2月16日，由中国全固态电池产学研协同创新平台主办的第二届中国全固态电池创新发展高峰论坛“人工智能赋能全固态电池研发平台升级”专题论坛在京举办。由中国科学院物理研究所研究员、中国全固态电池产学研协同创新平台专家委员会副主任黄学杰主持。

　　当前正值全球AI技术快速迭代关键时期，大语言模型和AI for Science结合，升级研发平台，成为全固态电池关键材料体系创新与构建的加速器。

　　中国科学院院士、北京大学教授鄂维南作主旨报告，介绍了基于分子设计的基座模型Uni-Mol的研究进展。Uni-Mol是一个基于三维分子表达的通用模型，通过预训练的方式整合不同场景的分子数据，解决数据稀缺和碎片化问题。它采用Transformer架构，能够支持生成、搜索和属性预测等任务。

　　北京大学讲席教授、北京大学新材料学院创院院长潘锋介绍了基于图论和AI的固态电池材料基因探索。利用大数据和机器学习预测锂电池的导电性和导离子性，并通过中子谱仪等先进技术原位观察电池结构演化。针对固态电池，探讨了脱/嵌和传输的驱动力、结构演化、体相生长和临界电流等问题，提出了纳米润湿和多物理相场等方法，以解决固态电池中的应力破裂和锂离子传输问题。

　　清华大学化学工程系教授、系主任张强探讨了锂键化学与人工智能在电池创新中的应用。通过计算和实验，团队揭示了锂键的电荷转移特性及其对电池性能的影响。结合人工智能，团队开发了高通量电解质计算软件，筛选出25万个分子，显著提升了电解质材料的研发效率。此外，自动化实验平台的引入进一步加速了电池材料的开发。

　　美国材料研究学会（MRS）会士、电化学学会（ECS）会士、SES AI Corporation首席技术官许康主要探讨了AI在电解液分子设计中的应用。其团队建立了“分子宇宙”数据库，预计包含1012个分子，通过DFT计算和AI技术加速分子探索。同时开发了AI agent，用于分子生成和性能预测，并建立了电解液制造厂，实现了从AI设计到产品落地的全流程。

　　宁德时代新能源科技股份有限公司研发总裁欧阳楚英阐述了宁德时代从系统维度进行创新，通过多尺度集成仿真将材料、电芯和系统设计耦合优化，实现正向与逆向设计反馈，提升产品性能。公司强调“AI+物理”模式，基于应用经验构建物理图像，从工程问题中提炼科学问题，并借助AI和实验形成闭环。宁德时代投入大量资源完善算力、算法、数据、模拟、设计和实验平台，将实验结果反馈到数据中，指导新实验，实现全链条打通。

　　达索系统大中华区应用科学家张亮探讨了AI与数字化技术加速固态电池创新的路径。核心围绕“3D UNIV+RSES”平台，提出三大方向：跨尺度仿真协同、虚实融合工程化、生成式AI工业落地。将固态电池研发的“材料-界面-系统”多尺度难题转化为可计算的数字化流程，目标缩短工程化周期，助力固态电池从实验室迈向规模化应用。

　　第四范式（北京）技术有限公司创始人兼CEO戴文渊探讨了AI的发展前景，指出了AI技术井喷的原因。AI与各产业的结合将成为新质生产力的核心驱动力，未来需要更多人才、数据和场景的投入。

　　苏州易来科得科技有限公司CEO陈新虹描述了易来科得在工业电池研发及AI赋能方面的工作，主要包括三个方向：易来科得的工作、软件在国内外市场的应用情况，以及重点的ELectroder BDA软件。传统实验室研发流程存在时间、物料、电能和人力的浪费。目前正在经历从实验试错到智能自动设计的变革。预计到2025年，电池设计效率将提升2-5倍，智能设计将再提升两个数量级。ChatBDA软件通过自然语言输入简化设计流程，能在秒级内生成电池型号，显著提升设计效率。

　　圆桌讨论环节，由中国科学院院士、中国全固态电池产学研协同创新平台理事长欧阳明高院士担任主持人，清华大学电子工程系教授、系主任汪玉，清华大学化学工程系教授、系主任张强，北京深势科技有限公司研发副总裁王晓旭，北京理工大学机械与车辆学院教授熊瑞，北京大学深圳研究生院新材料学院副院长、副教授郑家新，北京昇科能源科技有限责任公司CEO褚政宇参与讨论。

　　欧阳明高院士指出，“文献AI读、报告AI写、模型AI算、优化AI做”的研发新范式。全固态电池AI大模型，提供各类专家智能体与智能设计工具，实现材料体系智能匹配、设计参数、智能选优，制备工艺、智能推荐等研发服务，电池研发效率可以提升1-2个数量级，节省研发费用70%-80%。

　　DeepSeek助力固态电池大模型开发。DeepSeek推动了各行业垂直大模型的发展，其开源特性使得私有化部署成为可能。其保障了数据隐私，为各行业模型定制化开辟了安全新途径。智能研发平台借助人工智能技术，对海量数据进行深度挖掘和分析，为研发工作提供了前所未有的便利和效率。

　　AI赋能材料研发、自动化实验室。在材料研发方面，第一，大模型负责交互，与用户沟通需求。同时利用大语言模型进行信息检索。第二，建立专业数据库，整合论文与专利，让机器能读懂、分类这些信息，形成检索模式大模型。第三，进行数据标引，即让机器识别文章所属技术谱系部分。而自动化智能实验室可以批量进行材料合成和电池组装测试，显著提高实验效率。人工智能与先进表征手段结合，可以准确表征全固态电池多尺度结构，高效完成表征图像的分割等候处理。

　　全行业携手，共迎固态电池新时代。全固态电池研发智能公共服务平台集聚专家智慧，开发全固态电池技术谱系，呈现完整有序的技术脉络。借助人工智能技术，对海量数据进行深度挖掘和分析，为固态电池的研发工作提供了前所未有的便利和效率。高校、企业研发人员、工程师与材料专家紧密合作，从不同视角碰撞出创新火花，加速全固态电池的研发进程。（资料来源：第二届中国全固态电池创新发展高峰论坛）