文 | 王方玉
編輯 | 蘇建勳
全球範圍刮起的 AI 風暴，如今吹到了锂電行業。
今年 3 月，甯德時代董事長曾毓群在接受采訪時表示，甯德時代設立的香港研發中心最主要聚焦于 AI for Science（AI 驅動的科學研究），" 挖掘新能源材料、體系和應用方案的 AI 都是要 Focus 做的事情。"
這是甯德時代首次對外透露香港研發中心的工作重點。
去年 12 月，甯德時代宣布将在香港設立國際研發中心的消息并未引發太多市場關注度。但作爲全球最大的锂電池制造商，甯王的研發策略無疑有着風向标式的意義，其布局昭示出，AI 驅動的研發正在成爲锂電池技術創新的突破口之一。
甯德時代對于 AI 驅動研發的布局也并非首創。過去一年多來，在電池研發領域，AI 驅動的科學研究頻傳捷報：
今年 1 月，微軟量子計算團隊與美國能源部下屬實驗室合作，利用 AI 在 80 個小時内對 3200 萬種材料進行了篩選，從中找出了 18 種潛在的新電池材料。
去年 12 月，谷歌 DeepMind 在 Nature 上發表文章稱，其新研究的一種材料發現工具發現了 220 萬種理論上穩定的新晶體材料，可應用于能源、通訊和傳感等領域。
這些由 AI 研發取得的國外研究成果也引起了國内學者的高度關注。
中國科學院院士歐陽明高在今年 1 月的一次會議上提及了上述研究，他指出 " 锂電下一個十年的技術競争核心在于材料，而人工智能正在改變材料的研發範式，将大幅度加速全固态電池的研發速度。"
然而現實中，由于種種原因，36 氪了解到，國内鮮少有锂電廠商投入布局 AI 研發，即使是龍頭甯德時代也是剛剛開始——相比國外企業與科研機構，中國锂電企業已經落後了半拍。
自 1991 年日本索尼公司發布世界上第一塊锂電池，全球锂電産業先後經曆日本壟斷、日韓争霸，再到如今中國領先，規模、成本都引領世界。
但在新的 AI 時代，國外企業正借助 AI 這一新工具攻克固态電池技術、試圖換道超車。而固态電池被認爲是锂電的終極形态，有望對于現行的液态锂電池實現完全替代。這也意味着，中國锂電産業在液态電池領域的過往成績有可能會被 AI 所颠覆。
面對國外日新月異的技術進步，歐陽明高警示行業 " 人工智能的時代，不要用過去推論未來 "，中國锂電企業 " 要敲響警鍾 "。
AI 颠覆電池材料研發
當前，國内大部分锂電池廠商在使用計算機模拟仿真的方式開展研發。
顧名思義，模拟仿真是通過計算機模拟仿真複雜現象。從材料選型與電極、電芯設計，模拟仿真軟件可以幫助企業減少實驗次數，縮短研發周期。
在這一領域，國内也湧現出了如邁高材雲、易來科得、儲慧智能等提供研發仿真軟件及解決方案的創業公司。據悉，易來科得和儲慧智能還分别與比亞迪、甯德時代建立了合作關系。
而甯德時代香港研發中心要布局的 AI for Science，則是一種全新的科學研究方法。
與計算機模拟仿真複雜現象不同，AI for Science 通過大數據分析去理解、逼近複雜系統。
遠景動力先進研發總監餘樂對 36 氪做了一個形象的比喻，要知道推一個車的實際加速度是多少，計算機模拟仿真可以用牛頓第二定律進行推算；但路面上的摩擦力是無法被計算的，大數據則可以通過實際數據分析進行測算。
根據圖靈獎得主 Jim Gary 對于科學發現的曆史演變的分類，目前國内锂電産業普遍采用的模拟仿真是科學發現的第三範式，而 AI for Science 數據驅動的研發是 " 第四範式 "。
36 碳制圖
對于锂電産業來說，相比計算模拟，AI for Science 的顯著優勢就在于提升研發的效率和速度。
歐陽明高指出，AI 将加速固态電池技術突破，讓其在 2030 年左右實現産業化突破更具确定性。
"AI 可以更快更高效地發現、篩選包括新的固态電解質在内的多類電池材料。" 專注锂電池賽道的資深投資人王皓辰對 36 氪解釋道，目前全固态電池的難點之一就在于開發穩定的電化學材料體系。日本豐田擁有全球最多的固态電池領域專利數，在過去 30 多年已嘗試了數萬種電解質應用到電池中，但至今未成功量産，而 AI 技術的發展有希望幫助解決這一問題。
