电池创新告别 “试错时代”，“分子宇宙”已发现颠覆性新材料-北极星储能网

投稿

我要投稿

电池的研发与设计创新模式，正在被重构。

中国科学院院士欧阳明高曾预测，锂电下一个十年的技术竞争核心在于材料，而人工智能（AI）正在改变材料的研发范式。

欧阳明高院士这一预测，正在被一家有着深厚电池基因和AI技术能力的企业变为现实。

（文章来源：电池中国）

今年4月底，SES AI Corporation（简称“SES AI”）推出了一款电池领域逐渐替代人类科学家的AI Agent：涵盖10^11个可用于电池的小分子图谱，专注于电池专用的大语言模型驱动训练而成的智能模型——Molecular Universe（分子宇宙，简称：MU）。

自发布以来，“分子宇宙”已经展现出强大的研发与创新能力。据悉，已经有机构科研和企业技术人员，通过MU大模型，找到了高度匹配NCM811和硅含量达15%的全新分子材料，以及抑制硅膨胀的全新电解液添加剂。

这意味着，过去需要科学家数年乃至数十年的研发创新，发生了颠覆性变化，分子宇宙可能只需要很短的时间，就能完成这一创新。

传统的电池材料开发，主要依赖于科学家，往往存在经验和运气的成分。SES AI认为，长期以来，电池创新的空间被经验限制住了。20个原子以下的有机分子超过10^11种，像宇宙中的星辰一样多，但在过去30年里，仅有1000多种有机分子在电池领域被研究。

SES AI耗费近半年的时间，完成了对10^11个宇宙分子的计算，并存储在“分子宇宙”图谱（Map）中。SES AI基于分子宇宙海量数据，结合该公司在高性能锂金属与锂离子电池研发制造方面的经验，开发出了专门适用于电池领域的大型语言模型（LLM），并依托强大的算力和训练能力，在全球率先构建了一个具备科学分析、推理的电池AI智能体。

4月底，SES AI发布了分子宇宙第一代版本，也即MU.0版本。

仅仅过去两个月时间，SES AI推出了Molecular Universe的全新版本：MU-0.5，新版本有了重大升级。

“分子宇宙”迎重大升级

引入Deep Space功能

在MU-0版本中，用户向“分子宇宙”提问（Ask），分子宇宙通过训练推理模型，深入思考后，会直接帮助用户精确找到所需的分子及有关详细特性。在MU-0版本中，用户提问越具体、详细，答案越精确、可靠。

而MU-0.5版本，则引入了Deep Space，使得“分子宇宙”具备更全面的科学分析、推理能力，从产品研发到制造的全流程闭环角度考虑，更契合电池实际应用及生产。“分子宇宙”会自主且更精确地去理解用户的需求和真实意图，并给出更精确的答案，减少试错成本。

电池作为非常复杂的化学体系，要实现商业化落地，需要综合考虑能量密度、低温、寿命、快充、安全等性能指标，以及成本、量产可行性等商业维度。大部分用户在使用“分子宇宙”探索某一材料分子的性能时，往往只是简单提出一个需求，容易忽视新分子材料的其它特性，以及合成价值和量产可能。

与MU-0版本中Ask功能依赖于专门针对电池领域训练的大型语言模型不同，Deep Space由更强大的多代理模型驱动。当用户输入问题后，Deep Space不会立即作答，而是会先向用户提出几个关联问题，通过与用户的“交流”，以更准确、深入理解用户的真实需求和目标。

例如，当用户想要让分子宇宙推荐一款“适配NCM811正极和高硅负极，能够提升该电池快充性能的电解液配方”时，MU-0.5会先向用户提出几个问题：

这款电池的开发背景是面向实际量产应用，还是学术研究/原理验证？
您希望最终能承受的快充倍率大约是多少（例如2C、4C、6C等），以及是否对低温或高温性能也有硬性要求？
盐体系是否必须保持LiPF，还是可以接受 LiFSI或 LiPF /LiFSI混盐?
对溶剂或添加剂中的氟含量、成本或环境法规是否有严格限制?
电池需要兼顾难燃/阻燃特性吗?
是否有固定的硅含量、负极面密度或其它工艺窗口(如温度、压力)必须维持?
您更倾向于已有文献与量产经验验证过的方案，还是希望获取尚未公开或相对新颖的思路?

