如火如荼的人工智能、大模型，也能为动力电池产业的发展赋能。

6月9日，2023世界动力电池大会上，全国政协常委、中国科学院院士欧阳明高就深入介绍了，智能化、大模型如何为动力电池产业提效降本的。

众所周知，中国拥有世界最大的动力电池产业，但发展至今，面临着一系列的挑战，例如增速放缓、利润率降低、产品迭代加快等等。

欧阳明高开出的药方是智能化和大模型的解决方案。

不过，欧阳明高采用的大模型不是GPT，而是双向编码的预模型BRT。这两种模型底层神经网络都是Tranformer。

通过欧阳明高的介绍，我们大致可以看到大模型在动力电池领域的应用前景。

基于大模型实现电池全生命周期智能化

什么是大模型？一般来说都是基于深度学习，并以Tranformer为底层神经网络的、数量达到亿级别以上的模型。

Tranformer和以前的神经网络最大差别在于，前者是并行的。并行就可以使参数量放大到百亿、千亿，这样就有可能形成智力表现，与专业知识的输出。

通过大数据、预训练，以及百亿参数大模型，也就是Tranformer再加上注意力机制，就可以构成的框架型系统，比如说GPT就具备推理能力。

在欧阳明高看来，以此为基础，可以形成各种不同应用的大模型。例如用于绘画、语言类的chatGPT，还可以构建用于自动驾驶，以及能源和电力的大模型。

欧阳明高认为，动力电池产业完全可以借鉴这个概念。以Tranformer为基础预训练神经网络，来构建电池预训练大模型，可以用GPT模式或者其他模式的大模型， 在智能设计、智能制造、智能管理、智能回收等领域实现全生命周期智能化的应用。

随着设计技术的不断提升，从实验试错到仿真驱动，到现在的智能化全自动阶段。智能化全自动相比仿真设计， 效率提升1到2个数量级，可以节省研发费用70%-80%。

例如，通过电池智能设计技术，输入端为车辆性能需求，通过智能化全自动设计，可以输出最佳的电池方案。

在智能化全自动设计中有两项核心技术， 一个是高精度建模，另一个是高效的智能寻优算法。 在智能制造领域，可以用仿真做数字孪生、缺陷智能检测、产线大数据人工智能分析，来实现制造过程的智能化。

工艺数字孪生技术促进工艺开发的效率提升，更加科学智能化；融合电池缺陷演化机理和人工智能技术，将会使电池质量管控再上一个台阶；充分挖掘电池产线数据，智能预测、决策等技术有利于降本增效，提升企业市场竞争力。

在智能装备领域，其经历了从单机智能到多机协同智能，再到整条生产线一体化智能阶段。在智能装备的帮助下，可以实现锂离子电池电池极限制造，达到PPB级别缺陷率、全生命周期电池产品可靠性、TWh级别的超大规模高质量交付能力。

在智能感知层面，则可以通过引入多维的传感器，包括温度、电位、压力、光纤和气体传感器等，融合机理和人工智能，可以开发出内部状态的感知算法，来实现对电池内部状态的评估以及预测。

在此基础上，还可以通过大模型来进行电池管理。例如，热失控安全的预警。“以前是非常困难的，因为热失控数据是很少的，事故本来就不多，不可能形成大数据。但是有了人工智能，我们可以基于少数数据，通过数字孪生，生成一个大型数据库，然后进行预判。”欧阳明高表示。

再例如智能调控。欧阳明高提到，电池能控制的领域很少，只有充电可以控制，但放电基本上是不可控的。但现在通过大模型，不仅仅可以实现对电池的主动均衡，还可以对充电析锂进行调控。“以前析锂出来就进不去了，现在可以调控。热失控以前没有办法调控，现在实时控制来防止热失控。”欧阳明高举例道，“再比如说可以通过智能端盖，也可以对内部气体进行调控。”

智能回收方面，可以做到非破坏性的修复，可以通过小电流进行析锂调控等。对回收时间点的把控，就需要对电池寿命进行智能化预测。

大模型在电池领域的进展

大模型的应用进展方面，清华大学的进展或许可以进行参考。

目前，国内清华大学已经基于MAE构架，打造出了电池行业首个电池AI大模型。该模型达到了十亿级的参数，这个模型可以解决多个任务，适应多种电池。

在欧阳明高看来，这个构架有三大优势，一是可以采用无标签数据，即所有数据不进行精细标签，是其核心优势。

第二，是该模型可迁移，也就是具有通用性。

第三，是不需要人工介入。

现在该模型已经发展到第二代，已经在全国30个城市实现业务落地，覆盖80万辆新能源汽车，2万多个充电桩，以及1000GWh储能。

电池智能设计方面，其开发了一款动力电池全自主的国产软件，通过虚拟建模仿真，包含了所有的电芯类型、材料库等。现在已经有28家专业客户采用了这个软件，目前外测的单位和方案已经超过了200套。

在智能制造方面，需要用软件来定义电池工艺，包括对产线缺陷异物检测软件和电池的分容软件。

传统分容是全部化成、分容做一次测试，现在一半测试，另外一半完全靠预测，节省大量人力物力。目前电池AI大模型在生产线上，检出的缺陷率、检出率超过90%。

在智能电池前瞻技术方面，欧阳明高团队还在开发的植入式软件，植入式传感器最核心就是电位传感器。电位跟很多内部状态都有关系，是难度最大的一个传感器。

欧阳明高介绍说，其团队从2014年就开始做，现在做到第四代，与隔膜完全一体化的电位反馈，该柔性有机材料负极电位传感器的寿命超过2500小时、接近30万公里，可以跟车同寿命；而且是做到面上反馈、多点反馈，和无线传输。该传感器可以做到缺陷反馈、安全预警和快充等等。

动力电池全生命周期智能化展望

欧阳明高认为，在智能设计、智能电池方向，主要是高精度多尺度的建模技术+电池内部的多维传感。在智能制造与智能装备方向，主要是产线大数据和先进制造技术+单机智能化与多机协同。在智能管理和智能回收方向，主要是靠大模型与主动调控。

当然，欧阳明高认为，电池全生命周期智能化发展还面临一系列挑战。例如， 一是，数据量还不够；二是，整个人工智能大模型的可解释性不足，需要进一步加入电池机理；三是可移植性存在问题，现在如何移植到固态电池、全固态电池，移植性还需要研究 ，对于现有电池可移植没有问题，但是对新体系还需要做大量工作。