11月6日，广州白云国际会议中心，第十四届中国颗粒大会在学会成立四十周年的节点上开幕，大会设置近35个学术分会场和特色论坛，围绕颗粒学前沿突破与研发热点展开交流，参会规模近2000人。粉体圈作为展商、合作媒体，在展台与分会场之间反复穿行的感受是：颗粒学这门以“离散”为研究对象的学科，正在被高度“连续”的AI技术逻辑重新组织，AI不再只是报告PPT里的前景展望，它已经嵌入了从表征到制备、从仿真到控制的颗粒技术链条。

中国颗粒学会成立于1986年，而当时中国粉体工业的主体还是大宗矿物加工与基础化工，颗粒学的研究议程也还集中在流态化、颗粒测量和单元操作层面。40年后的中国粉体工业早已深度嵌入能源、环境、健康、先进制造等战略性领域，颗粒技术也已从粗放走向精细，从“经验描述”走向“精确调控”。最重要的是来到AI技术爆发的当下，本届大会从主会场到分会场的报告也将这抹时代特色渗于其中。

AI结合颗粒技术的亮色与暗斑

清华大学李景虹院士的“AI+Science”报告与澳大利亚新南威尔士大学沈岩松院士关于颗粒—流体反应流系统建模的报告，被安排在开幕式后的核心时段。李景虹近年来反复阐述的一个判断是，AI for Science不是“选择题”，而是科学发展的“必由之路”，其核心价值在于高效合成与精准筛选。沈岩松的报告则指向另一个关键方向：颗粒—流体系统的建模正在从纯机理模型向数据驱动与机理融合的范式过渡。相信在场听众有切身体会，本届大会释放出明确的信号：颗粒学的下一个方法论增量，大概率不在传统研究路径的线性延长线上，而在AI与领域知识的深度耦合之中。在颗粒表征环节，AI图像分析正在把过去依赖人工经验和半定量描述的粒径、形状、颜色参数，转变为可批量量化的数据流。在过程控制层面，群体平衡模型是“骨架”，机器学习代理模型是“加速器”，它们结合验证工业可行路径。以上不仅是报告中的前沿研究，也已经是工业中一个个具体的落地案例。

当然，AI技术仍然有着众多局限，比如报告专家提到的数据集小且不均衡、高保真标注成本高昂、跨批次与跨设备的泛化能力薄弱，以及在精度、可解释性、可迁移性之间的艰难权衡。有报告专家指出，AI在颗粒技术中的瓶颈，很大程度上不在算法本身，而是数据基础设施有待完善，粉体工业范畴下有许多行业长期缺乏标准化、可追溯、跨平台可比的数据架构，都是巨大挑战。

小结

AI要真正从“效率工具”上升为“具备更强功能的帮手”，首先要解决的未必是模型精度，而是上下游之间、设备与设备之间、批次与批次之间的参数关联。中国颗粒大会四十年积淀下来的颗粒学知识体系，是将AI工具纳入包括粉体工业在内众多领域的基石，而作为粉体工业的材料平台、发声媒体，粉体圈也愿认真而持续投身在这一进程中，努力推动上下游产业链的术语、材料、检测等标准与共识建设。

粉体圈 启东