通过这种主动沟通，MU-0.5可以更加深度理解用户的真实需求，甚至超出用户所想。随后，它将从SES AI的专有数据库中寻找答案，并在Molecular Universe快速增长的分子数据库中搜索全新适配分子。

“用户在分子宇宙中询问一种材料分子时，可能只问低温、快充性能，其它如高温存储、循环、能量密度、安全、成本、量产时间等维度并没考虑到，MU0.5 目的是对用户发出提问的真实需求有个更深的了解，然后它会再进行全面思考。”SES AI创始人胡启朝告诉电池中国，这个过程可能需要半个小时或几十分钟，但它的回答能够更精确地满足用户的所有需求、贴近实际情况。

尽管时间要比MU-0花费时间更长，但传统依靠科学家完成这些研发可能需要数月甚至数年的时间，“Deep Space能根据性能、新颖性(如:新化学物合成指数)、成本或其它用户关注的维度，推荐适用于不同电芯体系的电解液配方，以及生产注意事项。它显著减少了试错时间，能在短短1小时内完成这些核心的前期研究工作。”

分子宇宙

高质量数据构建全球领先的电池专用大模型

高质量数据的缺乏，也是AI推动材料研发要面临的难题之一。

现阶段，纯AI公司涉足电池领域，因为自身没有高质量数据，所以其针对电池领域的创新和训练，往往不具备落地性或可行性；

电池企业虽然有庞大的电池数据基数，但多部门采集整理难度非常大，且很多企业未对数据进行广泛、清晰的标注。同时，在算力、算法和训练模型上不够专业，难以实现AI for Science加速电池材料开发的进程。

自“分子宇宙”MU.0版本发布之后，Molecular Universe迅速成为全球企业、国家实验室和高校电池研究人员应用的强大电池探索工具。其可快速获取相关且丰富的研究洞察，高质量的训练数据和模型，且可大幅节省因避免重复专利申请、材料与设备试错实验，及人才招聘而产生的成本，因此受到电池届的广泛认可。

无论是在高质量数据、AI算法、训练模型，以及推理和科学分析上，“分子宇宙”都令业界耳目一新，究其原因：

首先，SES AI在初始阶段就花费巨大的人力与算力，尽可能全面计算电池领域中10^11分子的各类数据。分子数据库包含海量未被充分探索的化学结构；传统研发往往聚焦于已知结构类别，但化学空间的广阔性，意味着许多结构迥异但性能优越的分子，可能存在于“非传统区域”。

其次，分子宇宙收集了大量电池相关的文献、学术、专利、工艺、电芯产线、测试、材料体系数据。MU模型通过训练，具有很深的对电池文献、专利、工艺、制造、测试等数据基础理论的理解分析能力。

第三，分子宇宙一直可以对电池最新的高质量数据进行吸纳和分析学习。SES AI过去多年一直专注于电池，尤其是聚焦锂金属电池等前沿电池技术的产业化落地，并已成功开发出汽车A样品和B样品，且在无人机、低空飞行器、电动汽车等领域得以应用验证。分子宇宙每六个月会收集、测试各种批次电池、材料实验数据，并将数据更新到分子宇宙智能体进行模型训练，从而将模型精确度和精密度做得非常高。

相较于DeepSeek、Openai等通用大模型，分子宇宙构建了更全面的专注在电池领域的高质量数据，也让其在电池领域具备更强的推理、科学分析能力，结果也会更精确。

SES AI除了向全球客户提供“分子宇宙”电池通用模型服务，考虑到多数头部电池企业自身高质量电池数据的敏感性，SES AI还可以为客户提供定制化的“分子宇宙”模型，帮助客户进行本地化部署，通过创建类似联合实验室的方式，对客户数据进行本地化训练，帮助企业加快研发创新速度，建立竞争优势。

分子推荐不是纸上谈兵

颠覆性电池材料已被MU发现

当用户向分子宇宙提出：推荐一个新的电池材料分子时，分子宇宙会充分考虑新的分子合成难度，以及合成后电池的性能表现、可量产与否等诸多实际需求。

【拉至文末可查看整个版本功能示范】

据胡启朝介绍，分子宇宙根据分组，会对每个分子进行“商业打分”，比如该分子是不是可以买到，成本是便宜还是昂贵，具不具备快速量产可能？这样可以帮助很多企业研发团队做出判断，避免大量人力、财力和时间投入的浪费，“分子宇宙可以帮助企业更早地去筛选有价值、可行的新材料，并指出不具备商业价值的材料分子。”

