AI如何幫助電池創(chuàng)新從問題到答案。

創(chuàng)新往往是企業(yè)競爭的勝負手。電池產(chǎn)業(yè)一樣如此，市場爭奪戰(zhàn)越是打得火熱，企業(yè)的研發(fā)投入比重越是不敢降低。

據(jù)高工產(chǎn)研（GGII）調研，鋰電領域中，2025年全球電池與主材整體研發(fā)投入899億元，其中電池研發(fā)投入規(guī)模為670億元，預計到2030年電池與主材整體研發(fā)投入規(guī)模將發(fā)展為2154億元，電池部分預計為1600億元。

保持高研發(fā)投入之外，如今的電池創(chuàng)新愈發(fā)強調效率。

在“快魚吃慢魚”的市場導向下，電池企業(yè)的上新速度越來越快、R&D到量產(chǎn)的周期越來越短，但創(chuàng)新效率走低的問題逐漸在行業(yè)暴露出來。

對于頭部電池企業(yè)而言，目前普遍存在營收的增速落后于研發(fā)投入增速，即便是對于有著很強盈利能力的企業(yè)。例如，寧德時代2025年一季度研發(fā)投入達48.14億元，同比增長10.92%，但其一季度營收847.05億元，同比增長6.18%。

再以產(chǎn)業(yè)的創(chuàng)新焦點固態(tài)電池為例，在這一領域專利“質量齊增”，但從企業(yè)具體的進展來看，固態(tài)電池要想實現(xiàn)小規(guī)模量產(chǎn)以及成熟，仍需等到2027-2030年，其創(chuàng)新的商業(yè)落地速度并不能快速滿足終端市場眼下的需求升級。

面對產(chǎn)業(yè)對創(chuàng)新效率的渴求，AI技術或將成為加速創(chuàng)新的關鍵，重視創(chuàng)新的企業(yè)都在積極嘗試將AI與研發(fā)深度融合。

保持著每年推出3-5款新品的寧德時代已經(jīng)構建了包含算力中心、算法中心、數(shù)據(jù)中心、模擬設計平臺的綜合性AI平臺，并將實驗數(shù)據(jù)反饋到數(shù)據(jù)庫，與AI模型和物理模型結合，形成閉環(huán)，加速研發(fā)；LG新能源則披露，其通過AI驅動的研發(fā)平臺和敏捷制造系統(tǒng)，實現(xiàn)新產(chǎn)品量產(chǎn)周期縮短30%。

但AI究竟能在電池創(chuàng)新中發(fā)揮多大的能力？對于業(yè)內(nèi)人士以及學者而言，AI能否真正幫助他們解決問題？在屬于電池的“DeepSeek”時刻到來之前，這些問題仍不得而知。

4月底，SES AI推出的一款電池領域AI4S解決方案，涵蓋10^11個可用于電池的小分子圖譜，由電池專用的大語言模型驅動訓練而成的智能系統(tǒng)。它幫助學者、探索和應用所有化學領域的分子知識，以加速新材料的發(fā)現(xiàn)，提供精準分子推薦，并持續(xù)更新優(yōu)化，為電池創(chuàng)新提供有力支持。

讓電池創(chuàng)新不再停留于“偶然”

傳統(tǒng)材料研發(fā)如同蒙眼尋針，依賴科學家經(jīng)驗與運氣。SES“分子宇宙”正將材料研發(fā)從“經(jīng)驗彩票”變?yōu)椤?a class="article-link" target="_blank" href="/tag/%E5%8F%AF%E7%BC%96%E7%A8%8B/">可編程的科學”。

首先，SES認為，長期以來，電池創(chuàng)新的空間被經(jīng)驗限制住了。20個原子以下的有機分子超過10^11種，跟宇宙中的星辰一樣多，但在過去30年里電池行業(yè)研究過、可被AI視為已知數(shù)據(jù)的有機分子僅為1000多種。如果范圍始終受到限制，就很難評價創(chuàng)新成果、創(chuàng)新的路徑是不是最優(yōu)。

那么一款以加速創(chuàng)新為目標的AI4S方案，至少要創(chuàng)新的范圍打開至10^11。SES的切入AI的首要工作就是將10^11分子以數(shù)據(jù)表示出來，以保證AI給出的創(chuàng)新發(fā)生在全面、正確的范圍。

