“AI+电池”研发如火如荼!电动汽车电池研发成本有望骤减

人工智能技术的下一个革新目标，极大概率将是电动汽车电池研发领域。

近日，人工智能技术所驱动的电动汽车电池开发商Chemix完成高达2000万美元的A轮融资，由Ibex Investors领投。这家成立仅仅三年的AI初创公司将利用这笔资金扩展其技术规模，该技术使用人工智能算法为电动汽车制造商设计和优化新型电池开发与制造。

随着全球企业对人工智能技术的兴趣激增，对该技术的能源强度及其对数据中心和电网系统的相应容量负担也在不断增加。但除了这些挑战因素之外，人工智能也有机会通过加速可持续材料的开发进程，以及加速电动汽车电池研发周期来帮助加速脱碳化进程。

电动汽车电池的开发通常是一个缓慢而消耗资源的过程，需要进行大量的测试和再测试工作。例如，测量电动汽车电池的使用时间可能需要充电和放电数千次，需要消耗大量时间且面临成本压力。使用人工智能，开发人员可以通过更快、更有效地技术迭代来减少电池开发设计的时间和开发费用。

根据2020年《自然》杂志的一项研究，一个早期预测模型带来的助力效应将全面认证快速充电技术所需的时间从500多天减少到16天，部分原因是利用前几个研发周期的有效数据预测最终的周期寿命。

人工智能公司Fero Labs的联合创始人兼首席科学家Alp Kucukelbir表示:“通常来说制药行业的研发和测试成本非常昂贵，多年来一直在采用这种方法节省成本。”Kucukelbir近日撰写了一份关于人工智能技术促进气候解决方案潜力的报告。他表示，现在，有财政和社会激励措施将同样的技术应用于电池和电动汽车行业。

总部位于美国加州森尼维尔的Chemix 公司表示，该科技公司的人工智能算法可以帮助客户们制造具有特定性能的定制化电动汽车电池，比如能够承受高温或排除某些材料。Chemix设计电池，并与制造合作伙伴合作生产电池，然后以溢价出售给一些特定的客户。

据该公司联合创始人兼首席执行官Kaixiang Lin介绍，在一个典型案例中，Chemix 帮助客户开发了一种新型的电解质——一种在电池阴极和阳极之间转移离子的物质，可以实现在两个月内将电池的周期寿命延长400%。如果不使用人工智能，这个过程通常需要几乎两倍的时间且成本高昂。

Kaixiang Lin不愿透露Chemix目前的客户群，但他表示，其中包括那些希望超越非专门设计电池的高端化电动汽车制造商。目前，这家初创公司的重点是电动汽车的电解液设计工作，但它计划转向阴极、阳极和浆液——所有这些都是关键的电池组件，以及家用电池。

电动汽车市场正在迅速发展，这对电池制造商来说是一个挑战，他们希望跟上发展的步伐。

“Chemix并不是在发明新的化学物质，它是在努力让现有的化学物质变得更好，”参与本轮融资的法国巴黎银行太阳能动力风险基金管理合伙人Yann Lagalaye表示。“仅仅改善现有的(化学工作)是巨大的，因为通过这样做，他们可以解决服务不足的市场”，这些市场目前依赖于大众化的市场电池，而这些电池并不是根据他们的需求所定制，比如电动跑车和摩托车。

Lin表示，Chemix正在发展一种在公司的物理实验室所收集的专有数据集，用于帮助训练人工智能大模型。

他表示:“要真正实际应用人工智能并释放人工智能技术的全部潜力，该行业缺少的是数据的可用性。”“如果你看看genAI，以及ChatGPT类型的应用程序，它们可以筛选来自互联网的大量数据，但当涉及到电动汽车电池或硬件开发时，往往没有足够的数据。”

老牌汽车业巨头通用汽车已押注“AI+电动车电池开发”

在美国，“AI+电动车电池开发”已成为造车领域最为看重的一种新兴技术，这种技术借助AI大幅缩短开发电动汽车电池的时间和成本。汽车制造领域的传统巨头通用汽车在去年下半年已主导Mitra Chem高达6000万美元的B轮融资项目，Mitra Chem被一些电池技术界的大拿们描述为位于硅谷的一家由人工智能技术驱动的电池材料革新者。Mitra Chem人工智能平台和位于加州山景城的先进研发设备，预计将有助于大幅加速通用汽车旗下各类经济实惠的电动汽车专用电池的商业化进程。

根据合作协议，通用汽车公司和Mitra Chem将开发先进的铁基正极活性材料，如磷酸锂锰铁，为与通用汽车旗下的Ultium电动汽车架构平台兼容的经济实惠电动汽车电池提供驱动力。通用汽车的资金支持旨在帮助Mitra Chem扩大目前的业务规模，并加快其新型电池材料配方全面推向市场的速度。

Mitra Chem为一家新型初创公司，公开资料较少。部分资料显示，Mitra Chem独创的电池研发设施以每月能够模拟、合成和测试数千种阴极设计方案而闻名，其尺寸从克到公斤不等。这些AI技术驱动的各项进程大大缩短了研发周期，以及缩短了新电池配方上市所需的时间。

“原子到吨加速平台”为Mitra Chem的实验室提供核心动力，使用模拟和物理信息机器学习模型来加速配方发现、阴极合成优化、电池寿命评估和工艺放大化。“内部云平台”则专为电池阴极开发而构建，自动化数据摄取跨越各种合成、材料表征、电池原型、标准化分析以及可视化。