Polymerize 的人工智能模型会依据输入的特定成分来进行预测，并且会训练反向模型，以便能够根据客户的需求来推荐配方。
采写丨南都·琶洲π记者 魏凯
图片丨受访者提供
人物名片：
酷纳·桑德普（KunalSandeep）
上海泊俐美徕科技有限公司联合创始人、首席执行官
在人工智能时代，数据是企业很宝贵的资产之一。企业获得相关数据后，能够发现业务流程中的问题痛点，也能发现研发过程中的问题痛点。还可以最大程度地进行优化改进，降低错误。这样就能更好地参与市场竞争。
然而在传统化工领域，人工智能对常见业务流程的改造尚未开始。许多公司在化工材料研发时仍采用传统方式，即把数据存储在硬盘和个人电脑上，以 excel 的形式进行数据更新，通过爱迪生试错法不断进行实验。
这种差异使得工程师库纳尔·桑德普（KunalSandeep）察觉到了创业的机会。2020 年，在某一场会议里遇见了合作伙伴 AbihijitSalvekar 博士后。他们决定在新加坡创立 Polymerize 公司。通过引入材料信息学的方法，来打造一个属于化工行业的垂直类人工智能平台。借助这个平台所提供的算法和定制化模型，化工企业能够减少试错的次数，以更高的效率完成新材料的研发工作。
今年的琶洲算法大赛中，Polymerize 以海外选手的身份参与竞赛。它从全球 36 个国家的上千支参赛队伍里顺利脱颖而出，获得了 AI 赛题组的冠军。公司的联合创始人兼首席执行官酷纳也获得了琶洲领军算法师的称号。这一成绩给予了他很大的信心。在接受南都·琶洲π记者采访时，他希望未来有更多中国化工企业能借助 Polymerize 的平台，开展更高效的新材料研发工作，以助力企业更好地发展。
帮客户企业节省了40%研发成本和80%研发时间
酷纳在解释为何会专注于人工智能在化工领域的垂直应用时，称这与自己以及另一位联合创始人的专业背景有关。
这位有过多次创业经历的工程师酷纳擅长搭建平台和编写代码。另一位联合创始人是新加坡南洋理工大学材料学博士 AbihijitSalvekar，他的专业背景是材料学。
两人在 2020 年新加坡的一次会议上碰面。之后他们决定联合各自的专业所长去做些事情。做一个化工行业垂直领域的数字化平台的想法诞生了。这一年的 5 月份，创业公司 Polymerize 在新加坡正式成立。
在前期创意想法进行落地实践的时候，他们找了日本的一些小型化工公司以及印度的一些小型化工公司，对它们的新材料进行小规模试用。通过这样的试用，验证了这个方向是可行的，即通过平台的算法以及专业材料信息数据库确实能够加快企业的材料研发过程。在前期的成功案例里，Polymerize 帮助了日本一家在弹性密封件市场处于领先地位的企业，使其节省了 40%的研发成本，并且节省了 80%的研发时间。之后，两人持续对平台进行升级迭代。接着，他们逐步将这一新技术推广到聚合物领域。随后，又推广到涂料和油漆领域。接着，推广到橡胶领域。之后，推广到包装领域。再之后，推广到新能源领域。最后，推广到半导体领域。
酷纳称，当下公司已能给客户提供 PolymerizeConnect 和 PolymerizeLabs 这两种产品方案。其中，前者能够助力化工企业在材料研发进程中实现全流程的数字化管理，客户可以较为直观且快速地完成研发数据的分析，还能直接生成和进行对比报告。后者是一个基于云端的材料信息学平台。客户能够对研发过程进行全流程数字化管理。客户还能进一步使用定制化模型进行更为全面的分析和预测。
前期进行商业开拓后，Polymerize在日本和印度设立了办事处。同时，在欧洲和韩国也顺利展开了业务合作。2024 年，Polymerize 在上海成立了全资子公司上海泊俐美徕科技有限公司，从而正式进入中国市场。目前，在全球范围内已有 80 多个客户企业。
上海成立子公司这一举措展示了对中国市场前景的看好。酷纳认为，未来公司能够通过与国内化工企业紧密合作，从而为中国市场提供更具个性化和专业化的解决方案，以满足国内不同产业日益增长的研发需求。
当前，医疗、电动车、能源、循环经济等行业正快速发展，不断涌现出对高性能材料的需求。例如，电动汽车需要具备绝缘、轻质、耐用且廉价的材料。这就使得化工新材料企业必须更快地研发并推出新品。如何能够快速找到满足市场需求的材料配方，也成为了迫切的需求。而这为 Polymerize 的业务打开了一片蓝海市场。
希望通过政府部门牵线更好在国内推广业务
在 2024 年琶洲算法大赛中进入总决赛且获胜并被评为琶洲领军算法师，酷纳认为这一荣誉对 Polymerize 公司和自身是极大的肯定。获得该荣誉，一方面有利于公司在国内继续开拓市场，另一方面也能让自己更好地获得政府部门的指引与帮助。
他认为，能够胜出的重要原因有两点。其一，公司成功找到了将算法与聚合物以及材料学的相关领域知识相结合的方式；其二，公司找准了当前化工企业传统研发过程的痛点。
在传统的爱迪生试错法研发模式里，化工企业得通过重复进行实验以及持续地测试去找到正确的答案。此过程需要耗费大量的材料，并且要投入很多时间。研究过程还依赖研究人员的直觉以及经验。这使得研发的经济成本和时间成本都很难满足当下社会经济对新材料的需求。
引入算法和材料信息学后，研究人员通过分析初始研究数据，能在算法指导下更快排除无效错误的潜在方向，更迅速找到可行实验途径，这样能节省经济成本和研究时间。同时，算法可自动从保留的历史实验中学到知识，并在下一步研究中加以应用，为后续研究继续提升效率。
目前 Polymerize 凭借这一创新的算法和平台，在国内众多算法比赛中持续取得出色成绩。它在琶洲算法大赛中表现优异，同时还在由中国德国商会和华为云共同举办的 AHK 创新之夜活动中荣获第一名。并且，公司在化工行业的专业展览活动中也逐渐崭露头角，使更多中国化工企业知晓了人工智能算法在产业内的应用。
Polvmerize 积极参与国内相关算法大赛，并且参与产业展览，目前在中国市场上不断取得新进展。
酷纳告知南都·琶洲π记者，目前公司正与国内部分公司进行积极商谈试用事宜。由于商业保密的缘故，暂不能透露客户的姓名。然而，试用效果已带来诸多积极信号，许多客户在试用后已正式签约，且客户留存率近乎百分之百。公司目前在增加投资，目的是更快地响应客户需求。同时，公司也在对内部的产品架构和设计流程做进一步优化。基于此，他对后续国内市场的开拓持积极态度，尤其在新能源和电池领域的拓展方面。
