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]

美国启动国家级AI4S战略平台 - 美国总统签署行政令启动Genesis Mission 由能源部牵头 17家国家实验室参与 建设覆盖AI 量子计算 先进实验装置与联邦科研数据的国家级发现平台 明确将AI4S提升至国家战略层级 [2] - 平台旨在打破数据孤岛 建立一套由数据 算力 实验构成的闭环系统 [3] 平台核心架构 - **数据层**：汇聚联邦政府数十年来积累的涉密及专有科研数据 构建高质量科学基座模型 以解决AI缺乏高质量训练数据的痛点 [3] - **算力层**：深度捆绑科技巨头 NVIDIA AMD Microsoft Google AWS等有望提供GPU 云平台和工程团队 [4] - **物理层**：部署机器人化学家与自动化合成设施 形成干湿闭环 使AI生成的配方能被自动合成与验证 [5] 激进实施时间表 - **60天内**：能源部须提交不少于20个国家级挑战清单 覆盖先进核能 电网现代化 关键材料 半导体 高端制造等 [6] - **90天内**：完成全美联邦算力与数据资源的彻底清查 [6] - **9个月内**：拿出完整实施方案和预算路径 定义平台架构 数据接入规则 对产业和高校的开放方式 [7] 重点应用领域 - 利用AI与高性能计算加速聚变与先进核能研究 包括堆型设计 燃料和结构材料开发等 [8] - 在电网现代化框架下 用AI优化电网运行与规划 提升在用电需求快速上升和可再生能源占比提高背景下的供电效率与稳定性 [8] - 在关键材料安全框架下 用AI参与关键材料替代方案设计 资源利用与回收工艺优化 削弱对境外供应链的依赖 [8] 计划旨在解决的行业痛点 - 打破数据孤岛与合成瓶颈 AI4S面临的最大障碍是缺乏高质量 标准化的实验数据以及验证速度慢 [9] - AI模型与科研超算消耗巨量电力 却缺少把算力规划 电网投资和能源结构统一建模的国家工具 [10] 计划的不确定性 - 行政令反复写明一切以国会拨款为前提 预算规模 节奏尚未落地 [11] - 科学界担心公共科研基础设施演变为少数科技巨头的数据与算力飞轮 [11] - 数据质量 保密分级等也将决定这一平台能否真正改变科研范式 [11] 对产业竞争格局的潜在影响 - 该计划的影响可能并非突然发明某个超材料 而是在需求结构 技术路线优先级和评价体系上重排棋盘 [12] - 对于全球电池产业而言 AI4S提供的是从依赖制造优势转向依托研发创新的战略机遇 AI4S正因范式转移而带来挑战 [13]

公司定位与团队背景 - 公司定位为专注于人工智能和基础模型研究的投资研究实验室（Investment Research Lab），既是基金也是研究实验室[5] - 团队由科技投资人、物理学博士和AI研究员组成，平均年龄低于30岁，强调高信任度、低自我和高人才密度的团队文化[5][6] - 公司在管资产规模超过15亿美元，包括5亿美元的长线基金，采用一二级市场联动投资策略[5] - 公司过去投资并见证了6家投资组合公司从数十亿、数百亿美元成长为千亿美元级别的企业[5] 投资理念与策略 - 投资理念受OpenAI、Anthropic和DeepMind启发，旨在成为投资领域的前沿研究实验室，关注全球最重要的技术变化[8] - 投资策略聚焦于少数关键机会，愿意在每一轮对优质公司持续加注，放弃多数琐碎机会[8] - 注重信息质量，拥有市场上最丰富、质量和密度最高的信息源，以提高投资胜率[8] - 强调长期关系建设，致力于与创始人和研究人员建立信任，投资AI原生时代的最佳创始人[8] 品牌建设与认知输出 - 坚持开源认知，通过内容输出为AI生态做贡献并构建品牌影响力[9] - 品牌代表公司与创始人之间的信任和审美观，吸引志同道合者[9] - 公司通过海外独角兽和AI讨论社群持续输出观点，影响中美两地华人创业者和AI从业者[6] 招聘需求与岗位要求 - 招聘岗位包括AI投资研究员和品牌策划（AI Narrative Specialist），工作地点覆盖硅谷、香港、北京和上海[12][15] - AI投资研究员需具备AI研究、工程或产品经验，熟悉技术趋势如Continual Learning、Proactive Agent等[12][13] - 品牌策划需熟悉硅谷AI内容，具备品牌叙事打造能力和创新表达方式经验[15] - 招聘不限资历和工作年限，对全职和实习生均开放，优秀实习生有转正机会[15][16] 行业关注领域 - 公司重点关注LLM新范式、强化学习、AI Agent、代码代理等前沿技术领域[19][21][23][25][27] - 技术趋势包括OpenAI o1、自玩强化学习、AI机器人、AI4S等方向[12]

