上海市数据局推出“数商企业优秀数据产品”系列案例，为上海数商企业产品创新和供需对接提供参考。本期聚焦上海青翼工业软件有限公司(简称 "青翼工业软件")开发的新材料产品全生命周期研发数据智能解决方案，推动新材料研发从 "经验驱动" 向 "数据驱动的智能化决策" 转型。
新材料产业是战略性、基础性产业，也是上海重点布局的先导产业之一。长期以来，企业的研发知识大多沉淀在工程师个人的经验里 —— 配方、实验、检测数据分散在 ELN、LIMS、纸质记录及个人设备中，格式不一、编码各异。一次实验结束后，除了当次结果，企业往往留不下可复用的组织能力：工程师一旦流动，多年试错的成果随之流失。与此同时，传统 "试错法" 研发模式下，一个配方周期往往长达数周甚至数月；实验与检测数据链路不通，结果需人工整理后再反馈，单次迭代耗时数天，闭环难以形成。
在制造业数字化转型不断深化的背景下，研发环节的数据价值释放正成为新材料企业关注的焦点。青翼工业软件依托二十余年在制造企业研发数字化领域(PLM)的积累，将行业知识体系、企业研发数据与研发管理方法论及AI技术相结合，打磨出面向新材料，特别是半导体与生物新材料行业的研发数据智能解决方案。
据介绍，该数据智能体产品以企业研发过程中产生的配方、原料、实验、检测、工艺、质量等多源异构数据为对象，通过系统的数据采集、清洗、结构化治理与跨业务关联建模，构建覆盖 "产品全生命周期" 的研发数据治理与智能应用体系。其核心在于三项能力：
一是数据标准化治理，按照 "材料 — 配方 — 实验 — 工艺 — 性能 — 目标" 六层数据模型，将分散的实验数据清洗、编码、结构化归集，建立企业级研发主数据体系，实现跨系统、跨环节的数据贯通；
二是知识图谱化沉淀，对历史配方、实验记录、检测报告、工艺参数进行关联建模，围绕研发关键场景构建轻量、可独立运行的知识单元，把隐性经验显性化、离散数据体系化；
三是智能模型持续训练与迭代，基于结构化数据底座与知识图谱，采用 RAG 检索增强生成、轻量预测模型、贝叶斯多目标优化等算法，训练配方推荐、性能预测、合规预筛等专用模型，并通过实验反馈数据驱动模型迭代，形成 "采集 — 加工 — 建模 — 应用 — 反馈" 的数据闭环。
具体来看，该智能体主要适用于三类场景：
一是配方开发，基于历史配方与实验数据智能推荐高潜力方向，辅助工程师快速缩小筛选范围，让失败案例也成为模型训练资产；
二是实验与检测，实验方案自动关联历史数据，检测结果实时反馈并触发迭代分析，构建 "检测→分析→迭代" 的半自动闭环；
三是质量与合规，实现全链路质量数据贯通、异常趋势预警与根因追溯，法规标准自动校验，降低合规风险。
此外，该产品还可支撑需求管理、工艺开发、产品迭代等研发全流程环节。
据青翼工业软件相关负责人介绍，青翼新材料数据智能体在技术、模式与机制等方面均实现了创新突破。技术方面，以 "产品研发视角" 重构实验数据模型，区别于传统系统仅记录单次实验事件的做法，采用 "RAG 检索增强生成 + 轻量预测模型" 双轨架构，并基于领域微调的大语言模型构建实验交互、原料与配方筛选、实验规划与优化、迭代学习等多个专用数据加工智能体，形成 "感知 — 决策 — 执行 — 反馈" 的分层架构；模式方面，形成 "数据积累→知识沉淀→智能推荐→自主决策" 的渐进式数据智能服务路径，尊重企业数据积累水平与人员信任建立过程，每个阶段投入均有切实回报；机制方面，构建覆盖 "采集 — 加工 — 建模 — 应用 — 反馈" 的全生命周期数据闭环，以业务事件驱动数据加工自动运转。
对比数据显示，智能体方案投入实际运行以来，有效破解了传统研发中数据分散、研判主观、迭代迟滞、合规靠人工等痛点。经数据治理后，企业研发数据贯通覆盖率提升至 90% 以上，数据查询效率提升 60% 以上；配方开发试错成本降低 40% 以上，知识复用率实现数倍提升；实验与检测环节形成半自动闭环，研发周期缩短 30% 以上，常规迭代中大部分无需人工介入。在已落地的生物材料行业客户中，配方方案制定时间从天级缩短至小时级，实验规划效率显著提升，研发知识的组织化沉淀能力明显增强。据悉，该智能体产品已在生物材料、高分子材料、合金材料、电子材料等领域十余家新材料企业落地应用，累计沉淀结构化配方数据超万条、实验记录数万份。
青翼工业软件是专注AI+工业软件的高新技术企业，是国家级专精特新 "小巨人" 企业，累计服务制造企业超过 3000 家；公司数据相关业务团队近 50 人，核心算法模块均为自主研发，已形成软件著作权等知识产权布局。未来，将依托在 AI+PLM 领域积累的平台能力，把数据智能应用从新材料逐步延伸至更广泛的制造业研发场景。(完/供图)
注：请在转载文章内容时务必注明出处!
编辑：罗嵛月
