近年来，助力实现碳达峰、碳中和目标是刘中民重点关注的课题。在他看来，碳中和是一个宏大的目标，要求我们极大地削减碳排放。但是，碳排放与我国当前的能源结构和工业结构都有密切关系，能源与化工属于流程工业，新技术的产生要逐级放大，实验室阶段后，要经历中试，然后还要做工业示范才能推广应用，新技术产生的速度慢，产业对技术的需求很迫切。人工智能技术的到来，使得新技术产生的效率大幅度提升。

针对 AI for Science 在化工领域的突破，刘中民称，首先 AI 极大提高了科学研究的效率，加速新技术的产生。他以查阅文献为例称，原来查阅文献可能要花几个月的时间还未必收集全资料，然后要人工研读，读来读去只有一个人可能明白。现在，人工智能可以快速阅读海量文献，用几分钟的时间就能写出一篇文献综述报告，在很大程度上解放人力，让科研人员把更多精力用到创新上。

再比如，新材料的发现也需要人工智能技术，发现一个新的催化剂就是不断试错的过程。在人工智能大数据分析的赋能下，再加之科学理论知识的指导，过程会非常快。

其次，AI 助力研究成果快速落地工厂应用。刘中民表示，“一项技术在实验室成功后，如何快速落地应用，是全世界面临的共同问题，因为这一过程的复杂程度太高了，复杂到数学找不到办法去精准描述，只好使用逐级实验的办法来降低风险。做完小试做中试，再做工业性实验，然后再做工业示范，示范成功了再推广，整个过程可能需要十几年，但是我们实现‘双碳’目标的时间也就几十年，时间太紧迫了。”因此，技术创新需要积极地拥抱 AI for Science，用新工具促进技术快速应用与发展。

近年来，生成式人工智能快速发展，新技术不断突破，新业态持续涌现，为经济社会发展注入了强劲动能。据网信办数据，截至目前，我国完成备案并上线、能为公众提供服务的生成式人工智能服务大模型近200个，注册用户数超过6亿。

“百模大战”打响，并非言过其实。然而大模型要跑起来，更要用起来。从百花齐放到场景落地，科研大模型仍面临诸多挑战。

在2024科学智能峰会上，刘中民介绍了中国科学院大连化学物理研究所在化工大模型领域的新进展，包括智能化工大模型1.0和2.0，以及反应动力学和化工流程自动生成平台的发布。其中，智能化工大模型可实现化工知识的快速检索及化工流程工艺的自主设计和优化，有望缩短化工工艺流程的研发周期，为实验室成果快速走向工业化提供可能。

刘中民表示，化工大模型的建立是比较复杂的，特别是用到工业上，不仅要求具有科学知识、行业规范，同时还有安全要求，是一个综合性的系统，化工大模型的建立需要各方共同努力。“现在大家的积极性很高，难免都去做，但信息化人工智能是数据驱动的，每个人都掌握了少量数据，做出来的模型可能没有用，我们需要联合起来，搭建一个能够支撑整个行业发展的大模型，这是一个逐渐交替发展的过程，不能操之过急。”

下一步，我国将坚持统筹高质量发展和高水平安全，推动人工智能领域的产业应用、技术进步与安全保障，积极引导应用落地，赋能行业发展。充分发挥我国超大规模市场优势，促进人工智能技术在工业等领域落地应用，激活人工智能技术赋能实体经济发展的作用，合力推动人工智能在传统行业领域应用取得更大突破。