文章核心观点 - 宜宾通过整合其1.0时代的产业基础（如动力电池全产业链、绿电、供应链资源），成功吸引了全固态电池、AI for Science（AI4S）和具身智能三大前沿技术在此同步部署和耦合发展，城市正从制造基地向具备“泛化”能力的创新平台演进[7][8][25][26][108] - 城市发展的关键转变在于构建“揭榜”机制和多路线并行的产业生态，从政策招商转向场景选技术，核心是验证可行性和构建可持续的创新反馈回路，而非押注单一技术方向[65][67][72][75][86] - 当技术迭代加速成为常态，城市保持竞争力的核心在于形成“平台型生态”，即具备可迭代、可调用、可组合的能力集合（如数据基础设施、多技术路线冗余、开放机制），从而获得持续进化的“泛化力”[93][94][102][107] 技术路线部署与耦合 - **全固态电池**：标志着能源体系从液态向固态的系统级跃迁，关键在于解决从实验室“克级”到产线“吨级”的工程化成本问题，赛科动力利用宜宾化工副产物建成年产二十吨级中试线，预期将高纯硫化锂单价降至行业平均水平的一半（从100万降至50万）[9][10][34][36][37] - **AI for Science（AI4S）**：是人工智能推理能力与自然规律耦合的终极愿景，深势科技在宜宾构建“干湿闭环”系统，利用本地高频、带工况标签的工业数据（包括失败样本）训练模型，使电解液配方研发效率提升十倍[11][12][13][42][46][47] - **具身智能**：是AI从语言世界进入物理世界执行任务的关键，银河通用在宜宾的白酒、电池、光伏等真实产线设置训练中心，让模型在动态、多约束的工业场景中学习，以完成从演示到24小时日常工况的转化[14][15][16][54][55][82] 宜宾的产业基础与升级（1.0到2.0） - **1.0模式积淀**：凭借绿电（80%水电，工业电价0.35元）和“基金+产业链”资本模式，建成全球首家电池零碳工厂及最完整动力电池产业链，供应链响应速度提升40%，为2.0技术落地提供了供应链韧性和要素资产[19][21][22][29][30][31] - **2.0升级逻辑**：将1.0的产线、物料、副产物和绿电重新编入新技术系统的“进料口”，例如化工副产物成为固态电池主原料，产业数据成为AI训练的基础设施，实现跨技术路线的资源复用和互相提速[23][24][39][40][50] 城市创新机制与生态构建 - **从招商到揭榜**：政府退出单边招商，转为构建多边“揭榜”机制，由企业和场景端提出真实需求，市场公开招募解决方案，通过股权捆绑和成果追责进行风险共担，已推动33个揭榜项目，带动95名科技人才落地和约6亿元新增产值[65][67][68][69][85] - **多路线并行策略**：在全固态电池领域同时引入硫化物、聚合物、氧化物、锂金属四条技术路径和多位院士团队，不押注单一方向而注重“可验证性”，即使路线失败，其副产品、工具链和合作网络也可被复用[72][74][78][79][95] - **平台型生态形成**：城市的核心能力体现为“泛化力”，即通过制造多样性（白酒、电池、光伏）、资源复合性（锂、绿电、交通）和机制开放性（揭榜制、持股制）形成高变量密度，使系统能在技术加速中持续调整和进化[93][94][102][103]

