有些还有明显差距。
2.中试平台、概念验证中心相关的项目。这是解决产学研转化瓶颈的关键环节，政策支持力度会持续。
3.AI+垂直行业的应用项目。特别是AI+新材料研发这个方向，已经有了比较成熟的应用案例。
4.数据治理、数据基础设施相关的项目。这是AI落地的前提条件，很多企业在这方面是有需求的。
核心观点总结一下：
新材料领域，电子化学品的战略重要性被重新定义，国产替代是政策支持的重点方向。
中试是当前产学研转化的关键瓶颈，相关的平台和服务会持续受到政策支持。
AI正在改变项目的评价标准，数据准备是AI落地的前提条件。
AI从工具到决策中枢还有很长的路要走，但在特定领域已经有了成熟应用。
新材料和AI正在形成正循环，这两个方向的交叉领域值得关注。
如果你有什么想法，欢迎留言交流。
你好 Tab Context: - Executed on tabId: 788246893 - Available tabs: • tabId 788246893: "江上行舟者的头条主页 - 今日头条" (https://www.toutiao.com/c/user/token/MS4wLjABAAAAWeMFDpzSOK4hLRUCh_vN3yTAjrbcS5mxAjDh9Sao5xU/?tab=article) • tabId 788246896: "Cloudflare Dashboard | Manage Your Account" (https://dash.cloudflare.com/1dc1fec7ffd9495b87f58bd876d39f64/pages/view/suwen-edu/deployments/new) • tabId 788246899: "云解析DNS" (https://dnsnext.console.aliyun.com/authoritative/domains/suwen-edu.cn) • tabId 788246903: "博客文章 - 素问教育 | 项目申报知识分享" (https://suwen-edu.cn/blog.html)
微信号：FUFU_scoootzzz
获取更多项目申报实战干货