材料是科技產業的基礎，有著「工業之母」的美譽。然而，過去一項材料的誕生，從研發到最終產品上市，平均要花上18年。而如今面對產業迅速變遷，即使是舊有產業的材料應用也出現根本質變，更不用說像是電動車、航太等新興領域，對材料創新需求更加殷切。

例如歐盟就喊出2030年要找出開發輪胎易分解材質的方法、以及達成至少30%廢輪胎回收的目標。長年扮演輪胎製造重要基地的台灣，也因此面臨全新挑戰。

2030年轉眼就要到來，這也意謂在時間限制及可回收的前提下，原有輪胎的抓地力、排水、耐磨性等材料配方，幾乎都要重新來過。尤其輪胎產業安規要求嚴格，台灣不像美國、中國大陸等地域跨度廣的國度，可針對下雪、沙漠、極地等極端地理環境進行模擬，對希望在循環經濟浪潮中迅速站穩腳跟的在地中小企業而言，將是很大的挑戰。

此時若能有一個平台，只要在資料庫輸入特定參數與要求，就能從成千上萬種材料配方中，篩選出少數幾項最可能成功的材料，再透過模擬實驗得出最佳解方，大幅縮短材料研發與產品上市的時程，對許多研發資源與資金不充足的中小企業而言，無疑是很大的福音。

將人工智慧(AI)與材料結合的材料數位基因資料庫平台(MGI/AI)，就是受惠於電腦運算能力大幅提升，與材料理論基礎與數據科學不斷精進的產物。運用材料數位科技的技術，再透過模擬方法協助實驗累積足夠的資料庫，經由機器學習建立正確的預測模型，就能快速找出新材料配方，解決產業界材料研發的大難題。

目前歐美等地已開始重金投入MGI/AI平台，日、韓、大陸等地也急起仿效，希望導入模擬工具與人工智慧，從材料端的研發推動最有效率的改革，大幅降低研發成本並縮短時程。

MGI/AI平台看似抽象，但原理說來簡單：就像目前普遍運用GPS導航系統，尋找前往目的地的捷徑，能快速為材料發展的方向定位，讓研發不至於走冤枉路；又或者可將這個平台比喻為材料界「醫師」，能夠運用斷層掃描，為電子、傳產等各式產業所需的材料望、聞、問、聽，從需求端直接回推出適合材料配方，直接對症下藥。

事實上，美國自2011年起就成立MGI/AI資料庫計畫，政府投入超過5億美元資金，主攻飛機等複合材料。除美國外，日本於2016至2021年間投入100億日圓、歐洲於2012至2022年的十年間推動冶金計畫，鎖定八項重點材料各投入1,500萬至2,000萬歐元，南韓則在四項重點材料項目各投入上看24億韓元，加速進行創新材料的研發。台灣雖起步較晚，但MGI/AI平台若能扣連在地產業與學校的基礎研究研發能量，未來可望發展出接地氣、又有特殊專精的生產聚落。

工研院近年開始將MGI/AI平台導入業界、積極推動跨領域合作，如協助印刷電路板業者在MGI /AI平台上預測PCB板的熱翹曲率，就是產研攜手的案例。客戶只要提出對產品特性的需求，就能在MGI/AI平台的資料庫找出八、九成符合的材料配方，準確預測板材的熱翹曲率，就可克服八層PCB板上銅線、晶片、被動元件等不同的材料，在製程中加溫、加壓引發翹曲的問題，讓產品上市時程更迅速。

我國各地的產業聚落，都各有地域特色與豐沛的研發能量：例如南部以石化、鋼鐵等金屬複合材料見長；中部是工具機、自行車等碳纖維複合材為主。在科技部、經濟部等帶動下，整合產學研力量大型計畫，有望促成MGI/AI研發服務公司(RSC)的出現，找出下一代的產品先機。