需要指出的是，分子宇宙是不是真的像介绍的一样，具有强大的推理、科学分析和筛选能力，将颠覆电池开发模式，而非“纸上谈兵”？

据胡启朝透露，SES AI已经通过分子宇宙找到了一个全新的电解液添加剂，该添加剂可以提高NCM811正极和硅含量15%负极的电池循环性能，新材料已经通过验证，“这是通过分子宇宙产生出的一个全新的颠覆性材料，我们计划本月中旬申请专利。”

值得一提的是，基于分子宇宙发现的全新材料分子，发现者都可以申请相关专利。

除了SES AI公司自身，胡启朝介绍，目前也有用户通过分子宇宙，找到了一种可以抑制高硅膨胀的添加剂，这种添加剂既可以控制硅膨胀，还不会产气，“客户计划将这种材料应用到高镍、高硅圆柱21700电芯体系，产品未来将应用到机器人领域。”

另外，分子宇宙也已经在高能量密度锂金属电池、硅负极材料领域实现具体突破，“通过分子宇宙，已经找到适合锂金属电池全新的溶剂，以提升该电池的性能和量产难题。”

现阶段，对全固态电池研发的难点之一，就在于如何开发出稳定的电化学材料体系。日本丰田拥有全球最多的固态电池领域专利数，过去30多年其已尝试了将许多种电解质应用到电池中，但至今未成功实现一款全固态产品量产。值得一提的是，分子宇宙也将加快全固态电池的开发进程。

目前固态电池存在很大的一个问题，就是它的导电性能比较差，固态电解质与正极、负极的固固界面传导较差，进而带来了很多生产工艺的挑战。胡启朝认为，分子宇宙将加快高导电率固态电解质材料的发现，找出高导电率的新材料，固固界面以及量产工艺问题也将随之解决。

持续迭代

为电池材料创新引入各种“奇迹”

今年4月底，分子宇宙发布了MU-0版本，仅过了两个月时间，SES AI就发布了MU-0.5版本，引入具备“代理智能能力”的Deep Space，可帮助用户显著减少试错时间，更精准地匹配用户需求。

SES AI称，Deep Space专为严谨且聚焦的深入研究而设计，适用于那些不仅追求好奇心解答，更希望真正开发商业化产品的用户。用户可选择常规的Ask模式或Deep Space模式。常规Ask查询通常在30秒内返回结果，而Deep Space的查询时间通常超过5分钟，有时甚至长达20分钟。

据SES AI介绍，分子宇宙将保持每两个月左右升级0.5版本，每五个月推出新一代版本的频率迭代。

按照规划，SES AI将于今年9月推出MU-1.0版本。届时，分子宇宙MU-1.0可把材料分子与电池性能直接关联。

胡启朝表示，分子宇宙每一个版本都会有一些新的功能，SES AI将持续扩充高质量数据、优惠训练模型和算法，缩短电池新材料开发和验证时间。

对于本地化部署分子宇宙模型的客户，SES AI将会提供更快、更精准，并可根据客户不同维度需求的更新迭代。

分子宇宙可以提供从材料到电池，再到应用场景的分子筛选推荐，同时也具有从需求倒推挖掘新分子的能力，是一个“双向”的智能体。

实际上，近年来随着人工智能的快速发展，不少电池企业正在构建数字模拟、仿真的研发体系，电池设计也从第一代的经验积累和试错，进入到第二代的仿真驱动。

据介绍，目前仿真物理模型都有一个痛点，就是每个材料的特性需要都是已知的，根据已知材料，仿真出产品性能表现。如果给仿真模型一个未知材料，它是不能准确地仿真出可靠性结果的。

随着AI的加速到来，电池设计将从仿真驱动，向第三代基于AI的电池智能设计技术方向发展，可以看到分子宇宙也正在扮演这种角色。

今年以来，以eVTOL为核心的低空场景，以及机器人场景快速爆发，对动力电池开发和创新提出了许多新的需求。

据了解，自今年4 月底 “分子宇宙” 模型发布以来，目前已有国内外数十家电池及产业链企业正在应用该模型。未来，随着更多企业的持续加入，“分子宇宙”的训练、推理及自学习能力将不断强化升级。这不仅将推动适配低空、机器人等新兴场景的全新电池加速研发，也将助力全固态电池等下一代电池技术的产业化进程早日到来。

附：分子宇宙MU-0.5版本功能示范