【摘要】2024年諾貝爾獎的頒發(fā)，標志著AI for Science（AI4S）研究范式的崛起。

這一背景下，多個公司積極布局AI4S。國內材料行業(yè)面臨先進基礎材料質量不均、關鍵戰(zhàn)略材料受限以及前沿新材料技術尚待突破等問題。AI輔助研發(fā)能夠有效縮短材料從發(fā)現(xiàn)到應用的周期，提升研發(fā)效率。

但同時，電池材料研發(fā)仍面臨著高質量數(shù)據(jù)不足、人才短缺的困難。

如何在把握靈魂和尋找供應商加速革新之間做出選擇，也是AI時代電池材料廠商的新問題。

搜索添加芯流微信Aristodemus0403，深入交流更多新能源行業(yè)新進展（不建群），市場與項目咨詢、人才服務、決策研判。

以下為正文：

“鋰電下一個十年的技術競爭核心在于材料，而人工智能正在改變材料的研發(fā)范式，將大幅度加速全固態(tài)電池的研發(fā)速度”，中國科學院院士歐陽明高在今年1月的一次會議上如是說道。

無獨有偶，今年3月，寧德時代董事長曾毓群表示，“挖掘新能源材料、體系和應用方案的AI都是要聚焦做的事情”。寧德時代設立的香港研發(fā)中心最主要聚焦于AI for Science（人工智能驅動的科學研究）。

AI，一個看似新興的力量，正在悄然間擊碎電池材料研發(fā)以數(shù)十年計算變遷速度的固定范式。

如何利用、能否先一步利用、產生的實際效果如何，足以讓這個足夠新潮的概念成為潘多拉魔盒，具有豐富想象空間的同時，也暗藏風險。

01AI for Science正在改變研究范式

最近幾年，依托通用人工智能強大的算力和模型高效率、高精度地解決問題幾乎成為科研界的常態(tài)。

10月8日，瑞典皇家科學院宣布，將2024年諾貝爾物理學獎授予美國科學家約翰·霍普菲爾德和英裔加拿大科學家杰弗里·辛頓，以表彰他們“通過人工神經(jīng)網(wǎng)絡實現(xiàn)機器學習的基礎性發(fā)現(xiàn)和發(fā)明”。

次日，2024年諾貝爾化學獎授予戴維·貝克，以表彰其在計算蛋白質設計方面的貢獻；另一半則共同授予英國倫敦谷歌旗下人工智能公司DeepMind的德米斯·哈薩比斯和約翰·江珀，以表彰他們在計算蛋白質設計和蛋白質結構預測方面的突破性貢獻。

這意味著，AI成為了今年諾貝爾獎的最大贏家，AI for Science也由此進入大眾視野。

AI for Science（AI4S），即人工智能驅動的科學研究，是一種新的科學研究范式。2024年諾貝爾獎的決定，很大程度上肯定了這一研究范式、乃至整個賽道的長期價值。

隨著AI for Science的崛起，國內相關企業(yè)獲得了更多的投融資支持。舉例而言，近期深耕AI for Science領域的深勢科技再次獲得數(shù)億元融資。

自2018年成立以來，其已完成7輪融資，累計融資額超過十億人民幣，背后匯集了多家知名投資機構，如源碼資本、啟明創(chuàng)投、高瓴創(chuàng)投、經(jīng)緯創(chuàng)投以及BV百度風投等。

與此同時，材料研發(fā)正在成為AI for Science的重要陣地。

8月下旬，港股上市的AI制藥第一股晶泰科技宣布與協(xié)鑫集團合作，為協(xié)鑫提供新能源材料研發(fā)的訂單化服務。根據(jù)其半年報披露，這份合作為期5年、總合作金額約10億元。

8月末，獲得多輪融資的AI4S創(chuàng)業(yè)公司深勢科技，與材料廠商東陽光簽約成立AI4S新材料研發(fā)聯(lián)合實驗室。

看似慢節(jié)奏的化學技術進步開始逐步與快節(jié)奏的人工智能形成碰撞。

02如何賦能電池研發(fā)？

目前，國內材料行業(yè)面臨眾多挑戰(zhàn)，包括先進基礎材料質量不均、關鍵戰(zhàn)略材料受限以及前沿新材料技術尚待突破等問題。

而AI輔助研發(fā)的一個最直接效果就是縮短材料從發(fā)現(xiàn)到應用的周期，提升研發(fā)效率。

尤其在固態(tài)電池材料和光伏鈣鈦礦材料等革命性新材料的開發(fā)中，AI4S被許多專家視為研發(fā)的關鍵突破點。

以全固態(tài)電池為例，其研發(fā)的一大難題是如何開發(fā)出穩(wěn)定的電化學材料體系。

日本豐田在固態(tài)電池領域擁有全球最多的專利，過去30多年里嘗試了數(shù)萬種電解質應用于電池，但至今未能實現(xiàn)量產。而現(xiàn)在通過AI分析數(shù)萬種材料組合的穩(wěn)定性和導電性，其大幅縮短了傳統(tǒng)實驗中逐一驗證的時間成本，為固態(tài)電池的產業(yè)化應用開辟了新的可能。

