（文/李沛 編輯/徐喆）一見Demo，立刻想到世界模型，立刻想到通用人工智能，立刻想到自由市場先天優(yōu)越，立刻想到哈耶克，立刻想到反思中國人劣根性......

自亮相以來短短兩個星期，Sora所引發(fā)的部分國內(nèi)自媒體想象力，已然能夠躍進到如此“高度”。

不過更多嚴肅的AI產(chǎn)業(yè)觀察者，則不約而同在探討這樣一個話題，Sora的“殺手應(yīng)用”到底在哪里？

除了在企業(yè)軟件與娛樂產(chǎn)業(yè)激發(fā)起的直觀想象空間，正如某位國內(nèi)科技大佬點評Sora時所言，有強勁的大模型做底子，基于對人類語言的理解，對人類知識和世界模型的了解，再疊加很多其他的技術(shù)，就可以創(chuàng)造各個領(lǐng)域的超級工具，比如生物醫(yī)學、蛋白質(zhì)和基因研究，包括物理、化學、數(shù)學的學科研究上，大模型都會發(fā)揮作用。

在這副激動人心的圖景中，深植于材料科學的鋰電產(chǎn)業(yè)無疑應(yīng)有一席之地。

目前，AI技術(shù)在鋰電BMS等系統(tǒng)中已有廣泛運用，與鋰電制造的融合也已經(jīng)涌現(xiàn)出大量實踐和成功案例。以全球鋰電業(yè)龍頭寧德時代為例，該公司所推崇的極限制造理念即追求鋰電制造效率、品質(zhì)、成本的極致優(yōu)化，這顯然涉及到AI技術(shù)的深度應(yīng)用，公司方面人士也曾表示，計算機視覺、機器學習、云計算、大數(shù)據(jù)等人工智能技術(shù)是繼續(xù)提升極限制造體系的關(guān)鍵手段。

根據(jù)公開信息，在動力電池缺陷檢測這一場景中，寧王就通過與英特爾等技術(shù)供應(yīng)商深度合作，基于鋰電在線檢測場景量身打造了一套橫跨云-邊-端，融合計算機視覺、深度學習和機器學習技術(shù)的創(chuàng)新型電池缺陷檢測方案，構(gòu)建了全球最豐富的動力電池缺陷數(shù)據(jù)庫，根據(jù)已有的預(yù)訓(xùn)練源模型進行微調(diào) (fine-tuning)，最終通過遷移學習得到的模型在精度上可以與采用大數(shù)據(jù)集從頭開始訓(xùn)練的模型相媲美，但計算資源開銷大幅精簡，并且達到了零漏檢及單工序400FPS以上的圖像處理速度。

當然，AI缺陷檢測、智能巡檢、設(shè)備預(yù)測性維護等用例并非鋰電行業(yè)所獨有，而是已廣泛應(yīng)用于各類大規(guī)模制造業(yè)態(tài)，在減少停機時間，提高產(chǎn)量與產(chǎn)品質(zhì)量上的價值得到普遍驗證，技術(shù)與業(yè)務(wù)模式已較為成熟。

不過毋庸諱言，當下的鋰電智能制造解決方案往往基于傳統(tǒng)的AI“小模型”技術(shù)和開發(fā)部署方法，并且應(yīng)用主要集中在電芯制造中后段環(huán)節(jié)，隨著“最佳實踐”被廣泛效仿擴散，其在降本增效上帶來的差異化價值無疑也在被稀釋。

相比同質(zhì)化產(chǎn)品上每瓦時以毛乃至分、厘為單位的制造成本內(nèi)卷，電池材料和器件設(shè)計的創(chuàng)新，無疑有著更為巨大的商業(yè)價值。

不過長期以來，電池新材料的研究往往因循著被戲稱為“炒菜嘗咸淡”的試錯方法，新配方新工藝不僅受到有限幾大類成熟材料體系的牢固約束，且通常需要通過試制軟包、扣式電池進行實際對比試驗以確認性能，不僅人力物力投入大、耗時長，更重要的是實際效果往往形同“抽卡”玄學，因果聯(lián)系似是而非。

造成這一現(xiàn)象的原因在于，鋰離子電池屬于一種典型的復(fù)雜大系統(tǒng)，呈現(xiàn)出多學科交叉融合，多尺度交互影響的特點，例如材料的晶體結(jié)構(gòu)、固相反應(yīng)、電極電位研究，就涉及到固體物理、固體化學、電化學等多種基礎(chǔ)學科，電池充放電過程又會涉及到不同空間尺度、時間尺度和能量尺度下的理化反應(yīng)，材料本征性質(zhì)與宏觀電學特性之間的構(gòu)效關(guān)系極其復(fù)雜，盡管隨著鋰電成為新能源風口、新的研究成果與工程數(shù)據(jù)逐漸固化為產(chǎn)品，在電化學仿真等場景已經(jīng)涌現(xiàn)出一些極具價值的單點設(shè)計工具，不過電池全生命周期的材料表征與機理認識仍有大量空白點，經(jīng)驗化的工程方法仍難以得到根本改觀，也與固態(tài)電池、鈉電池等新材料體系研發(fā)需求越來越不匹配。

然而隨著新一代人工智能技術(shù)的突破，這一局面正在發(fā)生深刻的變化，生成式AI已經(jīng)展現(xiàn)出堪稱顛覆性的發(fā)展?jié)摿Α?

