中國儲能網(wǎng)訊：從2024年年初ChatGPT掀起熱潮，到今年以來DeepSeek一直位于話題中心，當算法開始轉(zhuǎn)動方向盤，當大數(shù)據(jù)重塑生產(chǎn)線，一場靜默的變革正在汽車產(chǎn)業(yè)深處奔涌。從設(shè)計圖紙上的AI輔助建模，到車間里機器人手臂的毫米級焊接；從供應(yīng)鏈網(wǎng)絡(luò)的智能調(diào)度，到用戶手機上實時跳動的電池健康度——人工智能正在成為重構(gòu)汽車產(chǎn)業(yè)鏈的新動能。就讓我們一起解碼AI如何讓傳統(tǒng)的汽車產(chǎn)業(yè)鏈、供應(yīng)鏈長出“智慧大腦”，見證行業(yè)如何面對AI賦能帶來的新機遇與新挑戰(zhàn)。
1年前，ChatGPT強勢來襲。它的橫空出世，讓很多人意識到人工智能大模型的無限潛能。但這顯然不是AI掀起的最高浪潮——前不久，DeepSeek“火”了起來，以其高度智能化、多模態(tài)處理能力、高效性與可擴展性、持續(xù)學習與進化以及安全性與低成本等特點，展現(xiàn)出廣闊的應(yīng)用前景。
人們常說，強強聯(lián)合會碰撞出絢爛的火花。AI擁有強大的計算與推理能力，固態(tài)電池是當前汽車產(chǎn)業(yè)鏈上最難攻克的技術(shù)挑戰(zhàn)之一。AI用于固態(tài)電池研發(fā)，能迸發(fā)出怎樣的“火花”呢？
2月15～16日，第二屆中國全固態(tài)電池創(chuàng)新發(fā)展高峰論壇在北京召開。本屆論壇設(shè)置“人工智能賦能全固態(tài)電池研發(fā)平臺升級”主題，引起業(yè)界的極大興趣。
認識AI對固態(tài)電池研發(fā)的意義
既然要探討的話題與人工智能相關(guān)，記者首先便向DeepSeek拋出這個問題：AI對固態(tài)電池的研發(fā)有什么幫助？經(jīng)過10多秒的“思考”，DeepSeek給出推理過程和回答，全面分析了AI在固態(tài)電池研發(fā)中的幫助與局限。
據(jù)了解，人工智能在固態(tài)電池研發(fā)中扮演著重要角色，通過數(shù)據(jù)驅(qū)動的方法加速材料發(fā)現(xiàn)、優(yōu)化設(shè)計、降低成本并提升性能。其中，材料是固態(tài)電池研發(fā)的關(guān)鍵。在DeepSeek看來，AI可以幫助快速篩選固態(tài)電解質(zhì)，通過機器學習模型分析材料數(shù)據(jù)庫，預(yù)測具有高離子電導(dǎo)率、化學穩(wěn)定性和機械強度的候選材料，用以替代傳統(tǒng)試錯法。例如，谷歌DeepMind的GNoME模型預(yù)測出數(shù)百萬種新材料，包括潛在的固態(tài)電解質(zhì)。
界面問題是阻礙固態(tài)電池研發(fā)的另一道難關(guān)。DeepSeek認為，固態(tài)電池中電極與電解質(zhì)的界面易形成高阻抗層，AI可模擬不同材料組合的界面反應(yīng)，預(yù)測穩(wěn)定性問題并提出改性方案（如添加緩沖層）。
在性能優(yōu)化與模擬方面，DeepSeek提出了多尺度仿真的作用，AI結(jié)合分子動力學（MD）和密度泛函理論（DFT），可加速離子遷移、界面反應(yīng)的模擬，優(yōu)化電極／電解質(zhì)結(jié)構(gòu)。據(jù)悉，美國麻省理工學院（MIT）的團隊利用AI模擬出鋰枝晶生長機制并提出抑制策略。
在電池壽命預(yù)測方面，基于歷史循環(huán)數(shù)據(jù)訓練AI模型，能夠預(yù)測固態(tài)電池在不同工況下的老化規(guī)律，指導(dǎo)設(shè)計更耐久的電池。在制造工藝優(yōu)化方面，AI可以幫助工藝參數(shù)調(diào)優(yōu)，優(yōu)化固態(tài)電解質(zhì)薄膜的沉積條件（如溫度、壓力），提升均勻性和良率。例如，豐田等公司就嘗試用AI控制硫化物固態(tài)電解質(zhì)的燒結(jié)過程。
