摘要:材料基因组工程的高通量计算、高通量实验和数据库建设,为人工智能(artificial intelligence,AI)赋能材料科学提供了数据与平台基础。从材料科学与力学、计算科学、自动化和工程科学交叉融合的视角,界定材料/力学信息学(AI for materials and mechanics,AI4M2)的内涵,梳理材料设计、微观组织表征、工艺优化、力学建模、自驱动实验和科研智能体等方面的进展。AI4M2的“硬基石”是人工智能实验机器人、高通量平台、智能表征装备和自驱动实验室,“软基石”是人工智能算法、多尺度计算、科学大模型、数字孪生与科学软件;数据基础设施贯通2 类基石,科研智能体连接模型、工具、实验和工程场景。针对高质量数据不足、模型物理可解释性和跨尺度泛化能力有限、实验闭环与自主软件装备薄弱以及复合型人才短缺等问题,比较国内外代表性实践,并提出统一数据标准与接口、建设共享中试级智能实验平台、发展可验证的自主软件工具链、以重大工程场景组织示范和完善本硕博贯通培养等可实施路径。