鮮少企業(yè)會有像SES的思路，因為這意味著巨大的人力與算力成本。SES耗費近一年的時間，采用了分子指紋工具，以512個數(shù)字精準表征分子，量化分子間距離，再通過UMAP算法將高維數(shù)據(jù)降維至二維，讓復雜的分子世界變得直觀可視。

而UMAP（Uniform Manifold Approximation and Projection，均勻流形逼近與投影），基于拓撲數(shù)據(jù)分析和流形學習原理，在處理大規(guī)模數(shù)據(jù)集時具有更高的計算效率，并且能夠更好地保留數(shù)據(jù)的全局結構和局部細節(jié)。

完成對10^11個分子的計算，電池材料創(chuàng)新的空間才算被真正打開，并存儲在“分子宇宙”中。這形成“分子宇宙”的數(shù)據(jù)基礎，一張?zhí)峁┖Ａ糠肿拥?D交互式地圖，并由此延伸出“分子宇宙”的基礎功能——圖譜（Map）。

用戶可以通過地圖直觀探索分子空間，鼠標懸停在分子上時，可查看分子的詳細信息，如HOMO、LUMO能級、分子量等。

而這張電池分子圖譜的豐富性是前所未有，既表現(xiàn)在分子數(shù)量規(guī)模，也表現(xiàn)在體現(xiàn)分子各類信息的詳盡程度。當前版本（MU-0）已收錄1.08億個分子，標注23個分子簇，涵蓋實驗實測值與基于密度泛函理論（DFT）及分子動力學模擬（MD）的計算預測值。這僅僅是目前階段，“分子宇宙”的圖譜正快速向10^11個分子的目標擴展。

海量、全面的分子數(shù)據(jù)只是“分子宇宙”的第一步，“分子宇宙”作為一個智能體，若想替代一個電池專家，它也需要走完電池專家的學習之路。

“分子宇宙”平臺的大語言模型（LLM），是構建于海量電池相關知識體系之上的智能體。其訓練過程不僅有超過1億個分子（MU-0）的龐大數(shù)據(jù)基石，還涵蓋了所有分子、性質、論文、書籍、文獻以及內(nèi)部數(shù)據(jù)。

而談及該模型的可靠性，就不得不提AI幻覺。為降低“分子宇宙”產(chǎn)生幻覺可能性，其模型基于大量高質量數(shù)據(jù)進行訓練，包括嚴格篩選的電池相關論文和文獻，且數(shù)據(jù)庫每月更新，確保信息始終處于前沿。

更重要的是，該模型采用了大型推理模型，能夠深入思考問題，結合文獻和內(nèi)部知識進行回答，大大減少了因信息不足而產(chǎn)生的幻覺。SES還表示，提問越具體，答案越可靠。

此外，模型推薦的分子都經(jīng)過物理模擬和計算驗證其穩(wěn)定性，未來還將添加更多高級別物理性質預測工具，進一步提高預測的準確性。最后，團隊不斷收集用戶反饋，根據(jù)需求改進模型和功能，隨著技術進步和數(shù)據(jù)積累，模型的性能和準確性也在持續(xù)提升。

算力上，“分子宇宙”借助Nvidia GPU的強勁算力，結合最新的軟件技術、加速技術、AI和機器學習算法，實現(xiàn)對分子空間的深度探索。

電池創(chuàng)新如何從問題到答案

龐大的分子數(shù)據(jù)、電池專用的大語言訓練模型、強大的算力三者共同構建“分子宇宙”電池創(chuàng)新智能體?！胺肿佑钪妗钡乃阉鳎⊿earch）、篩選（Filter）功能，可以幫助用戶精確找到所需的分子。用戶也可直接向“分子宇宙”提問（Ask）讓“分子宇宙”推薦設計方案。

但面對一個全新的AI，研究者自然會產(chǎn)生疑慮，目前產(chǎn)業(yè)創(chuàng)新出現(xiàn)明顯的瓶頸，為什么“分子宇宙”能夠真正幫助電池創(chuàng)新，而非流于形式嗎？

這里需要強調的是，SES的“分子宇宙”并非零散功能的堆砌，而是一個閉環(huán)式智能研發(fā)系統(tǒng)。

“分子宇宙”的核心邏輯是通過“提問-搜索-篩選-驗證”四步走，將AI的預測能力與研發(fā)實踐深度綁定，去真正實現(xiàn)電池創(chuàng)新的從問題到答案。

