人工智能技術的下一個革新目標，極大概率將是電動汽車電池研發領域。
近日，人工智能技術所驅動的電動汽車電池開發商Chemix完成高達2000萬美元的A輪融資，由Ibex Investors領投。這家成立僅僅三年的AI初創公司將利用這筆資金擴展其技術規模，該技術使用人工智能算法為電動汽車制造商設計和優化新型電池開發與制造。
隨著全球企業對人工智能技術的興趣激增，對該技術的能源強度及其對數據中心和電網系統的相應容量負擔也在不斷增加。但除了這些挑戰因素之外，人工智能也有機會通過加速可持續材料的開發進程，以及加速電動汽車電池研發周期來幫助加速脫碳化進程。
電動汽車電池的開發通常是一個緩慢而消耗資源的過程，需要進行大量的測試和再測試工作。例如，測量電動汽車電池的使用時間可能需要充電和放電數千次，需要消耗大量時間且面臨成本壓力。使用人工智能，開發人員可以通過更快、更有效地技術迭代來減少電池開發設計的時間和開發費用。
根據2020年《自然》雜志的一項研究，一個早期預測模型帶來的助力效應將全面認證快速充電技術所需的時間從500多天減少到16天，部分原因是利用前幾個研發周期的有效數據預測最終的周期壽命。
人工智能公司Fero Labs的聯合創始人兼首席科學家Alp Kucukelbir表示:“通常來說制藥行業的研發和測試成本非常昂貴，多年來一直在采用這種方法節省成本。”Kucukelbir近日撰寫了一份關于人工智能技術促進氣候解決方案潛力的報告。他表示，現在，有財政和社會激勵措施將同樣的技術應用于電池和電動汽車行業。
總部位于美國加州森尼維爾的Chemix 公司表示，該科技公司的人工智能算法可以幫助客戶們制造具有特定性能的定制化電動汽車電池，比如能夠承受高溫或排除某些材料。Chemix設計電池，并與制造合作伙伴合作生產電池，然后以溢價出售給一些特定的客戶。
據該公司聯合創始人兼首席執行官Kaixiang Lin介紹，在一個典型案例中，Chemix 幫助客戶開發了一種新型的電解質——一種在電池陰極和陽極之間轉移離子的物質，可以實現在兩個月內將電池的周期壽命延長400%。如果不使用人工智能，這個過程通常需要幾乎兩倍的時間且成本高昂。
Kaixiang Lin不愿透露Chemix目前的客戶群，但他表示，其中包括那些希望超越非專門設計電池的高端化電動汽車制造商。目前，這家初創公司的重點是電動汽車的電解液設計工作，但它計劃轉向陰極、陽極和漿液——所有這些都是關鍵的電池組件，以及家用電池。
電動汽車市場正在迅速發展，這對電池制造商來說是一個挑戰，他們希望跟上發展的步伐。
“Chemix并不是在發明新的化學物質，它是在努力讓現有的化學物質變得更好，”參與本輪融資的法國巴黎銀行太陽能動力風險基金(BNP Paribas Solar Impulse Venture Fund)管理合伙人Yann Lagalaye表示。“僅僅改善現有的(化學工作)是巨大的，因為通過這樣做，他們可以解決服務不足的市場”，這些市場目前依賴于大眾化的市場電池，而這些電池并不是根據他們的需求所定制，比如電動跑車和摩托車。
Lin表示，Chemix正在發展一種在公司的物理實驗室所收集的專有數據集，用于幫助訓練人工智能大模型。
他表示:“要真正實際應用人工智能并釋放人工智能技術的全部潛力，該行業缺少的是數據的可用性。”“如果你看看genAI，以及ChatGPT類型的應用程序，它們可以篩選來自互聯網的大量數據，但當涉及到電動汽車電池或硬件開發時，往往沒有足夠的數據。”
老牌汽車業巨頭通用汽車已押注“AI+電動車電池開發”
在美國，“AI+電動車電池開發”已成為造車領域最為看重的一種新興技術，這種技術借助AI大幅縮短開發電動汽車電池的時間和成本。汽車制造領域的傳統巨頭通用汽車(GM.US)在去年下半年已主導Mitra Chem高達6000萬美元的B輪融資項目，Mitra Chem被一些電池技術界的大拿們描述為位于硅谷的一家由人工智能技術驅動的電池材料革新者。Mitra Chem人工智能平臺和位于加州山景城的先進研發設備，預計將有助于大幅加速通用汽車旗下各類經濟實惠的電動汽車專用電池的商業化進程。
根據合作協議，通用汽車公司(General Motors)和Mitra Chem將開發先進的鐵基正極活性材料，如磷酸鋰錳鐵，為與通用汽車旗下的Ultium電動汽車架構平臺兼容的經濟實惠電動汽車電池提供驅動力。通用汽車的資金支持旨在幫助Mitra Chem擴大目前的業務規模，并加快其新型電池材料配方全面推向市場的速度。
Mitra Chem為一家新型初創公司，公開資料較少。部分資料顯示，Mitra Chem獨創的電池研發設施以每月能夠模擬、合成和測試數千種陰極設計方案而聞名，其尺寸從克到公斤不等。這些AI技術驅動的各項進程大大縮短了研發周期，以及縮短了新電池配方上市所需的時間。
“原子到噸加速平臺”為Mitra Chem的實驗室提供核心動力，使用模擬和物理信息機器學習模型來加速配方發現、陰極合成優化、電池壽命評估和工藝放大化。“內部云平臺”則專為電池陰極開發而構建，自動化數據攝取跨越各種合成、材料表征、電池原型、標準化分析以及可視化。