在缺陷檢測方面，計算機視覺結(jié)合AI，可以實時分析生產(chǎn)中的電極涂層或電解質(zhì)層缺陷（如裂紋、孔隙），減少廢品率。在加速測試與驗證方面，AI能夠?qū)崿F(xiàn)虛擬試驗替代，AI構(gòu)建的代理模型可減少物理試驗次數(shù)，例如預(yù)測新材料在極端溫度下的性能，美國國家實驗室通過AI將電池測試周期縮短70％。
在數(shù)據(jù)驅(qū)動配方改進上，整合試驗數(shù)據(jù)與AI分析，研發(fā)人員可以快速迭代正極復(fù)合材料（如高鎳三元材料）的配方比例。在成本控制與資源利用方面，AI能夠預(yù)測關(guān)鍵原材料（如鋰、硫）的價格波動，優(yōu)化采購策略，降低固態(tài)電池量產(chǎn)成本；幫助尋找低鈷／無鈷正極材料或廉價固態(tài)電解質(zhì)（如氧化物替代硫化物），減少對稀有金屬的依賴。
同時，AI還可助力行業(yè)和企業(yè)實現(xiàn)知識管理與協(xié)同創(chuàng)新。文獻挖掘是AI的一項重要功能，NLP技術(shù)能自動提取科研論文中的材料合成方法、性能數(shù)據(jù)，構(gòu)建知識圖譜供研究者參考。AI也可以幫助實現(xiàn)跨團隊合作，AI平臺整合全球?qū)嶒炇覕?shù)據(jù)，促進學術(shù)界與產(chǎn)業(yè)界共享成果，避免重復(fù)研究。
DeepSeek也談到了困難與挑戰(zhàn)。數(shù)據(jù)質(zhì)量與稀缺性是一個難題，需建立標準化固態(tài)電池數(shù)據(jù)庫。多物理場耦合建模也是難點，AI需更高效整合電化學-機械-熱力學耦合問題。此外，產(chǎn)研雙方需要攜手推動AI從實驗室走向量產(chǎn)應(yīng)用。
創(chuàng)新平臺將構(gòu)建垂直大模型
在本屆論壇上，中國科學院院士、中國全固態(tài)電池產(chǎn)學研協(xié)同創(chuàng)新平臺（以下簡稱“創(chuàng)新平臺”）理事長歐陽明高也提及DeepSeek。他說：“我們既要看到DeepSeek在電池知識問答和電池文本挖掘任務(wù)上均表現(xiàn)優(yōu)異，在電池設(shè)計任務(wù)上具備初步的總結(jié)能力，又要認識到它尚欠缺科學分析能力，仍需垂直領(lǐng)域大模型解決問題?！?
文獻在科研中具有重要作用，前輩或同行的研究成果對于科研人員的后續(xù)工作具有重大參考價值。記者通過DeepSeek查詢發(fā)現(xiàn)，2020年全球發(fā)表固態(tài)電池論文約800～1200篇，2023年預(yù)計超過2000篇。2020年以前的文獻累計約12000～19000篇。DeepSeek對文獻類型進行了歸納，電解質(zhì)材料占比約40％，界面工程占比約25％，制造工藝占比約20％，系統(tǒng)設(shè)計與模擬占比約15％。它還進一步細分了各個國家發(fā)表的論文比例。
文獻之外，專利也不容小覷。中科院物理所研究員李泓提供的數(shù)據(jù)顯示，2020～2024年，全球固態(tài)電池專利超過15000項，中國的專利數(shù)量為7689項。專利和文獻組成了固態(tài)電池浩如煙海的知識寶庫，如果科研人員仔細閱讀每篇文獻，估計短時間內(nèi)難以消化吸收。
AI在幫助科研人員閱讀文獻方面顯現(xiàn)出巨大的威力。歐陽明高說，創(chuàng)新平臺構(gòu)建的大模型平臺將實現(xiàn)文獻用AI閱讀，報告用AI寫作，模型用AI計算，固態(tài)電池的設(shè)計也用AI進行優(yōu)化。
傳統(tǒng)研究采用試錯法，大量的科技人員在實驗室中埋頭苦干，一個一個進行樣本試驗，剔除錯誤，尋找正確答案。仿真技術(shù)出現(xiàn)之后，試錯的次數(shù)有所降低。AI時代，科研從仿真方法逐步過渡為智能化全自動研發(fā)新模式，通過智能化方法實現(xiàn)固態(tài)電池設(shè)計全流程自動化，實現(xiàn)多變量高維空間快速尋優(yōu)，加速設(shè)計迭代。