去年末，谷歌旗下知名AI開發(fā)團隊DeepMind推出了其面向泛材料領(lǐng)域研究的GNoME模型，根據(jù)該團隊的聲明，新模型利用人類現(xiàn)有已知的全部48000種無機材料數(shù)據(jù)進行訓(xùn)練，能夠生成全新的穩(wěn)定晶體結(jié)構(gòu)并預(yù)測其特性，最終預(yù)測出約38萬種新的具備高合成潛力晶體，DeepMind信心滿滿地表示，這預(yù)示著材料科學的新時代到來，人工智能和機器人將推動新型電池、超導(dǎo)體和催化劑的研究，“相當于材料科學領(lǐng)域的AlphaFold”，而眾所周知，大名鼎鼎的AlphaFold曾號稱甫一登場就終結(jié)了結(jié)構(gòu)生物學這門學科。

無獨有偶，在今年1月，微軟則公布了與美國太平洋西北國家實驗室(PNNL)的合作成果，利用先進人工智能和量子計算技術(shù)篩選了超過3200萬種電池材料可能組合，在不到一周時間里預(yù)測出18種有前景的候選材料，而如果使用傳統(tǒng)實驗方法，這一篩選過程可能需要二十多年才能完成。最終，PNNL成功合成出一種全新固態(tài)電解質(zhì)N2116，據(jù)稱可減少高達70%的鋰用量，該機構(gòu)科研人員坦言，人工智能給出的指引比正常工作條件下“更快地引導(dǎo)他們進入潛在的富有成效的領(lǐng)域”。

有趣的是，谷歌團隊在其GNoME論文中所對比的，恰是微軟研發(fā)團隊華裔學者開發(fā)的M3GNet模型，顯示出生成式AI在材料科學領(lǐng)域已初步形成緊密而活躍的研究生態(tài)，還有美國研究團隊發(fā)現(xiàn)，當下因Sora而炙手可熱的擴散模型，在新材料合成預(yù)測上的性能優(yōu)于傳統(tǒng)GAN幾個數(shù)量級。

從當前的實踐看，生成式人工智能在電池材料研究上的落地應(yīng)用，呈現(xiàn)出兩條主要路徑，其一是擴散模型、圖神經(jīng)網(wǎng)絡(luò)等結(jié)合第一性原理、實驗表征計算，探索可能的全新材料結(jié)構(gòu)并預(yù)測其性能，其二則是基于現(xiàn)有科研文獻的文本數(shù)據(jù)挖掘，聚合研究思路和成果，揭示技術(shù)趨勢，其共同價值則在于協(xié)助科研人員識別有前景的材料，即便其效果并非開啟“全局地圖”，但哪怕只是黑夜里一盞明滅的提燈，在研發(fā)效率與研發(fā)思路上相較傳統(tǒng)模式“盲人摸象”所帶來的變革，也堪稱翻天覆地。

作為當下的全球鋰電產(chǎn)業(yè)高地，中國科研機構(gòu)與鋰電企業(yè)在生成式AI技術(shù)上的探索也極具前瞻性。

公開資料顯示，寧德時代早在2021年就與國內(nèi)新能源材料研發(fā)創(chuàng)企深勢科技達成戰(zhàn)略合作，共建聯(lián)合實驗室，重點圍繞能源研究領(lǐng)域中的兩個方向展開，分別是AI+物理模型在新能源材料研發(fā)中的應(yīng)用，發(fā)展新一代分子模擬技術(shù)，發(fā)展面向新能源材料的微觀、介觀和宏觀的跨尺度模型；將AI+物理模型應(yīng)用到能源器件研發(fā)中，強化能源器件的理性設(shè)計。

深勢科技方面的電池研發(fā)總監(jiān)王曉旭日前透露，其與鋰電企業(yè)合作案例中，已成功驗證了AI預(yù)測+實驗表征測試相互迭代的有效性，原先需要一年半到兩年左右周期的優(yōu)化周期，被壓縮到了不到半年時間，助力材料和器件設(shè)計能夠更有方向感，他還介紹，該公司借鑒半導(dǎo)體領(lǐng)域EDA理念，提出了所謂的電池設(shè)計自動化（BDA），以AI結(jié)合高通量計算與多尺度建模，加速材料配方篩選和器件優(yōu)化升級，實現(xiàn)全生命周期下的智能化設(shè)計、驗證。

另據(jù)公開信息，鋰電雙雄中另一位玩家比亞迪也正在搭建動力電池先進算法團隊，聚焦多尺度材料模擬，工作內(nèi)容是使用量子力學、分子動力學等工具，解決電池研發(fā)場景中的具體問題，如性質(zhì)預(yù)測、機理解釋、材料優(yōu)化等，并結(jié)合機器學習等工具，對傳統(tǒng)計算方法進行補充和改進。

總體而言，在頭部鋰電企業(yè)示范帶動下，新一代人工智能技術(shù)對鋰電創(chuàng)新的變革正漸行漸近，鋰電領(lǐng)域的AI超級工具，已經(jīng)隱約顯現(xiàn)輪廓，這一領(lǐng)域蘊含著的巨大潛能，也已經(jīng)開始得到各國政府重視，例如美國能源部長詹妮弗·格蘭霍姆（Jennifer Granholm）上周就剛剛召集了閉門會議，與微軟、PNNL、英特爾、亞馬遜等機構(gòu)圍繞AI與新能源技術(shù)結(jié)合的議題進行對話，討論“我們可以采取哪些措施來加速公共和私營部門之間的伙伴關(guān)系，以確保我們的國家在人工智能方面保持競爭力和先進性”。

在這一新的產(chǎn)業(yè)制高點角逐中，盡管美國產(chǎn)業(yè)界在聲量上似乎更具優(yōu)勢，不過憑借更雄厚的產(chǎn)業(yè)數(shù)據(jù)積淀和生產(chǎn)制造配套，有理由相信，中國企業(yè)完全能夠?qū)崿F(xiàn)分庭抗禮，人類經(jīng)驗與AI工具的結(jié)合將會碰撞出怎樣的火花，我們不妨拭目以待。