人工智能技术已被广泛应用于生物、医疗、工业等各领域。新材料产业周期长，情况复杂，打通材料科学和工程应用的链条需要多方协同发展。AI赋能材料科学，有助于打通新材料产业从研发到产业化的全链条。
使用人工智能技术的材料研发，能够在物性预测和新材料研发过程中，基于更强的数据分析能力，同时利用机器学习算法，自动优先选择最能提供实验合成和测试所需信息的化合物，简化材料科学家耗费在数据分析、大规模文献查阅和实验等工作上的时间
传统的材料研发模式，以实验和经验为主。2011年美国提出“材料基因组计划”（Materials Genome Initiative, MGI），旨在解码材料的不同组成成分和性能的对应关系，通过结合计算工具平台、实验工具平台和数字化数据（数据库和信息学）平台，借助高通量计算、大数据、人工智能等技术，有效整合现有的材料研究力量和设备，将高通量实验工具的效能发挥最大，以缩短材料研发周期和研发成本至少50%。
2016年Nature发布了哈佛福德学院和普渡大学的研究成果，科研人员利用机器学习算法，用“失败”的实验数据预测了新材料合成，意味着机器学习将改变传统材料发现方式。通过计算机建模和人工智能（机器学习）技术，根据所需要的性能预测候选材料，从而加快新材料的研发速度和效率，降低研发成本。
美国宣布“材料基因组计划MGI”后，欧盟、日本、韩国和俄罗斯等也迅速启动了类似的研究计划，争取在新一轮材料革命性发展中抢占先机。
中国科学院和工程院在开展了广泛咨询和深入调研后，科技部于2015年启动了《材料基因工程关键技术与支撑平台重点专项实施方案》，开展材料基因工程基础理论、关键技术与装备、验证性示范应用的研究，布局了示范性创新平台的建设。政府、高校和企业的积极参与和持续投入，为我国材料基因工程的可持续发展奠定了良好的基础。由于中国市场广大，技术与场景的深入融合仍有很大空间，端到端的产品覆盖和数据触达能力需要AI企业进一步落实。材料行业应用场景与AI深度融合的趋势下，人工智能将不再是单点替代的形式，而是真正融入到材料产业的研发、制造、供应链等各环节中，推动材料产业的研发、工艺、流程等核心业务的高效创新。
据工信部数据，2025年中国新材料产业将达到10万亿市场规模，复合增长率达13.5%，到2035年我国新材料产业的总体实力将跃居全球前列。其中AI技术对材料科学赋能的关注度明显上升，AI材料科学相关技术的迭代速度也明显加快。
2020年至2025年，中国AI材料科学CAGR预计将达36.76%，材料企业将逐步采用材料基因组模式进行新材料研发，以替代传统研发模式。长期来看，中国AI材料科学或达到万亿市场规模。