據(jù)介紹，創(chuàng)新平臺將構(gòu)建基于人工智能的能源材料研發(fā)平臺，一是基于大語言模型建立智能化的大型材料數(shù)據(jù)庫；二是基于材料文獻數(shù)據(jù)庫與大語言模型開發(fā)能源材料垂直領(lǐng)域大語言模型；三是垂直領(lǐng)域大語言模型接入專家智能體，獲得專業(yè)計算能力。
物理理解與高質(zhì)量數(shù)據(jù)是前提
去年以來，多家企業(yè)公布了固態(tài)電池量產(chǎn)時間表。彼時，ChatGPT已有知名度，DeepSeek還默默無聞。有企業(yè)研發(fā)人員坦承，他們也曾想借助ChatGPT進行固態(tài)電池研發(fā)，但這需要大算力，非常耗費資源，一般的企業(yè)承擔不起，最終放棄了這方面的打算。如今，DeepSeek向國內(nèi)及全球用戶開源，不僅方便普通用戶，更是研發(fā)人員的幫手。國內(nèi)AI不僅有DeepSeek，還有豆包、納米搜索、Kimi、文心一言等，這些產(chǎn)品組成了人工智能集群。有了諸多AI大模型的幫助，固態(tài)電池能否提前量產(chǎn)？
蘇州易來科得科技有限公司首席執(zhí)行官陳新虹表示，他們已著手進行這方面的工作，開發(fā)電池研發(fā)軟件工具鏈，依靠4個核心獨立軟件搭建平臺，包括電池虛擬建模軟件ELectroderMOD、電池設(shè)計與工藝優(yōu)化軟件ELectroderSIM及ELectroderBDA。其中，BDA是重點，能夠提供準確的電池物料衡算，跨尺度幾何建模，電池內(nèi)部的多場耦合微分方程和數(shù)值求解器，可靠的電池材料參數(shù)庫?！耙殉^100個設(shè)計參數(shù)與性能優(yōu)化目標放進去，型號設(shè)計過程將從數(shù)月縮短到數(shù)小時，研發(fā)提速100倍?！标愋潞缃榻B說。
中國科學院院士、北京大學教授鄂維南提出，要設(shè)計出具有特定性功能的分子，最初靠直覺、靠經(jīng)驗；現(xiàn)在用計算、量子化學的辦法，進行高通量的篩選，然后進行自動化的試驗；通過機器學習，借助大模型、大數(shù)據(jù)、多模態(tài)等辦法獲得想要的結(jié)果。
寧德時代在固態(tài)電池研發(fā)領(lǐng)域處于第一陣營，投入了巨額資金。寧德時代新能源科技股份有限公司研發(fā)總裁歐陽楚英表示，寧德時代在七八年前就用AI解決問題了。他認為，僅有AI還不夠，應(yīng)該用AI+物理的手段解決固態(tài)電池研發(fā)問題。運用這個方法，寧德時代已搭建起材料智能平臺。這個過程也是一步步摸索的，從算法中心到算力中心，目前寧德時代已構(gòu)建基礎(chǔ)數(shù)據(jù)庫、專題數(shù)據(jù)庫與試驗反饋數(shù)據(jù)庫。
本屆論壇上，還有多位專家提及運用AI輔助固態(tài)電池研發(fā)。不過，記者注意到，他們的演講都沒有提及取得了哪些成果。北京大學深圳研究生院新材料學院副院長、副教授鄭家新的發(fā)言解開了記者的疑團。
鄭家新表示，AI發(fā)揮作用主要是三個方面，算法、算力和數(shù)據(jù)，高質(zhì)量的數(shù)據(jù)才能讓算法和算力發(fā)揮極大的效用。然而，各個企業(yè)都在致力于開發(fā)固態(tài)電池，對數(shù)據(jù)高度保密，不可能對外公開，沒有高質(zhì)量的數(shù)據(jù)，AI發(fā)揮的作用將打折扣。他強調(diào)，對固態(tài)電池的物理理解才是關(guān)鍵。有了清晰的物理理解，才能在試驗中獲得高質(zhì)量的數(shù)據(jù)，然后把它們用于AI訓練?！肮虘B(tài)電池失效的機理是什么，我們還沒有完全搞清楚。沒有弄明白底層邏輯，就不可能形成高質(zhì)量的數(shù)據(jù)。而要使AI賦能固態(tài)電池研究，首先要有高質(zhì)量的數(shù)據(jù)用于AI訓練。”鄭家新說。
