人工智能：锂电池技术创新“新风口”

人工智能赛道如火如荼，下一个“风口”正刮向动力电池。

近日，据外媒报道，韩国电池供应商LG新能源将利用人工智能为其客户设计电池。据悉，该公司的AI系统可在一天之内设计出符合客户要求的电芯。LG新能源方面表示，这项技术的最大优势在于，无论设计人员的熟练程度如何，都能以一致的水平和速度完成电池设计。

今年3月，宁德时代董事长曾毓群在接受媒体采访时也表示，宁德时代设立的香港研发中心最主要聚焦于AI for Science（人工智能驱动的科学研究）。他称：“挖掘新能源材料、体系和应用方案的AI都是要聚焦做的事情。”

人工智能赋能下，动力电池产业或许也存在被“颠覆”的可能。

AI赋能开始显露雏形

过去一年多来，人工智能对动力电池设计研发、生产制造、控制管理等全链条的赋能开始显露雏形。

今年1月，微软量子计算团队与美国能源部下属实验室合作，微软提供的Azure Quantum Elements（AQE）平台，将高性能计算和人工智能及最终的量子计算结合在一起，是一款专为化学和材料科学发现而定制的工具。研究人员向AQE询问锂用量较少的电池材料，它很快就推荐出3200万种不同的潜在材料，并很快将名单缩小到23种，其中5种是已知材料。最终，团队锁定了一种候选材料简单地称之为N2116。

据介绍，该材料可用来制造固态电池，比当今使用液体电解质制成的锂离子电池更安全。研究团队表示，整个筛选过程只花费80个小时，如果使用传统方法获取这些信息，将耗时超过20年。

去年12月，谷歌DeepMind在Nature（自然）期刊上发表文章称，新研究的一种材料发现工具，发现了220万种理论上稳定的新晶体材料，可应用于能源、通讯和传感等领域。

今年，一家人工智能技术驱动的动力电池厂商Chemix，完成高达2000万美元的A轮融资，并表示将利用这笔资金继续专注AI算法为电动汽车制造商设计和优化新型电池的开发与制造。

国内方面，以宁德时代为代表的动力电池企业也正积极探索相关应用。去年12月，宁德时代宣布将在香港设立国际研发中心。作为全球最大的锂电池制造商，宁德时代的研发策略无疑有着“风向标”式的意义，AI驱动的研发正在成为锂电池技术创新的突破口之一。

宁德时代在2020年创造性地提出“电池极限制造”概念，即在整个电池制造过程中，追求效率、品质、成本的“极致”。3年来，宁德时代不仅形成了电池的极限制造体系，并且不断探索人工智能融合下的电池极限制造的下一步进化。宁德时代首席科学家吴凯表示：“进入TWh时代，意味着动力电池的产量将达到惊人的万亿级别，这对电池制造能力和水平提出更高的要求。随着新一轮科技革命孕育兴起，电池极限制造将迎来新的发展机遇。宁德时代仍然希望能够向零缺陷率更进一步。而计算机视觉、机器学习、云计算、大数据等AI技术是继续提升极限制造体系的关键手段。”

2023年世界动力电池大会主论坛上，中国科学院院士、清华大学教授欧阳明高提出，要用电池全生命周期智能化应对动力电池产业新挑战。论坛同期，欧阳明高院士课题组的孵化企业——昇科能源发布全球首个电池AI大模型PERB2.0。

如何打造“梦幻联动”

动力电池作为新能源汽车的“心脏”，它的技术发展直接影响整车性能。近年来，行业坚持对动力电池的不懈研发，致力于提高单体能量密度、快速充放电、安全性、循环寿命、适应性及兼容性等，并在固态电池领域取得了一系列进展。

某动力电池企业负责人邹文光（化名）向记者表示，人工智能技术可以应用在动力电池设计研发、生产制造和全生命周期管理等各个环节，尤其是设计环节，在配方开发领域有望大显身手。

磷酸铁锂电池凭借成本、安全及循环寿命等方面的优势撑起新能源汽车市场的半壁江山。为更有效地提升电池能量密度，行业在磷酸铁锂的基础上引入锰元素，同时由于铁离子与锰离子半径相近，二者可实现原子级别混合，进而得到优势更为明显的磷酸锰铁锂。但在锰离子和铁离子混合的过程中，二者的比例关系成为最关键的难题。

