中國科學院東莞材料所汪衛華院士團隊，用人工智能重新走了一遍材料研發的路。傳統軟磁材料的開發，靠的是一代代科研人員的經驗積累和反復試錯，周期長、成本高、性能瓶頸難以突破。汪衛華團隊換了一種打法：將AI技術嵌入成分設計、性能預測、工藝優化的全鏈條，讓機器來“算”出*優解，再由實驗室驗證，交給工廠量產。近日，汪衛華團隊實現自研高頻軟磁納米晶合金量產交付。

團隊以FeCoMoBSiNbCu極細納米晶合金為基礎成分，引入AI輔助成分設計模型，對海量成分配比進行精準篩選，大幅壓縮了傳統研發中*耗時的試錯環節。在此基礎上，團隊還開發了材料科學智能體MatChat，進一步提升成分優化的效率；同步引入AI模擬仿真技術，對制備工藝參數進行系統優化。

這種“先算后做”的研發范式，破解了傳統材料領域長期面臨的三大痛點：研發周期長、試錯成本高、性能優化難。

技術驗證之后，團隊走出了更關鍵的一步：產業化。

團隊研發的JSN系列高頻納米晶軟磁合金，已完全掌握生產制備及后處理技術，并通過實驗室多維度測試和中試規模化驗證，核心性能指標達到行業*水平，成功實現量產交付。

目前，該系列產品已進入三星、比亞迪、威邁斯、臺達、光寶集團等企業的供應鏈，并與鉑科新材、風華高科、大疆等機構建立合作，帶動下游新增產值超億元，預計年銷售額千萬元以上。

在應用場景上，JSN系列材料已落地新能源汽車車載共模電感，作為新一代核心材料，提升車輛抗電磁干擾能力；同時進入中子散裂源強流質子同步加速器的磁合金加載腔，應用于國家重大科技基礎設施。

值得關注的是，這項成果背后的研發邏輯：先鎖定產業需求，再倒逼科研突破。

汪衛華團隊將這一路徑概括為“以用促攻”：不是先做出新材料再找市場，而是帶著市場問題進實驗室，用AI工具加速找到答案。這種方式，使科研產出與產業應用之間的轉化鏈條大幅壓縮。

團隊表示，下一步將持續深化AI在材料研發中的應用，建設中試基地推進規模化生產，并加快芯片集成電感、高速電機、高鐵牽引系統、AI超算中心電源模塊等新領域的技術布局。