智星计划-海外招聘项目概述 - 项目是北京智源人工智能研究院面向全球顶尖高校应届毕业生的战略性人才招募项目 专注于引进培养海外高水平人工智能研究人才 [2] - 入选者将受邀赴北京开展6个月及以上的科研访问 与国际一流团队攻关前沿课题 并进入智源人才生态体系 [2] 项目核心优势 - 提供直通研究院全职录用机会 表现优异者可优先获得PI 研究员或博士后职位 [5] - 开放智源前沿课题与超算资源 与领域内领军研究者共同工作 [5] - 配备学术导师和行政导员 提供科研与生活全方位支持 包括长期学术发展与资源支持 [7] 福利待遇 - 提供国际旅费 科研补助 住宿 医疗和生活津贴等全方位保障 [8] 招募对象与要求 - 面向顶尖高校及实验室在读华人博士 博士后及正式科研人员 [9] - 研究方向涵盖类脑模型 智慧心脏 具身智能 多模态和AI4S等领域 [9] - 申请者需已在NeurIPS ICML ICLR CVPR ACL等顶会以第一作者发表论文≥3篇 或展现出卓越科研潜力 [9] 申请流程 - 全年接收申请 滚动评审 录满即止 [11] - 流程包括联合意向 材料准备 学术评估 面试评审和正式邀请等环节 [9][10] 项目愿景 - 旨在与入选者共同开展具有世界影响力的研究课题 在全球AI创新浪潮中成就卓越 [12] - 构建长期深入合作关系 与智源研究员共同制定实施研究计划 访学结束需提交研究成果报告 [12]

行业背景与需求 - 全面电动化浪潮催生出对电池性能的多样化需求，例如AI眼镜续航仅4小时，人形机器人需长时间作业，电动工程机械要求循环寿命高达6000次[2] - 电池性能已成为消费电子、机器人、重型机械等多个新兴行业竞争的关键焦点[3] - 传统电池材料研发路径长、投入大，严重依赖经验与试错[3] 公司解决方案核心 - SES AI计划于2025年10月20日通过线上直播正式发布电池专用AI4S解决方案“分子宇宙”Molecular Universe 1.0（MU-1.0）[3] - MU-1.0被视为该公司迄今最完整的解决方案，其关键更新是Predict（预测）模块[4] - Predict模块通过融合AI及海量精细实验数据，建立从分子材料到电池性能的可预测路径，这是目前尚无已知方法能实现的突破[4] - 该模块可实现跨层级预测，用户可在选定电池化学体系后自由替换未知分子并直接观察其对循环寿命的影响[5] - 即使面对化学体系完全未知的电池，仅需输入其早期循环寿命数据，MU-1.0便能预测其寿命终点，为评估第三方电池或全新体系提供工具[5] 技术影响与优势 - MU-1.0有望将原本需数年完成的“设计-测试-验证”周期缩短至数十分钟的计算模拟，极大提升研发效率[6] - 该解决方案标志着电池材料研发从“实验试错”向“计算驱动”范式转变的关键一步，将为整个行业的创新节奏带来质的飞跃[8] 平台功能模块 - MU-1.0作为一个完整的研发平台，整合了五大功能模块：Ask（智能问答系统）、Map（覆盖海量电解质的电池分子数据库）、Search（具备“智能寻友”功能的分子检索工具）、Formulate（精准预测电解液配方物化性质的计算工具）、Predict（基于早期分子数据预测电池全生命周期性能的计算工具）[11][12][13] 应用领域 - “分子宇宙”应用覆盖多个关键领域：在储能领域致力于提升磷酸铁锂电池的低温循环寿命；在无人机与机器人领域专注于改善高硅负极锂离子电池的安全性与能量密度；在电动汽车领域着力于延长低硅及中硅负极锂离子电池的循环寿命；在消费电子领域专注于优化钴酸锂电池的高电压稳定性[11]

