【环球网科技综合报道】在第二十三届中国国际化工展览会（ICIF China 2026）上，枫清科技重点展示了其AI赋能科研的核心平台，这也是公司AI4S（人工智能驱动科学研究）能力的集中体现。
依托与链主企业的深度合作，该平台打通科研任务自动拆解、科研图谱智能构建、小试智能体赋能、数字中试与工艺优化的完整链路，帮助化工材料研发企业实现“科研—生产”闭环，缩短新材料从实验室走向量产的周期。
在科研端，平台构建了完整的科研数据管理模块，可从大量外部文献中高效抽取配方数据、工艺流程等关键信息。枫清科技创始人兼CEO高雪峰举例道，在配方优化案例中，某客户初期仅有几十条配方数据，枫清科技通过文献抽取模块从大量文献中获取指定领域配方，再结合化工专家对公开数据集的专业清洗、标准对齐与单位统一，最终奠定AI项目落地的数据基础。
在模型体系上，平台采取“机理模型+数据双驱动、大小模型联动”策略：一层是面向化工材料发现的行业蒸馏模型，支持高通量筛选候选方案；另一层是在工厂与产线中，针对具体设备将传统机理模型与实际数据融合，搭建物理信息神经网络（PINN）等模型，实现产线精准模拟。此外，平台还集成了文献调研、分子设计、工艺仿真、实验规划等多个专业智能体，各智能体协同作业，形成类似"AI研发团队"的多智能体协同架构，覆盖从分子设计到工艺放大的完整科研链条。
枫清科技此次还在展会上展示了企业级智能体平台、智能虚拟工厂解决方案及企业智能经营分析系统，三款产品分别覆盖企业全流程智能化、生产运营升级与跨域决策支持，共同构成公司面向化工企业的完整AI产品矩阵。
支撑这一平台的底层技术，是枫清科技“知识引擎+大模型”双轮驱动的技术架构。高雪峰表示，大模型落地产业普遍面临幻觉、可解释性不足和数据安全三大难题。枫清科技以自研的图与向量融合知识引擎为核心，针对化工企业场景中的公开数据与内部私有数据，建立统一语义层，将企业自有产业数据作为“基准事实（Ground Truth）”约束模型推理，并通过计算过程知识库和可视化智能体流程，实现分析过程可见、结果可追溯。
以工艺优化为例，枫清科技以Skill方式集成了原本散落在Excel、国标、行标PDF中的化工计算公式与关键系数，构建精准计算智能体。用户以对话方式提出需求，智能体即按准确系数与正确公式逐步计算，中间步骤与中间结果清晰可见，最终结果与熟练专业人员手动计算一致，且随时可复核查验。“不只是给出一个答案，更能说清楚为什么这1000个候选配方里，另外900个行不通——推理过程摆在那里，结论才站得住。”高雪峰称。
枫清科技坚持以小场景切入，先跑通一个业务场景，让客户看到可量化的回报，再横向复制到其他产线。业务系统打通方面，枫清科技以专业轻咨询的方式梳理客户场景与业务逻辑，识别必要的打通范围，再提供技术能力协助对接DCS、LIMS等化工企业常见系统。
在科研与生产之间，枫清科技重点搭建“数字中试”嫁接环节。高雪峰解释，很多实验室研发出的高分子聚合物材料因中试环节无人承接而无法量产，数字中试先在虚拟环境中对小试结果进行筛选，过滤掉大量不可能中试的方案，剩余方案再进入实体中试，大幅节约成本。他透露，数字中试已开始分步实施，预计最早在2027年底有产品真正进入行业视野并投入使用，随后通过持续闭环迭代逐步成熟。
商业化上，枫清科技采取“链主深耕+园区复制”模式，与头部链主企业共建AI赋能新材料科研联合实验室，在平台之上沉淀上千个智能体能力；同时成立合资公司枫桦智能，将AI4S平台嵌入化工园区，合资公司已在东营港落地运营，后续将布局河南濮阳、连云港等化工园区。（南木）