以下以“推薦一款適用于 NCM811 正極和高硅負極，能夠兼顧高電壓、低溫性能, 且具有不可燃特性的電解液?！睘槔?，解析MU如何串聯(lián)功能，加速R&D：

向“分子宇宙”提問演示

1.?智能提問（Ask）：定義問題，錨定方向

-用戶以自然語言輸入需求：

“如何改善電解液配方在NCM811正極和50%硅碳負極的低溫快充性能”

-MU的響應：

拆解需求：系統(tǒng)識別關鍵參數(shù)（低溫性能、快充倍率、安全性），關聯(lián)電池化學體系（高鎳正極、硅負極對電解液的兼容性要求）。

調用知識庫：基于電池專用大語言模型，檢索歷史案例（如過往配方“0.8m LiPF6+0.2m LiFSI+EMC 50%+MA 10%+DMC 10%+EC 15%+FEC 10%+PS/LiDFOB/LiDFP 5%”）、文獻數(shù)據(jù)及分子數(shù)據(jù)庫。

生成初步方案：推薦替代氟代碳酸乙烯酯（FEC）等耐低溫添加劑的配方，并提示需優(yōu)化溶劑比例以平衡黏度與離子電導率。

2.?智能搜索（Search）：拓展邊界，發(fā)現(xiàn)“分子好友”

-用戶根據(jù)推薦方案，進一步探索替代分子：

輸入目標分子：輸入FEC的SMILES序列或名稱，啟用“分子好友”功能。

-系統(tǒng)推薦兩類候選：

結構相似分子：如環(huán)狀碳酸酯衍生物（保持低粘度特性）；

特性相似分子：如離子液體（雖結構迥異，但具備低凝固點、高穩(wěn)定性）。

可視化導航：通過2D分子地圖，直觀查看候選分子在化學空間中的分布（如HOMO/LUMO能級、ESP極值等參數(shù)聚類區(qū)域）。

3.?智能篩選（Filter）：精準定位，突破經(jīng)驗定式

-用戶需從海量候選分子中鎖定最優(yōu)解：

設置篩選條件：

物化性質：熔點<-30℃、黏度<5 mPa·s、電化學窗口>4.5V；

安全性：阻燃性=是；

成本：分子合成難度≤中等。

動態(tài)疊加篩選結果：符合條件的分子在地圖中高亮顯示，用戶可快速識別“高潛力區(qū)”。

突破思維慣性：系統(tǒng)推薦非傳統(tǒng)溶劑，但低粘度和高鋰離子遷移數(shù)可顯著提升低溫性能。

4.?驗證閉環(huán)：從預測到量產(chǎn)的關鍵一躍

-MU不僅提供理論方案，更通過數(shù)據(jù)驅動縮短實驗周期：

模擬驗證：對篩選出的分子（分子1）進行DFT計算和分子動力學模擬，預測其與硅負極的界面穩(wěn)定性。

配方迭代：系統(tǒng)推薦新配方（如“找類似FEC的分子0.8m LiPF6+0.2m LiFSl+EMC 50%+MA 10%+DMC 10%+EC 15%+分子1 10%+PS/LiDFOB/LiDFP 5%”）。

實驗加速：新配方低溫快充性能提升30%。

在以上過程中，Ask、Search、Filter功能并非孤立，構成“問題定義-靈感激發(fā)-（全新）方案優(yōu)化-快速驗證”的完整鏈條，協(xié)同作用，發(fā)揮從“單點工具”到“研發(fā)飛輪”的價值。

Ask——降低門檻：自然語言交互讓非專家也能精準表達需求；

Search——打開視野：10^11分子庫+跨結構關聯(lián)，突破人類經(jīng)驗盲區(qū)；

Filter——聚焦落地：多維度篩選確保方案兼顧性能與工程可行性；

數(shù)據(jù)閉環(huán)加速：預測結果反饋至數(shù)據(jù)庫，持續(xù)優(yōu)化AI模型。

什么是“分子宇宙”創(chuàng)新能力的根源？

SES過去數(shù)年專注于鋰金屬電池產(chǎn)業(yè)化，并已成功開發(fā)出汽車A樣品和B樣品，且在無人機、低空飛行器等領域應用上已經(jīng)取得了斐然的成績。長期走在產(chǎn)業(yè)化創(chuàng)新前沿，讓SES尤其重視創(chuàng)新的深刻性，他們認為電池創(chuàng)新最終還需要落到材料創(chuàng)新，回歸物理化學本質。那么一個合格的AI4S解決方案至少要能解決研究人員具體的問題。