近日，人工智能技術所驅動的電動汽車電池開發商Chemix完成高達2000萬美元的A輪融資，由Ibex Investors領投。這家成立僅僅三年的AI初創公司將利用這筆資金擴展其技術規模，該技術使用人工智能算法為電動汽車制造商設計和優化新型電池開發與制造。
隨著全球企業對人工智能技術的興趣激增，對該技術的能源強度及其對數據中心和電網系統的相應容量負擔也在不斷增加。但除了這些挑戰因素之外，人工智能也有機會通過加速可持續材料的開發進程，以及加速電動汽車電池研發周期來幫助加速脫碳化進程。
電動汽車電池的開發通常是一個緩慢而消耗資源的過程，需要進行大量的測試和再測試工作。例如，測量電動汽車電池的使用時間可能需要充電和放電數千次，需要消耗大量時間且面臨成本壓力。使用人工智能，開發人員可以通過更快、更有效地技術迭代來減少電池開發設計的時間和開發費用。
根據2020年《自然》雜志的一項研究，一個早期預測模型帶來的助力效應將全面認證快速充電技術所需的時間從500多天減少到16天，部分原因是利用前幾個研發周期的有效數據預測最終的周期壽命。
人工智能公司Fero Labs的聯合創始人兼首席科學家Alp Kucukelbir表示:“通常來說制藥行業的研發和測試成本非常昂貴，多年來一直在采用這種方法節省成本。”Kucukelbir近日撰寫了一份關于人工智能技術促進氣候解決方案潛力的報告。他表示，現在，有財政和社會激勵措施將同樣的技術應用于電池和電動汽車行業。
總部位于美國加州森尼維爾的Chemix 公司表示，該科技公司的人工智能算法可以幫助客戶們制造具有特定性能的定制化電動汽車電池，比如能夠承受高溫或排除某些材料。Chemix設計電池，并與制造合作伙伴合作生產電池，然后以溢價出售給一些特定的客戶。
據該公司聯合創始人兼首席執行官Kaixiang Lin介紹，在一個典型案例中，Chemix 幫助客戶開發了一種新型的電解質——一種在電池陰極和陽極之間轉移離子的物質，可以實現在兩個月內將電池的周期壽命延長400%。如果不使用人工智能，這個過程通常需要幾乎兩倍的時間且成本高昂。
Kaixiang Lin不愿透露Chemix目前的客戶群，但他表示，其中包括那些希望超越非專門設計電池的高端化電動汽車制造商。目前，這家初創公司的重點是電動汽車的電解液設計工作，但它計劃轉向陰極、陽極和漿液——所有這些都是關鍵的電池組件，以及家用電池。
電動汽車市場正在迅速發展，這對電池制造商來說是一個挑戰，他們希望跟上發展的步伐。
“Chemix并不是在發明新的化學物質，它是在努力讓現有的化學物質變得更好，”參與本輪融資的法國巴黎銀行太陽能動力風險基金(BNP Paribas Solar Impulse Venture Fund)管理合伙人Yann Lagalaye表示。“僅僅改善現有的(化學工作)是巨大的，因為通過這樣做，他們可以解決服務不足的市場”，這些市場目前依賴于大眾化的市場電池，而這些電池并不是根據他們的需求所定制，比如電動跑車和摩托車。
Lin表示，Chemix正在發展一種在公司的物理實驗室所收集的專有數據集，用于幫助訓練人工智能大模型。
他表示:“要真正實際應用人工智能并釋放人工智能技術的全部潛力，該行業缺少的是數據的可用性。”“如果你看看genAI，以及ChatGPT類型的應用程序，它們可以篩選來自互聯網的大量數據，但當涉及到電動汽車電池或硬件開發時，往往沒有足夠的數據。”
老牌汽車業巨頭通用汽車已押注“AI+電動車電池開發”
在美國，“AI+電動車電池開發”已成為造車領域最為看重的一種新興技術，這種技術借助AI大幅縮短開發電動汽車電池的時間和成本。汽車制造領域的傳統巨頭通用汽車(GM.US)在去年下半年已主導Mitra Chem高達6000萬美元的B輪融資項目，Mitra Chem被一些電池技術界的大拿們描述為位于硅谷的一家由人工智能技術驅動的電池材料革新者。Mitra Chem人工智能平臺和位于加州山景城的先進研發設備，預計將有助于大幅加速通用汽車旗下各類經濟實惠的電動汽車專用電池的商業化進程。
根據合作協議，通用汽車公司(General Motors)和Mitra Chem將開發先進的鐵基正極活性材料，如磷酸鋰錳鐵，為與通用汽車旗下的Ultium電動汽車架構平臺兼容的經濟實惠電動汽車電池提供驅動力。通用汽車的資金支持旨在幫助Mitra Chem擴大目前的業務規模，并加快其新型電池材料配方全面推向市場的速度。
Mitra Chem為一家新型初創公司，公開資料較少。部分資料顯示，Mitra Chem獨創的電池研發設施以每月能夠模擬、合成和測試數千種陰極設計方案而聞名，其尺寸從克到公斤不等。這些AI技術驅動的各項進程大大縮短了研發周期，以及縮短了新電池配方上市所需的時間。
“原子到噸加速平臺”為Mitra Chem的實驗室提供核心動力，使用模擬和物理信息機器學習模型來加速配方發現、陰極合成優化、電池壽命評估和工藝放大化。“內部云平臺”則專為電池陰極開發而構建，自動化數據攝取跨越各種合成、材料表征、電池原型、標準化分析以及可視化。
