Newshot 在特种化学品行业以 AI 创新
与 Infosys 合作
当企业寻求借助人工智能、云计算和高级建模加速创新时，首要挑战在于将新技术与可靠数据、科学专业知识以及将产品推向市场的现实情况连接起来。对特种化学品制造商 Lubrizol 而言，数字化转型的核心就是为研究人员提供工具，使他们能更快验证想法、做出更明智的决策，并在不牺牲性能的前提下开发更可持续的材料。
Girish Rao 是 Lubrizol 信息技术副总裁，他表示公司正在构建一个数字基础，将业务流程、现代数据平台和云基础设施连接起来，以支持其研发（R&D）团队。他们的目标是将数十年来积累的技术数据，与化学家和工程师的深厚专业知识结合起来——这些人既了解客户需求，也了解其工作中的物理限制。数据科学家可以帮助识别模式、检验新假设，并在研究人员进行物理实验之前对可能性进行建模。但 Rao 强调：“这并不是要取代科学判断；而是要为我们科学家提供更好的工具。”
科学家、数据科学家和 IT 团队从不同角度处理问题，分别优先考虑实验有效性、模型性能以及平台安全性和可扩展性。通过将这些团队汇聚到“融合团队”中，Lubrizol 使他们围绕共同目标协同一致，并从小的试点项目开始建立信任。
“一旦团队成员之间建立起信任，并且他们知道自己将要创造什么价值，” Rao 说，“事情就会顺利得多。”云基础设施还使公司能够灵活获取计算资源和现代工具，而无需进行建设和维护自有数据中心所需的大规模投资。
这些能力在推进可持续发展方面可能尤其有价值。数字建模可以帮助研究人员评估更多配方，探索淀粉和玉米基替代品等材料，并评估产品整个生命周期中的权衡取舍。在实验室中展现出有前景的材料只是第一步。在满足性能预期、监管要求和财务约束的同时扩大生产，仍然像是在走钢丝，但 AI 对多个变量进行建模的能力可以帮助团队应对这些相互竞争的需求。
展望未来，Rao 预计，随着实验室变得更加智能、制造工厂更加高效，AI、自动化、高级建模、数字孪生和互联数据将趋于融合。他认为，机会在于以负责任的方式大规模整合这些能力。“这不仅仅是单一技术。我认为这是所有这些技术的组合，而连接所有这些流程的能力将产生海量数据。”
本网络直播与 Infosys 合作制作。
本内容由 MIT Technology Review 的定制内容部门 Insights 制作，而非其编辑团队。内容由人类进行研究和撰写，可能使用的任何 AI 工具仅限于在人工监督下的生产流程。