3月28日-30日，以“夯实电动化推进智能化实现高质量发展”为主题的中国电动汽车百人会论坛（2025）在京隆重召开！本届论坛汇聚20+政府有关部门领导、30+院士专家、100+汽车及相关领域的企业代表，共议汽车产业变革新路径。在30日召开的动力电池论坛上，欣旺达动力科技股份有限公司研发体系副总裁李阳兴发表精彩演讲。以下内容为现场发言实录：


欣旺达动力科技股份有限公司研发体系副总裁 李阳兴

大家上午好，感谢秘书长的介绍，今天我跟大家分享的主题是“AI赋能动力电池产业高质量发展”，分享一下我们的思考和探索。

在可持续发展的历史进程中，全球汽车产业加速向绿色低碳转型，新能源汽车凭借电动化与智能化的深度融合，持续推动消费者体验升级，提高用户的满意度。在史博士和孙院士的介绍中都提到了，2024年全球新能源车销量超过1800万辆，中国占70%，预测到2030年全球新能源车销量将达到4600万辆，海外新能源汽车总需求量有望超过中国。

这场变革不仅是技术的竞赛，更是全球供应链、能源体系与用户价值的系统性重构。

从全球新能源市场的格局来看，中美欧三大市场依然是核心驱动力，我们预计到2030年全球新能源产业的动力和储能电池总装机量将超过3T瓦时。中国在动力市场和储能市场领域仍然占据领先地位，而欧洲和北美等海外市场呈现出强健的增长态势。其中动力和储能电池的年复合增长率将近20%，产业有望成为新的经济引擎。

全球新能源产业发展趋势，目前来看BEV仍是未来最大的增量市场，PHEV和EREV在现阶段的增长空间是非常大的，HEV为燃油车电动化转型提供了高效过渡的方案。我们欣旺达在2022年率先发布了闪充电池，在2024电动汽车百人会的会议上，我们提出2024年将是行业超充元年，也发布了闪充电池3.0，现在宁德时代和比亚迪等头部企业也纷纷加入这场补能革命，助力产业迈向油电同速的新时代，超充也成为各个车企的新竞争态势。

新能源产业在全球竞合下的机遇和挑战，出海是中国新能源企业的下半场，我们要面临很多挑战，比如国际贸易壁垒与摩擦，技术标准与法规的差异，原材料价格与供应链风险，这都是需要我们面对的重大历史机遇和挑战。

AI引领产业革命，我们知道，全球技术的发展是多元技术交流汇集，1950年图灵发表了《计算机器与智能》，提出了图灵测试，定义了机器智能的评估标准；1956年，约翰·麦卡锡、明斯基、毕格罗等AI大家召开达特茅斯会议，标志着AI成为了独立科学；1986年，多层感知器（MLP）、BP网络，目前成为应用最广泛的神经网络；2016年，DeepMind的AlphaGo击败了围棋世界冠军李世石，首次出现机器打败人类的案例，我们知道机器战胜人类的可能性；2017年Transformer架构奠定了自然语言的新范式；之后，ChatGPT、AIGC进入了主流市场。

AI现在可以高效解决一些传统学科的痛点问题，比如在传统生物学和物理学，有实验成本高、实验周期过长的问题，AI通过多尺度建模可以从微观粒子到宏观物理，精确模拟物理现象，助力新材料的开发，在跨领域的知识融合，它可以借助化学和工程以及航空航天领域知识的融合，大数据建模、优化能够实时数据更新模型，同时实现数据挖掘新的规律。

AI产品的落地加速革新，OpenAI和DeepSeek都引爆了AI的应用，重塑了技术行业格局。我们知道AI的核心理念就是以应用为导向，我们通过材料数据库、第一性原理的计算能够计算材料的结构稳定性，通过材料的结构稳定性设计超快充，同时解决很多工程和应用的问题。AI在锂电全产业链的应用，贯穿了锂电池材料开发、电芯设计、生产制造、运维管理和回收利用全产业链，通过应用图神经网络、多物理场仿真优化、智能算法等可以指导锂电行业的发展，助力解决多物理场模拟仿真的问题，推动产业的智能化和可持续化。

看具体案例，比如在材料开发中，在正负极我们通过机械学习力场，提升锂离子电导率的计算精度；在电芯设计环节，我们可以通过电极的空隙率预测，优化比容量和能量密度；在生产制造中我们可以通过故障等级诊断，深度卷积神经网络，故障相关模式识别；在运维管理，我们通过电池健康管理，前馈神经网络和电池的健康状态预测；在回收利用中，我们通过卷积神经网络加强退役电池的精准分类。这都是我们做的一些工作。

人类已知大模型做了很多很好的工作，包括Transformer、BERT、GPT系列等。目前我们知道扩散模型在高维复杂数据生成与增强方面表现出色，可以用于虚拟材料的设计，微观结构预测，仿真数据补全，从而降低实验成本，提高材料的创新和筛选效率。

混合模型结合了CNN、RNN、GNN等多种深度学习方法，能有效融合微观结构图像、实验数据、模拟结果等多模态的信息，助力材料模拟、工艺优化和全生命周期预测，提高电池系统的精准分析能力。

Transformer及其衍生模型比较擅长处理文本和结构化数据，可用于自动化解析科研文献和专利，优化实验数据分析，并通过时间序列预测电池管理系统BMS的智能化水平，如健康状态和寿命政策等。

