创材深造创始人兼 CEO 王轩泽在「AI x Science 论坛」分享了主题为《AI + 金属材料：更适合产业落地的方向》的相关内容 ， 就 AI 产业落地过程中可能遇到的问题进行了讨论 ， 包括精度陷阱；行业壁垒并非技术 ， 传统大厂转型自研；某些 toB 领域存在的一些问题；黑盒性质严重 ， 客户不认可 ， 短期内取代不了关键岗位人员；算法效果惊艳但落地艰难等精彩观点 。
王轩泽介绍说 ， AI 赋能金属材料的产业化 ， 可以有效的规避或解决上述 AI 落地中的难点问题 。 从另一方面讲 ， 高端金属材料是一个经常被忽视的市场 ， 随着产业升级和战略转型 ， 国产化替代的需求被迅速放大 。 高端金属领域最主要的难点在于过长的研发周期和过大的研发投入 ， 因此使用 AI 赋能新材料的研发成为了弯道超车的最优解 。
脑陆科技创始人兼 CEO 王晓岸女士做了题为《基于 AI 的脑机技术助力更广泛的社会价值与机理发现》的演讲 。
脑科学以阐明脑和神经系统的工作原理和机制为目标 。 演讲指出 ， 随着人工智能技术取得突破性进展 ， 脑科学的巨大潜力再次受到科学界的高度重视 。 自 2019 年以来 ， 与 AI 的结合推动了脑核磁成像、脑机接口等技术在应用层面的飞速发展 ， 为脑疾病诊断与治疗、精神与睡眠健康管理、娱乐交互、安全生产等行业提供了新的解决方案 。 未来 ， 产学研届将共同发现越来越多大脑机制 ， 并普惠服务更广泛的人群 。
清华大学智能产业研究院（AIR）助理教授黄文炳博士的演讲主题为「AI×Science 论坛」做了题为《GNN for Science: Graph Mechanics Networks》 。 他介绍了人工智能结合物理学中多体问题的应用 ， 解读了一种全新的图神经网络——图力学网络 GMN ， 这种网络将物理定律融入到图神经网络的构建当中 ， 初步探索了数据驱动和知识驱动结合的优势 。 同时 ， 他还解释了 GMN 在物理、生物医药方面的应用 。
黄博士指出 ， 已经有越来越多的人工智能方法 ， 在解决传统自然科学等问题上大放异彩 ， 未来可以更多关注如何将现有数据驱动的机器学习模型和基础科学领域的知识进行结合 。 当然 ， 目前仍然处于一个比较初始的探索 。
机器之心后续将在 B 站上传回放视频 ， 也会把嘉宾演讲内容整理成文字发布 ， 欢迎大家关注 。
【时在中春，大咖论道：机器之心AI科技年会干货集锦在这里】回放观看地址：https://space.bilibili.com/73414544