据介绍，电池设计通常需要大量时间，并且设计人员的专业熟练程度至关重要。以往，电池单元设计往往需要经过多次迭代才能满足客户的规格要求，人工智能的引入将大大简化电池设计流程。“过去，我们研发动力电池都是一次次实验反复地做，但随着AI技术的赋能，现在电脑可以直接调配方。在生命周期管理方面，大数据还可以帮助诊断故障、延长寿命，这将大大提高电池研发和管理的可靠性。”邹文光说道。

一家汽车软件公司的AI工程师赵日希（化名）向记者举例：“一款电池在研发过程中，要经过大量的试验以获得性能数据。从这一堆数据中，我们会挑选出性能指标更优的方案，而未来这一过程就可能被人工智能所替代。”他认为，AI强大的计算和分析能力正在为电池制造带来巨大变革，从材料选型与电极、电芯设计，都可以帮助企业控制成本投入，缩短研发周期。

欧阳明高指出：“锂电下一个10年的技术竞争核心在于材料，而人工智能正在改变材料的研发范式，将大幅度加速全固态电池的研发速度。”固态电池被认为是锂电池的终极形态，有望实现对液态锂电池的完全替代。进入AI时代，动力电池企业纷纷抢抓这一机遇，借助这一新工具攻克固态电池技术，试图“换道超车”。当前，国内锂电池厂商在应用计算机模拟仿真开展研发，行业涌现出迈高材云、易来科得、储慧智能等提供研发仿真软件及解决方案的创业公司。其中，易来科得和储慧智能还分别与比亚迪、宁德时代建立了合作关系。

AI应用将迎“窗口期”

人工智能在动力电池领域的应用前景令人充满期待，但在赵日希看来，就如今的AI技术发展现状而言，企业并不能太依赖于此。“现在的AI智能更多像是模仿人类行为的‘小朋友’，还不能与人类的逻辑同日而语。人类如何赋能电池产业，人工智能也将是同样的路数，从大规模应用角度来看，AI还没有展现出更大的创造性。”他称。

一家整车企业的动力电池研发人员也对记者直言：“人工智能在电池领域的应用并不广泛，目前多为辅助设计工具，应用场景不多，可用性也不好。一些通用的大数据处理会用的比较多，但这并不属于当红的AI技术。”

在2024年赛迪论坛上，全国政协经济委员会副主任苗圩针对人工智能表示：“现在中国有超过100个大模型，但算力参数与美国相比，差距被逐渐拉大，其中很重要一个原因，就是美国政府对英伟达芯片的限制。所以，不能一味去追求大算力、大模型、大数据这些热点，这只会导致中国企业盲目跟跑。我们与美国不要‘打篮球’，要学会‘下围棋’，要在技术相对落后的情况下，通过大模型赋能制造业，赋能各个具体的领域，推动人工智能的应用落地，实现差异化发展。”

对于人工智能的应用，中国企业要做“理性乐观派”。尽管AI大模型出现时间不长，应用还不算普遍，但业内人士认为，今后5年将是AI技术大量应用的“窗口期”，无论在自动驾驶还是动力电池领域，AI技术的应用都是大趋势。

邹文光表示，AI模型有不同分类，有通用的基础大模型，也有针对某个具体领域、应用场景的垂直大模型，其最大的差别就是训练时“投喂”的数据不一样。经过训练的垂直大模型，针对分析的结果精度会更准确，比如一个英语单词，分别在医学字典与计算机字典查阅，翻译结果可能就存在较大区别。

目前，国内电池企业对于AI技术的训练和使用仍在起步阶段，大部分还是利用现成模型“投喂”数据训练，很少完全自研开发模型。“坦白说，外国在AI技术方面仍较为领先，但我们的应用场景更丰富、落地也更快更广，有望在应用上率先取得成果。”邹文光表示，未来AI技术在汽车产业的应用将不仅局限于自动驾驶和智能座舱，还将渗透到开发、制造、销售、售后等各个环节。