今天小编分享的互联网经验：宁德时代低调布局的AI研发，是风口还是噱头？，欢迎阅读。
文 | 王方玉
编辑 | 苏建勋
全球范围刮起的 AI 风暴，如今吹到了锂电行业。
今年 3 月，宁德时代董事长曾毓群在接受采访时表示，宁德时代设立的香港研发中心最主要聚焦于 AI for Science（AI 驱动的科学研究），" 挖掘新能源材料、体系和应用方案的 AI 都是要 Focus 做的事情。"
这是宁德时代首次对外透露香港研发中心的工作重点。
去年 12 月，宁德时代宣布将在香港设立国际研发中心的消息并未引发太多市场关注度。但作为全球最大的锂电池制造商，宁王的研发策略无疑有着风向标式的意义，其布局昭示出，AI 驱动的研发正在成为锂电池技术创新的突破口之一。
宁德时代对于 AI 驱动研发的布局也并非首创。过去一年多来，在电池研发领網域，AI 驱动的科学研究频传捷报：
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，利用 AI 在 80 个小时内对 3200 万种材料进行了筛选，从中找出了 18 种潜在的新电池材料。
去年 12 月，谷歌 DeepMind 在 Nature 上发表文章称，其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、通讯和传感等领網域。
这些由 AI 研发取得的国外研究成果也引起了国内学者的高度关注。
中国科学院院士欧阳明高在今年 1 月的一次会议上提及了上述研究，他指出 " 锂电下一个十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。"
然而现实中，由于种种原因，36 氪了解到，国内鲜少有锂电厂商投入布局 AI 研发，即使是龙头宁德时代也是刚刚开始——相比国外企业与科研机构，中国锂电企业已经落后了半拍。
自 1991 年日本索尼公司发布世界上第一块锂电池，全球锂电产业先后经历日本垄断、日韩争霸，再到如今中国领先，规模、成本都引领世界。
但在新的 AI 时代，国外企业正借助 AI 这一新工具攻克固态电池技术、试图换道超车。而固态电池被认为是锂电的终极形态，有望对于现行的液态锂电池实现完全替代。这也意味着，中国锂电产业在液态电池领網域的过往成绩有可能会被 AI 所颠覆。
面对国外日新月异的技术进步，欧阳明高警示行业 " 人工智能的时代，不要用过去推论未来 "，中国锂电企业 " 要敲响警钟 "。
AI 颠覆电池材料研发
当前，国内大部分锂电池厂商在使用计算机模拟仿真的方式开展研发。
顾名思义，模拟仿真是通过计算机模拟仿真复杂现象。从材料选型与电极、电芯设计，模拟仿真軟體可以帮助企业减少实验次数，缩短研发周期。
在这一领網域，国内也涌现出了如迈高材云、易来科得、储慧智能等提供研发仿真軟體及解决方案的创业公司。据悉，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。
而宁德时代香港研发中心要布局的 AI for Science，则是一种全新的科学研究方法。
与计算机模拟仿真复杂现象不同，AI for Science 通过大数据分析去理解、逼近复杂系统。
远景动力先进研发总监余乐对 36 氪做了一个形象的比喻，要知道推一个车的实际加速度是多少，计算机模拟仿真可以用牛顿第二定律进行推算；但路面上的摩擦力是无法被计算的，大数据则可以通过实际数据分析进行测算。
根据图灵奖得主 Jim Gary 对于科学发现的历史演变的分类，目前国内锂电产业普遍采用的模拟仿真是科学发现的第三范式，而 AI for Science 数据驱动的研发是 " 第四范式 "。
36 碳制图
对于锂电产业来说，相比计算模拟，AI for Science 的显著优势就在于提升研发的效率和速度。
欧阳明高指出，AI 将加速固态电池技术突破，让其在 2030 年左右实现产业化突破更具确定性。
