转自：新华财经
作为2026世界人工智能大会（WAIC）官方系列活动之一，由世界人工智能大会组委会办公室指导，中国经济信息社上海总部和上海思朗科技股份有限公司（简称“思朗科技”）共同主办的“超智融合驱动AI4S发展论坛”于7月18日在沪举行。在国家新材料大数据中心的指导下，思朗科技与动力电池龙头企业宁德时代现场发布了三方联合打造的SL-EDE电解液垂类AI模型，实现电解液配方筛选的时限从“月级”缩短至“分钟级”。
宁德时代高通量计算首席技术官赵旭山介绍说，电解液的设计过程中涉及到锂盐、溶剂、添加剂、稀释剂和其他功能性添加剂，每类候选空间在100种左右，这些材料的排列组合是一个天文数字。业界甚至将电解液的设计定义为无限空间，单纯依靠计算或实验都很难在无限空间里找到最优的参数组合，因此引入人工智能技术成为科研发展的必然。
图为宁德时代高通量计算首席技术官赵旭山发言近一段时间，固态电池技术发展迅速，在汽车等行业开始投入试点应用。对此，赵旭山认为，在未来3-5年时间内液态电池仍将是主流技术路线，固态电池技术的成熟预计要到2030年甚至更晚。同时，两条技术路线未来的应用场景也各有不同，完全可以形成互补。
赵旭山表示，在电池等工业产品设计的过程中，人工智能技术可以在“端到端”和“全要素”两个方面发挥赋能作用。
在“端到端”方面，电池设计包含材料问题、基片问题、电芯问题以及电芯集成后的各种问题，是一个全链条问题。当前，尽管物理学家、电化学家花费了大量精力试图通过白箱模型搞清楚电池的机理，但微观科学和机理科学的发展跟不上应用需求的速度。在此背景下，AI模型可以先跑通“配方-性能”的映射，再反向求解“目标性能-最优配方”。“先搁置机理问题，AI模型保证输入和输出的数据能对的上，能做设计。”他说。
在“全要素”方面，电池设计涉及到性能要素、安全要素、成本要素、寿命要素等众多目标的博弈，实践中可能要同时考虑十多个目标的取舍。在多目标博弈的情况下，AI助力科研工作者寻找帕累托最优，多性质联合预测让系统级优化成为可能。
展望未来，赵旭山指出，在开展颠覆性材料研发的过程中，还面临数据和工程场景验证两大堵点，后续需要更高质量的数据集和更强的算力，同时持续探索智能体驱动的“黑灯实验室”技术。
本次论坛以“自主算力筑基，科研范式跃迁”为主题，致力于打造“政、产、学、研、用、资”六方深度协同的高端对话平台。现场发布了超智融合领域多个标杆性项目、行业服务平台及智库研究成果，推动形成“算力—数据—模型—产业”协同发展新生态，加速科学智能从试点探索迈向规模化落地。（邓侃）
编辑：葛佳明
