電池的研發與設計創新模式，正在被重構。

　　中國科學院院士歐陽明高曾預測，鋰電下一個十年的技術競爭核心在于材料，而人工智能(AI)正在改變材料的研發范式。

　　歐陽明高院士這一預測，正在被一家有著深厚電池基因和AI技術能力的企業變為現實。

　　今年4月底，SES AI Corporation(簡稱“SES AI”)推出了一款電池領域逐漸替代人類科學家的AI Agent：涵蓋10^11個可用于電池的小分子圖譜，專注于電池專用的大語言模型驅動訓練而成的智能模型——Molecular Universe(分子宇宙，簡稱：MU)。

　　自發布以來，“分子宇宙”已經展現出強大的研發與創新能力。據悉，已經有機構科研和企業技術人員，通過MU大模型，找到了高度匹配NCM811和硅含量達15%的全新分子材料，以及抑制硅膨脹的全新電解液添加劑。

　　這意味著，過去需要科學家數年乃至數十年的研發創新，發生了顛覆性變化，分子宇宙可能只需要很短的時間，就能完成這一創新。

　　傳統的電池材料開發，主要依賴于科學家，往往存在經驗和運氣的成分。SES AI認為，長期以來，電池創新的空間被經驗限制住了。20個原子以下的有機分子超過10^11種，像宇宙中的星辰一樣多，但在過去30年里，僅有1000多種有機分子在電池領域被研究。

　　SES AI耗費近半年的時間，完成了對10^11個宇宙分子的計算，并存儲在“分子宇宙”圖譜(Map)中。SES AI基于分子宇宙海量數據，結合該公司在高性能鋰金屬與鋰離子電池研發制造方面的經驗，開發出了專門適用于電池領域的大型語言模型(LLM)，并依托強大的算力和訓練能力，在全球率先構建了一個具備科學分析、推理的電池AI智能體。

　　4月底，SES AI發布了分子宇宙第一代版本，也即MU.0版本。

　　僅僅過去兩個月時間，SES AI推出了Molecular Universe的全新版本：MU-0.5，新版本有了重大升級。

01

“分子宇宙”迎重大升級

引入Deep Space功能

　　在MU-0版本中，用戶向“分子宇宙”提問(Ask)，分子宇宙通過訓練推理模型，深入思考后，會直接幫助用戶精確找到所需的分子及有關詳細特性。在MU-0版本中，用戶提問越具體、詳細，答案越精確、可靠。

　　而MU-0.5版本，則引入了Deep Space，使得“分子宇宙”具備更全面的科學分析、推理能力，從產品研發到制造的全流程閉環角度考慮，更契合電池實際應用及生產。“分子宇宙”會自主且更精確地去理解用戶的需求和真實意圖，并給出更精確的答案，減少試錯成本。

　　電池作為非常復雜的化學體系，要實現商業化落地，需要綜合考慮能量密度、低溫、壽命、快充、安全等性能指標，以及成本、量產可行性等商業維度。大部分用戶在使用“分子宇宙”探索某一材料分子的性能時，往往只是簡單提出一個需求，容易忽視新分子材料的其它特性，以及合成價值和量產可能。

　　與MU-0版本中Ask功能依賴于專門針對電池領域訓練的大型語言模型不同，Deep Space由更強大的多代理模型驅動。當用戶輸入問題后，Deep Space不會立即作答，而是會先向用戶提出幾個關聯問題，通過與用戶的“交流”，以更準確、深入理解用戶的真實需求和目標。

　　例如，當用戶想要讓分子宇宙推薦一款“適配NCM811正極和高硅負極，能夠提升該電池快充性能的電解液配方”時，MU-0.5會先向用戶提出幾個問題：

　　1、這款電池的開發背景是面向實際量產應用，還是學術研究/原理驗證?

　　2、您希望最終能承受的快充倍率大約是多少(例如2C、4C、6C等)，以及是否對低溫或高溫性能也有硬性要求?

　　3、鹽體系是否必須保持LiPF，還是可以接受 LiFSI或 LiPF /LiFSI混鹽?

　　4、對溶劑或添加劑中的氟含量、成本或環境法規是否有嚴格限制?

　　5、電池需要兼顧難燃/阻燃特性嗎?

　　6、是否有固定的硅含量、負極面密度或其它工藝窗口(如溫度、壓力)必須維持?

　　7、您更傾向于已有文獻與量產經驗驗證過的方案，還是希望獲取尚未公開或相對新穎的思路?