AI大模型现状在产业界和学术界都取得了一定进展，我们知道Google的DeepMind，在学术界，电池材料研发中，清华、MIT和UC伯克利都通过AI结合高通量的一些计算，进行材料的筛选。在电池性能优化中，浙江大学、斯坦福大学、剑桥大学都通过AI驱动的电池健康状态模型进行更精准的估算。在电池寿命估算中，华中科技大学和牛津大学也做了电池健康管理的平台。

但我们整个产业还是面临很大的挑战，一是有巨大的计算资源需求。二是数据需求，数据获取和标注成本比较高。三是模型还是缺乏透明性和可解释性。四是电池设计本身是多学科，学科壁垒、协作难度大。五是我们在实际应用中的泛化能力还有很大挑战。

最后我想分享一下欣旺达在AI方面的一些实践。欣旺达在全球化的技术策略是AI助力技术创新，驱动乘用车、商用车、船舶、储能和低空飞行器、海陆空行提供全场景解决方案，我们通过欣旺达的数字化平台，通过标准化、数字化、网联化、智能化、可视化打造材料数据的管理系统、产品设计系统、电池智能运营与维护系统，以及智能仿真系统，我们希望这样能够开启锂电制造的新纪元。

我们通过构建基础研究、应用开发和场景落地全链条的平台，推动核心技术的突破，我们通过AI+数字化赋能涵盖材料的筛选，多物理场耦合以及多尺度的优化。我们更多是在智能制造，通过工业互联网+和数字孪生实现数据定义工艺，AI驱动制造，通过极限工况模拟+智能失效推演，覆盖材料到系统的安全预警，从而打造安全可靠的质量保障体系。

AI在助力前沿材料攻关方面，我们通过机器学习力场、材料筛选、专家系统进行决策，从而降低材料计算的门槛，实现智能计算，AI全链条中通过一些科学问题进行仿真，通过仿真进行实验，然后进行工程，最后解决我们的工程问题。这是整个AI应用的闭环。

在AI重构体系研发，我们通过精准操控微观化学性质，智能解决宏观工程问题，从经验试错到计算驱动的过程。经过需求的提出，比如从行业报告、专利文献和用户评论中提取关键词，识别潜在的需求优先级，从而制定方案，再到实验验证。实验验证通过多尺度仿真预测结果避免高危实验，进行体系迭代，多目标智能优化，平衡能量密度、循环寿命、高安全性等多重性指标，在产品导入阶段通过放大效应的预测，基于历史数据迁移、学习模型推荐调整策略。

AI推动整个智能制造升级、系统升级，涵盖了鹰眼系统、智能工厂管理、机器人工厂和制程大数据，从而实现了缺陷分类准确率达到99.99%，检出率≤1DPPB。

2024年我们推出了两款超充电池，分别实现了10分钟补能500公里和700公里，通过贝叶斯学习与多物理场的耦合，结合强化学习与自适应算法，优化充电策略，降低析锂的风险，在锂离子扩散优化中结合了机器学习、分子动力学和高通量筛选，利用GNN与贝叶斯优化，优化电解液与界面设计，提升扩散速率与倍率性能。

在热管理方面，我们通过结合深度神经网络和CFD优化仿真，优化热管理策略，从而达到了电池寿命的延长。

在“625Ah欣岳电芯，精准2度电”上，我们通过一些AI算法，比如在机械件优化中，通过仿真与深度学习优化极耳和连接片设计，降低电芯内阻；在老化衰减预测中，通过LSTM算法预测了电芯的寿命，提高了电池的使用率。我们在制造环节上也进行了优化，比如涂布缺陷，通过图像识别和数据分析，优化生成过程，减少缺陷，从而达成了高能量密度、极致安全和长寿命同时实现。

在电动车百人会上我们向大家呼吁一下，我们希望实现锂电行业级大模型，实现锂电科学界和产业界通专融合的大模型。在底层融合模型中，涵盖材料数据库、电芯数据库、工艺数据库、制造数据库，运维数据库；在中间过程中我们通过文本、图像、音频和视频数据，形成电芯设计、机理分析、寿命预测等专业AI模型。锂电方面的通专融合大模型，这需要产业界和学术界很大的投入。

在AI驱动的锂电研发架构，希望以后实现研发的新范式，从而形成智能设计、精准研发、柔性制造、自适运维、高效回收和生态协同的完善体系。

最后想跟大家总结一下，一是市场趋势和全球布局，新能源汽车市场的驱动力已由政策主导向市场主导转变，海外市场需求结构发生了显著变化，在巩固国内市场的基础上把握美欧的市场，提前全球布局，供应链重构，提升协同效率。我这次还想强调一下，这场变革不仅仅是技术的变革，更是全球供应链、能源体系和用户价值的系统性重构。

在锂电行业里我们也引入了很多AI的工具进行了协同发展，这些AI工具着力突破计算资源的瓶颈，解决数据获取的难题，提升大模型的可解释性，我们也呼吁全球产业界和学术界，主要还是中国的产业界、学术界，希望我们能够实现产业与科学，打造锂电通专融合的大模型，实现未来的科学范式，以数据驱动研发，智能优化制造，开放合作，实现共赢，共同推动整个产业链协同进化，以构建AI+制造的科学新范式。

最后我还想强调一下，锂电产业链，新能源的产业链可能是新经济的一个发展引擎，也是中国产业对世界人类文明的贡献，最主要锂电产业的核心竞争力还是在制造，我国以产业配套、规模、技术筑牢优势。AI的本质还是制造增效工具，很难助力欧美企业弯道超车。在全球绿色转型中，我们应巩固产业优势，利用AI提升竞争力，持续领跑全球。

谢谢大家。