同時，人工智能在動力電池設計環(huán)節(jié)具有重要作用。

舉例而言，為有效提升電池能量密度，行業(yè)在磷酸鐵鋰的基礎上引入錳元素，由于鐵離子與錳離子半徑相近，二者可實現(xiàn)原子級別混合，進而得到優(yōu)勢更為明顯的磷酸錳鐵鋰。但在二者混合過程中，如何調節(jié)比例關系成為了最關鍵的難題。

極大縮短實驗周期、提升電池研發(fā)和管理的可靠性，是AI技術應用于電池研發(fā)領域最核心的特點。

即通過減少重復性驗證工作及加快相應工作速度而為企業(yè)省下巨量的時間和資源成本。

如微軟和太平洋西北實驗室利用AI和超級計算技術，只用了80小時就從3200萬種候選材料中篩選出23種最具潛力的材料，并成功合成出新材料和電池原型。

最終方案是把電池中的部分鋰元素替換成鈉元素。這一創(chuàng)新不僅節(jié)省了傳統(tǒng)篩選所需的龐大資源和時間，還通過AI的高效數(shù)據(jù)處理，使研究人員能夠迅速找到性能優(yōu)化的材料組合。

特斯拉在其電池生產中運用AI優(yōu)化電池材料配方。通過機器學習分析材料的特性，特斯拉的AI模型能夠快速調整材料組合，以提升電池的能量密度和壽命。

AI的應用幫助特斯拉在研發(fā)階段模擬和測試數(shù)百種不同的電池配方，減少了實驗次數(shù)，加快了新型電池材料的開發(fā)周期，特別是在其最新的4680電池設計中取得了重要進展。

當然，由于海外起步較早，AI輔助材料研發(fā)的應用和案例大多集中在海外。諸如微軟、谷歌等互聯(lián)網(wǎng)巨頭早已開始為其云服務開發(fā)AI4S行業(yè)模型和PaaS平臺，而下游應用目前主要由大型化工和材料企業(yè)主導。

03技術向左，落地向右

盡管AI4S如火如荼，一個很難避免的現(xiàn)實是：國內電池材料研發(fā)仍面臨著高質量數(shù)據(jù)不足、人才短缺的處境。

與生物醫(yī)藥領域直接通過文獻公開披露數(shù)據(jù)不同，化工新材料行業(yè)相對比較封閉，涉及到材料、催化劑的原始數(shù)據(jù)則往往是企業(yè)的商業(yè)機密，并不對外開放。

而這一關鍵要素幾乎是AI4S的命脈。

針對某個具體領域、應用場景的垂直大模型，其最大的差別就是訓練時“投喂”的數(shù)據(jù)不一樣。經(jīng)過訓練的垂直大模型，針對分析的結果精度會更準確，反之則效果不佳。

這意味著，那些傳統(tǒng)材料研發(fā)廠商勢必要嚴格遵循“靈魂論”原則，對內尋求AI能力提升，這無疑是個漫長的過程。

而早已深耕于此多年的人工智能廠商，礙于以上問題，也很難短期內拿到足夠優(yōu)質的迭代數(shù)據(jù)，從而走向商業(yè)化的最終閉環(huán)。

內耗成了當前階段很難避免的問題。

與此同時，材料的AI研發(fā)屬于材料學與計算機的交叉學科，需要兩方面都精通的人才。而國內企業(yè)往往缺乏既懂材料又懂計算機的跨界人才。能夠下資本投入的，也多半是頭部廠商。

基于此，AI4S在電池材料研發(fā)實際落地方面仍然道阻且長。

04尾聲

AI for Science的崛起正在重塑材料研發(fā)的未來。

材料突破歷來是個慢節(jié)奏問題，而隨著諾貝爾獎的肯定，AI將成為加速材料科研的新動力，也為行業(yè)提供了更為明確的發(fā)展方向。

然而，盡管已有諸多成功案例，行業(yè)仍面臨數(shù)據(jù)不足和人才短缺等問題。如何在把握靈魂和尋找供應商加速革新之間做出選擇，也是AI時代電池材料廠商的新問題。

搜索添加芯流微信Aristodemus0403，深入交流更多新能源行業(yè)新進展（不建群），市場與項目咨詢、人才服務、決策研判。

- NEBR -

喜歡就獎勵一個“”和“在看”唄~