　　通過這種主動溝通，MU-0.5可以更加深度理解用戶的真實需求，甚至超出用戶所想。隨后，它將從SES AI的專有數據庫中尋找答案，并在Molecular Universe快速增長的分子數據庫中搜索全新適配分子。

　　“用戶在分子宇宙中詢問一種材料分子時，可能只問低溫、快充性能，其它如高溫存儲、循環、能量密度、安全、成本、量產時間等維度并沒考慮到，MU0.5 目的是對用戶發出提問的真實需求有個更深的了解，然后它會再進行全面思考?！?strong>SES AI創始人胡啟朝告訴電池中國，這個過程可能需要半個小時或幾十分鐘，但它的回答能夠更精確地滿足用戶的所有需求、貼近實際情況。

　　盡管時間要比MU-0花費時間更長，但傳統依靠科學家完成這些研發可能需要數月甚至數年的時間，“Deep Space能根據性能、新穎性(如:新化學物合成指數)、成本或其它用戶關注的維度，推薦適用于不同電芯體系的電解液配方，以及生產注意事項。它顯著減少了試錯時間，能在短短1小時內完成這些核心的前期研究工作?！?/strong>

02

分子宇宙

高質量數據構建全球領先的電池專用大模型

　　高質量數據的缺乏，也是AI推動材料研發要面臨的難題之一。

　　現階段，純AI公司涉足電池領域，因為自身沒有高質量數據，所以其針對電池領域的創新和訓練，往往不具備落地性或可行性;

　　電池企業雖然有龐大的電池數據基數，但多部門采集整理難度非常大，且很多企業未對數據進行廣泛、清晰的標注。同時，在算力、算法和訓練模型上不夠專業，難以實現AI for Science加速電池材料開發的進程。

　　自“分子宇宙”MU.0版本發布之后，Molecular Universe迅速成為全球企業、國家實驗室和高校電池研究人員應用的強大電池探索工具。其可快速獲取相關且豐富的研究洞察，高質量的訓練數據和模型，且可大幅節省因避免重復專利申請、材料與設備試錯實驗，及人才招聘而產生的成本，因此受到電池屆的廣泛認可。

　　無論是在高質量數據、AI算法、訓練模型，以及推理和科學分析上，“分子宇宙”都令業界耳目一新，究其原因：

　　首先，SES AI在初始階段就花費巨大的人力與算力，盡可能全面計算電池領域中10^11分子的各類數據。分子數據庫包含海量未被充分探索的化學結構;傳統研發往往聚焦于已知結構類別，但化學空間的廣闊性，意味著許多結構迥異但性能優越的分子，可能存在于“非傳統區域”。

　　其次，分子宇宙收集了大量電池相關的文獻、學術、專利、工藝、電芯產線、測試、材料體系數據。MU模型通過訓練，具有很深的對電池文獻、專利、工藝、制造、測試等數據基礎理論的理解分析能力。

　　第三，分子宇宙一直可以對電池最新的高質量數據進行吸納和分析學習。SES AI過去多年一直專注于電池，尤其是聚焦鋰金屬電池等前沿電池技術的產業化落地，并已成功開發出汽車A樣品和B樣品，且在無人機、低空飛行器、電動汽車等領域得以應用驗證。分子宇宙每六個月會收集、測試各種批次電池、材料實驗數據，并將數據更新到分子宇宙智能體進行模型訓練，從而將模型精確度和精密度做得非常高。

　　相較于DeepSeek、Openai等通用大模型，分子宇宙構建了更全面的專注在電池領域的高質量數據，也讓其在電池領域具備更強的推理、科學分析能力，結果也會更精確。

　　SES AI除了向全球客戶提供“分子宇宙”電池通用模型服務，考慮到多數頭部電池企業自身高質量電池數據的敏感性，SES AI還可以為客戶提供定制化的“分子宇宙”模型，幫助客戶進行本地化部署，通過創建類似聯合實驗室的方式，對***進行本地化訓練，幫助企業加快研發創新速度，建立競爭優勢。

03

分子推薦不是紙上談兵

顛覆性電池材料已被MU發現

　　當用戶向分子宇宙提出：推薦一個新的電池材料分子時，分子宇宙會充分考慮新的分子合成難度，以及合成后電池的性能表現、可量產與否等諸多實際需求。

　　據胡啟朝介紹，分子宇宙根據分組，會對每個分子進行“商業打分”，比如該分子是不是可以買到，成本是便宜還是昂貴，具不具備快速量產可能?這樣可以幫助很多企業研發團隊做出判斷，避免大量人力、財力和時間投入的浪費，“分子宇宙可以幫助企業更早地去篩選有價值、可行的新材料，并指出不具備商業價值的材料分子?！?/strong>

　　需要指出的是，分子宇宙是不是真的像介紹的一樣，具有強大的推理、科學分析和篩選能力，將顛覆電池開發模式，而非“紙上談兵”?