幫助固态電池發現新材料是 AI for Science 最具革命性的和颠覆性的應用。不過在電池研發領域，AI for Science 可發揮作用的地方不止于此。
餘樂告訴 36 氪，AI for Science 也可以用在液态電池、锂空氣電池、儲能電池等領域，但凡性能可以被良好定義的、有穩定的數字化性能的電池都可以應用 AI，幫助改進、提升性能。
" 在研發測試環節，AI 輔助能夠極大的減少設計叠代的輪數和每一輪所需要進行的設計數，從而節省時間；在電解液的調整配比上，AI 也可以更好地優化電解液配方。" 餘樂表示，随着神經網絡和 Deep Learning 的快速發展，配合大數據的訓練，用 AI 來輔助研發，非常高效。
在實際應用中，AI for Science 可以與模拟仿真工具進行配合，兩者各有所長。
餘樂表示：" 對于應力、熱和電傳導，可以用公式很好的描述，拿到高精度的仿真結果，模拟仿真軟件更有效，AI 的優勢就不大了。但對于複雜的電化學反應，無法通過公式表征和描述，很難實現仿真，即使仿真效果也遠不及數據驅動，這時候 AI 會有很好的應用效果。"
國内企業處于落後地位
盡管 AI for Science 對于未來十年的電池研發突破意義重大，5 年内甚至可能颠覆現有的液态電池産業，但面對 " 遠處的威脅 "，大部分國内锂電廠商仍然缺乏積極布局 AI 研發的動力。
36 氪了解到，目前國内鮮少有锂電廠商投入布局 AI 研發，更多的停留在第三範式模拟仿真的階段——行業内有能力進行前瞻性技術布局的，隻是少數。
對于當前陷入行業淘汰賽的锂電池廠商，尤其是二線企業而言，拿訂單求生存是第一要務，它們難以計之長遠、在一個可能在 5 年後引發變革的新技術上做太多投入。
億緯锂能董事長劉金成在 3 月的一次會議上直言，在未來的技術叠代過程中，以全固态電池技術爲代表的動力電池的新技術有望在 2027 年實現産業化，2027 年二線電池企業本身是否還存在具有不确定性。其次二線企業還有沒有錢研究這些新技術也具有不确定性。
圖片來源：視覺中國
前瞻性的技術往往是不成熟的，需要付出不少時間和成本進行探索。曾毓群在接受采訪時坦言，AI for Science 目前還沒有特别好的模型、結構、算法，還有很長的路要走。
AI 研發在實際落地中還面臨着客觀條件的限制，尤其是人才的缺乏。餘樂提到，锂電池的 AI 研發屬于材料學與計算機的交叉學科，國内化學系人才普遍不掌握編程能力，企業缺乏既懂材料又懂計算機的跨界人才。
一家提供第三方 AI 研發服務的公司告訴 36 氪，他們有大約 20 多人的團隊爲一家國内頭部锂電廠服務，但該企業的 IT 團隊完全不懂材料，導緻軟件定制化開發的工作很難開展。
面對 AI for Science，一個可能引發巨大變革的新技術，中外廠商之間無疑已經産生了分野。
王皓辰表示，以微軟和谷歌爲代表，矽谷投資項目跟國内的風格完全不一樣，它們并不追求短期内有明确的經濟回報。這種不同導緻國内企業整體在 AI for Science 這類新技術的研發上處于落後位置，還需要補足功課。
不過，王皓辰表示，國内廠商對于布局 AI for Science 不夠積極，很大原因是還沒有認識到這一技術的價值。
" 專家預測 AI 将加速固态電池技術突破，讓其在 2030 年左右實現産業化突破更具确定性。但可能性有多大，确定性有多高很難說。目前 AI 研發這個工具還沒有誇張到讓電池廠覺得是生死攸關的地步。"
就眼下國内锂電産業的情況而言，他認爲中國廠商要全面擁抱 AI for Science 還需要一個新的契機或者刺激。
" 如果哪天谷歌 DeepMind 突然宣布和三星 SDI 或 LG 新能源合作，或者特斯拉的 AI 部門和電池部門宣布合作，讓中國锂電企業感到威脅，應用 AI for Science 的步伐應該會大大加快。" 他表示。