并且，這個AI不應局限于是個“預言家”，更需要既準確又快速，其深層的價值在于它是研發(fā)時間“加速器”，加速“預測-驗證”的飛輪，壓縮研發(fā)周期，讓研究員專注于更高階的創(chuàng)新設計。

因此，SES在轉向AI戰(zhàn)略時，沒有在最初就將“分子宇宙”設計成一個通用分子模型那般覆蓋各種領域，而選擇在自身擅長的電池創(chuàng)新領域深耕，在初始階段花費巨大的人力與算力，盡可能全面計算電池領域中10^11分子的各類數(shù)據(jù)。

而“分子宇宙”的創(chuàng)新能力，是由分子數(shù)據(jù)庫的全面性、數(shù)據(jù)驅動搜索的無偏好，以及對人類認知慣性的突破共同構成的。

分子數(shù)據(jù)庫包含海量未被充分探索的化學結構（如文檔提到的1億分子庫）。傳統(tǒng)研發(fā)往往聚焦于已知結構類別（如碳酸酯類電解液），但化學空間的廣闊性意味著，許多結構迥異但性能優(yōu)越的分子可能存在于“非傳統(tǒng)區(qū)域”。

通過無偏的搜索算法（如基于分子指紋的相似性搜索），系統(tǒng)可能推薦表面結構不同但關鍵性質匹配的分子。

例如，在搜索氟代碳酸乙烯酯（FEC）時，系統(tǒng)可能發(fā)現(xiàn)結構相似分子，如環(huán)狀碳酸酯衍生物；或結構迥異分子，如離子液體或有機磷化合物。后者可能因物理化學性質（如粘度、電化學穩(wěn)定性窗口）與FEC近似，而成為意外有效的替代品。

傳統(tǒng)研發(fā)依賴專家經(jīng)驗，易形成“結構-性能”的思維定式（如“電解液添加劑必須是環(huán)狀結構”）。而數(shù)據(jù)驅動工具通過量化相似性（如512維分子指紋的余弦相似度），能識別出人類可能忽視的跨類別關聯(lián)，從而發(fā)現(xiàn)“反直覺”的有效解決方案。

這在實際的電池研發(fā)中，這種“意外發(fā)現(xiàn)”可能體現(xiàn)為找到成本更低的替代分子；發(fā)現(xiàn)耐高壓性能更優(yōu)的新結構；識別出兼具阻燃性和高離子電導率的復合體系。這些發(fā)現(xiàn)往往無法通過單純文獻檢索獲得，而需借助AI的系統(tǒng)性能力。

能源領域的“超級智能”

“分子宇宙”仍在持續(xù)迭代升級，成長為能源領域的“超級智能”。

功能擴展：

未來版本（如MU1）將添加更多有機分子、無機分子以及帶電分子（如鹽類），使分子數(shù)據(jù)庫更加全面，覆蓋更廣泛的化學空間。

除了現(xiàn)有的分子量、HOMO/LUMO能級等性質外，還將添加熔點、沸點、溶解度、毒性、連接性等更多性質，幫助用戶更全面地評估分子在電池領域中的適用性。

性能提升：

未來地圖中還將引入帶電分子，專門展示和分析帶電分子的性質和行為，幫助研究人員更深入地理解電解質溶液中的離子傳輸和相互作用。

同時，通過優(yōu)化大型推理模型，增強推理模型能力，提高其對新穎分子結構的推理能力，更準確地預測未合成分子的性質和行為，為實驗提供更有價值的指導。

另外，為確保平臺始終處于行業(yè)前沿。SES將繼續(xù)更新和優(yōu)化平臺功能和服務，包括定期更新分子數(shù)據(jù)庫和文獻數(shù)據(jù)庫、優(yōu)化算法和計算效率、提高用戶體驗等。

提供更多服務層級：

除了當前的軟件基礎層級外，SES還將提供企業(yè)級和聯(lián)合開發(fā)層級的服務。企業(yè)級服務將允許用戶訪問完整的分子宇宙數(shù)據(jù)庫，并進行本地部署和定制計算；聯(lián)合開發(fā)層級則包括分子合成、電池測試等全方位服務，幫助用戶加速研發(fā)進程。

聲明：本文章屬高工鋰電原創(chuàng)（微信號：weixin-gg-lb），轉載請注明出處。商業(yè)轉載請聯(lián)系（微信號：zhaochong1213）獲得授權。