　　據胡啟朝透露，SES AI已經通過分子宇宙找到了一個全新的電解液添加劑，該添加劑可以提高NCM811正極和硅含量15%負極的電池循環性能，新材料已經通過驗證，“這是通過分子宇宙產生出的一個全新的顛覆性材料，我們計劃本月中旬申請專利?！?/strong>

　　值得一提的是，基于分子宇宙發現的全新材料分子，發現者都可以申請相關專利。

　　除了SES AI公司自身，胡啟朝介紹，目前也有用戶通過分子宇宙，找到了一種可以抑制高硅膨脹的添加劑，這種添加劑既可以控制硅膨脹，還不會產氣，“客戶計劃將這種材料應用到高鎳、高硅圓柱21700電芯體系，產品未來將應用到機器人領域。”

　　另外，分子宇宙也已經在高能量密度鋰金屬電池、硅負極材料領域實現具體突破，“通過分子宇宙，已經找到適合鋰金屬電池全新的溶劑，以提升該電池的性能和量產難題。”

　　現階段，對全固態電池研發的難點之一，就在于如何開發出穩定的電化學材料體系。日本豐田擁有全球最多的固態電池領域專利數，過去30多年其已嘗試了將許多種電解質應用到電池中，但至今未成功實現一款全固態產品量產。值得一提的是，分子宇宙也將加快全固態電池的開發進程。

　　目前固態電池存在很大的一個問題，就是它的導電性能比較差，固態電解質與正極、負極的固固界面傳導較差，進而帶來了很多生產工藝的挑戰。胡啟朝認為，分子宇宙將加快高導電率固態電解質材料的發現，找出高導電率的新材料，固固界面以及量產工藝問題也將隨之解決。

04

持續迭代

為電池材料創新引入各種“奇跡”

　　今年4月底，分子宇宙發布了MU-0版本，僅過了兩個月時間，SES AI就發布了MU-0.5版本，引入具備“代理智能能力”的Deep Space，可幫助用戶顯著減少試錯時間，更精準地匹配用戶需求。

　　SES AI稱，Deep Space專為嚴謹且聚焦的深入研究而設計，適用于那些不僅追求好奇心解答，更希望真正開發商業化產品的用戶。用戶可選擇常規的Ask模式或Deep Space模式。常規Ask查詢通常在30秒內返回結果，而Deep Space的查詢時間通常超過5分鐘，有時甚至長達20分鐘。

　　據SES AI介紹，分子宇宙將保持每兩個月左右升級0.5版本，每五個月推出新一代版本的頻率迭代。

　　按照規劃，SES AI將于今年9月推出MU-1.0版本。屆時，分子宇宙MU-1.0可把材料分子與電池性能直接關聯。

　　胡啟朝表示，分子宇宙每一個版本都會有一些新的功能，SES AI將持續擴充高質量數據、優惠訓練模型和算法，縮短電池新材料開發和驗證時間。

　　對于本地化部署分子宇宙模型的客戶，SES AI將會提供更快、更精準，并可根據客戶不同維度需求的更新迭代。

　　分子宇宙可以提供從材料到電池，再到應用場景的分子篩選推薦，同時也具有從需求倒推挖掘新分子的能力，是一個“雙向”的智能體。

　　實際上，近年來隨著人工智能的快速發展，不少電池企業正在構建數字模擬、仿真的研發體系，電池設計也從第一代的經驗積累和試錯，進入到第二代的仿真驅動。

　　據介紹，目前仿真物理模型都有一個痛點，就是每個材料的特性需要都是已知的，根據已知材料，仿真出產品性能表現。如果給仿真模型一個未知材料，它是不能準確地仿真出可靠性結果的。

　　隨著AI的加速到來，電池設計將從仿真驅動，向第三代基于AI的電池智能設計技術方向發展，可以看到分子宇宙也正在扮演這種角色。

　　今年以來，以eVTOL為核心的低空場景，以及機器人場景快速爆發，對動力電池開發和創新提出了許多新的需求。

　　據了解，自今年4 月底 “分子宇宙” 模型發布以來，目前已有國內外數十家電池及產業鏈企業正在應用該模型。未來，隨著更多企業的持續加入，“分子宇宙”的訓練、推理及自學習能力將不斷強化升級。這不僅將推動適配低空、機器人等新興場景的全新電池加速研發，也將助力全固態電池等下一代電池技術的產業化進程早日到來。

附：分子宇宙MU-0.5版本功能示范