"AI 可以更快更高效地发现、筛选包括新的固态电解质在内的多类电池材料。" 专注锂电池赛道的资深投资人王皓辰对 36 氪解释道，目前全固态电池的难点之一就在于开发稳定的电化学材料体系。日本丰田拥有全球最多的固态电池领網域专利数，在过去 30 多年已尝试了数万种电解质应用到电池中，但至今未成功量产，而 AI 技术的发展有希望帮助解决这一问题。
帮助固态电池发现新材料是 AI for Science 最具革命性的和颠覆性的应用。不过在电池研发领網域，AI for Science 可发挥作用的地方不止于此。
余乐告诉 36 氪，AI for Science 也可以用在液态电池、锂空气电池、储能电池等领網域，但凡性能可以被良好定义的、有稳定的数字化性能的电池都可以应用 AI，帮助改进、提升性能。
" 在研发测试环节，AI 辅助能够极大的减少设计迭代的轮数和每一轮所需要进行的设计数，从而节省时间；在电解液的调整配比上，AI 也可以更好地优化电解液配方。" 余乐表示，随着神经网络和 Deep Learning 的快速发展，配合大数据的训练，用 AI 来辅助研发，非常高效。
在实际应用中，AI for Science 可以与模拟仿真工具进行配合，两者各有所长。
余乐表示：" 对于应力、热和电传导，可以用公式很好的描述，拿到高精度的仿真结果，模拟仿真軟體更有效，AI 的优势就不大了。但对于复杂的电化学反应，无法通过公式表征和描述，很难实现仿真，即使仿真效果也远不及数据驱动，这时候 AI 会有很好的应用效果。"
国内企业处于落后地位
尽管 AI for Science 对于未来十年的电池研发突破意义重大，5 年内甚至可能颠覆现有的液态电池产业，但面对 " 远处的威胁 "，大部分国内锂电厂商仍然缺乏积极布局 AI 研发的动力。
36 氪了解到，目前国内鲜少有锂电厂商投入布局 AI 研发，更多的停留在第三范式模拟仿真的阶段——行业内有能力进行前瞻性技术布局的，只是少数。
对于当前陷入行业淘汰赛的锂电池厂商，尤其是二线企业而言，拿订单求生存是第一要务，它们难以计之长远、在一个可能在 5 年后引发变革的新技术上做太多投入。
亿纬锂能董事长刘金成在 3 月的一次会议上直言，在未来的技术迭代过程中，以全固态电池技术为代表的动力电池的新技术有望在 2027 年实现产业化，2027 年二线电池企业本身是否还存在具有不确定性。其次二线企业还有没有钱研究这些新技术也具有不确定性。
图片来源：视觉中国
前瞻性的技术往往是不成熟的，需要付出不少时间和成本进行探索。曾毓群在接受采访时坦言，AI for Science 目前还没有特别好的模型、结构、算法，还有很长的路要走。
AI 研发在实际落地中还面临着客观条件的限制，尤其是人才的缺乏。余乐提到，锂电池的 AI 研发属于材料学与计算机的交叉学科，国内化学系人才普遍不掌握编程能力，企业缺乏既懂材料又懂计算机的跨界人才。
一家提供第三方 AI 研发服务的公司告诉 36 氪，他们有大约 20 多人的团队为一家国内头部锂电厂服务，但该企业的 IT 团队完全不懂材料，导致軟體定制化开发的工作很难开展。
面对 AI for Science，一个可能引发巨大变革的新技术，中外厂商之间无疑已经产生了分野。
王皓辰表示，以微软和谷歌为代表，硅谷投资项目跟国内的风格完全不一样，它们并不追求短期内有明确的经济回报。这种不同导致国内企业整体在 AI for Science 这类新技术的研发上处于落后位置，还需要补足功课。
不过，王皓辰表示，国内厂商对于布局 AI for Science 不够积极，很大原因是还没有认识到这一技术的价值。
" 专家预测 AI 将加速固态电池技术突破，让其在 2030 年左右实现产业化突破更具确定性。但可能性有多大，确定性有多高很难说。目前 AI 研发这个工具还没有夸张到让电池厂觉得是生死攸关的地步。"
就眼下国内锂电产业的情况而言，他认为中国厂商要全面拥抱 AI for Science 还需要一个新的契机或者刺激。
" 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 部门和电池部门宣布合作，让中国锂电企业感到威胁，应用 AI for Science 的步伐应该会大大加快。" 他表示。
