核心观点 - SES AI创始人胡启朝提出，AI驱动的“第零原理”研发范式正在彻底改变电池行业的创新模式，其核心是一个名为“分子宇宙”的AI系统，该系统通过从数据中直接发现底层数学规律，将研发效率从数月提升至数小时，并有望解决人才流失与全球化研发的挑战 [1][2][3][5][20][21] 创新范式转变：从“第一原理”到“第零原理” - 传统电池研发依赖已知的物理化学规律，在实验室、中试线、生产线中反复试错，失败率超过90% [4][5] - AI驱动的“第零原理”方法不依赖已知科学规律，而是直接从实验数据中捕捉和发现尚未被人类归纳的底层数学规律，这被视为更本质的创新起点 [5] - 传统方法或许能发现十几个物理化学规律，而AI系统却能揭示上千个数学规律 [5] “分子宇宙”AI系统的六项核心能力 - 问答：基于1700万篇电池文献与海量内部报告训练，能理解复杂研发问题并提供解答，相当于资深科学家助手 [9] - 寻找：连接包含宇宙中所有适合电池材料的小分子数据库，宇宙中小分子有10^60个，其中10^11个可能适合电池应用，能探索人类专家难以想象的化学角落 [9] - 配方：作为“虚拟实验室”，能将分子组合并通过模拟预测关键物化性能，在投入真实实验前完成数字世界初步筛选 [10] - 设计：经过企业数据训练的AI模型，能够连接材料性能与电芯性能，将材料特性映射到电芯整体表现，给出半定量工程判断，实现根据需求逆向开发材料 [10] - 预测：仅需分析电芯前100次循环的数据，就能高精度预测数千次循环后的长期性能与寿命转折点，将传统耗时数年的长周期测试资源消耗降至原来的零头 [10][13] - 生产：能接入产线实时数据，用于优化新产品产能爬坡过程与成本控制，让研发更顺畅地走向制造 [11] 研发效率的革命性提升 - 电解液配方开发：传统模式下一个团队一个月筛选20个新配方，通常只有2个有效；AI系统基于20个实验数据训练后，能在几小时内通过自我迭代生成成千上万个新配方 [13] - 电芯长循环测试：传统测试需数千次循环，耗时两到三年；AI模型仅需前100次循环数据即可准确预测长期性能，所需资源不到传统的10% [13] 系统部署方案与数据安全 - 提供两种部署方案：基于云端的公共模型，整合公开及共享的企业数据；以及私有化部署，每个企业拥有自己的本地“分子宇宙” [14] - 愿意贡献于行业进步的企业可将训练好的模型分享到云端，形成更强大的系统；关注数据安全的企业可将模型完全保留在本地 [14] - SES AI内部已全面应用该系统，其波士顿、上海、首尔三大研发基地的所有项目数据（涵盖锂金属负极、高硅负极、高镍正极、磷酸铁锂正极、液态、半固态、固态等体系）均用于训练 [14] AI对研发组织与人才管理的重塑 - 研发团队正逐渐从直接参与产品开发，转向训练AI模型，让AI系统主导产品开发，近期突破性发现越来越多且速度越来越快 [14] - 系统旨在解决顶尖人才流失（被挖走、生病、退休）带来的知识断层问题，通过数据训练捕捉其思维模式，在未来3-5年内，当人才离开时，系统可模拟其解决问题的方式 [15][16][17] - 系统可作为企业全球化过程中克服人才出海壁垒（如签证限制、语言障碍、文化差异、高昂协作成本）的高效问题解决载体，实现研发能力的无缝跨国传递 [18] - 该系统被设想为可适应各种环境（甚至包括火星）的持续自主进化创新伙伴，突破人才流动的物理限制 [18][19] 对科学家角色的重新定义 - AI系统不会完全取代科学家，但正在重新定义其工作方式，通过数学规律重新理解材料世界，并借助AI系统放大人类智慧 [20] - “第零原理”的真正意义在于不去重复已知，而是探索那些尚未被明确定义的广阔领域 [21]