任少卿职业动态 - AI领域专家任少卿开始在母校中国科学技术大学开班招生 [1] - 任少卿曾任Momenta联合创始人、蔚来汽车副总裁 [4] 任少卿学术背景 - 任少卿为07级中科大本硕博（微软亚洲研究院联合培养） [4] - 任少卿是ResNet和Faster R-CNN作者 [4] - 学术高被引超44万，是全球中国籍学者高被引第一 [4] - ResNet是21世纪全球最高被引论文 [4] - 曾获未来科学大奖-数学与计算机科学奖 [4] 招生信息 - 招生方向为AGI、世界模型、具身智能、AI4S等 [6] - 硕士、博士生都在招 [6] - 有推免资格的学生将于下周一（22日）开启紧急面试 [6]

任少卿学术与职业背景 - 任少卿是计算机视觉与自动驾驶领域专家，为ResNet和Faster R-CNN的核心作者之一 [1][4][7][9] - ResNet是深度学习里程碑工作，解决了深度神经网络训练中的梯度消失难题，获得CVPR 2016最佳论文奖，被引用次数超过29万次 [7][8] - 其学术高被引超过44万，是全球中国籍学者高被引第一，ResNet是21世纪全球最高被引论文，2022年入选AI 2000榜单排名第十，2023年获未来科学大奖 [1][6] 在蔚来汽车的职业经历与技术贡献 - 任少卿于2020年加入蔚来汽车，担任智能驾驶研发副总裁，向CEO李斌直接汇报，后职权扩大至直接管理新设技术委员会并领导大模型部 [13][14] - 在蔚来期间主要负责城区领航辅助NOA的规模铺开和全域领航辅助NOP+功能的发布与迭代，主导推动"群体智能"数据驱动范式 [14] - 领导团队开发了NIO世界模型，该模型具备想象重建与想象推演能力，可生成高保真平行世界场景并进行长时序推演超过2分钟 [14][15] 中国科学技术大学招生信息 - 任少卿目前在中国科学技术大学招收硕士与博士生，招生方向为AGI、世界模型、具身智能、AI4S等 [1][2][3] - 具有推免资格的学生可参与紧急面试，有兴趣的学生可发送简历至指定邮箱进行咨询 [3][16]

文章核心观点 - 国务院印发意见，推动实施“人工智能+”行动，旨在加快人工智能驱动的科研新范式，加速重大科学发现进程 [1] - AI for Science（AI4S）正成为新一代科技革命的重要推动力量，并从概念导入期进入应用落地期 [1][2] - 北京凭借其资源优势，在AI4S领域积极布局并取得显著成果，通过政策支持和生态建设，致力于打造新质生产力发展的重要引擎 [1][5][12][13] 政策支持与规划 - 国务院发布《关于深入实施“人工智能+”行动的意见》，明确支持AI驱动的科研新范式 [1] - 北京市发布《北京市加快人工智能赋能科学研究高质量发展行动计划（2025—2027年）》，这是全国首个面向科学智能的专项地方政策 [5] - 该行动计划提出，到2027年将建立科学基础大模型，建设不少于10个高质量科学数据库，服务不少于1000万用户 [12] - 北京将建立人工智能专项工作机制，布局重大项目群，鼓励联合攻关以完善科学智能创新生态 [12] 科研基础设施与平台建设 - 北京科学智能研究院作为全球首个专注于AI4S的新型研发机构，构建“平台科研+垂直整合”模式，布局科学智能的“四梁N柱”基础设施 [3] - 玻尔科研空间站作为“全球AI4S时代下的云科研入口”，覆盖“读—算—做”全流程，用户规模已突破100万 [7] - 玻尔平台收录超2000万全球活跃学者，超14万本期刊资源，覆盖26大学科领域，其Apps应用商店已集成300+科研工具 [8] - 大原子模型（OpenLAM）已迭代至第三代，覆盖90种化学元素，在下游任务中平均节省90%的数据计算成本 [11] 关键技术突破与应用案例 - DeepFlame Rocket（临界炽核）火箭燃烧智能仿真软件实现火箭发动机全流程数值模拟，将原本需数月的计算压缩至一天甚至更短 [4] - 该软件使火箭发动机实际试车次数至少减少50%，并已在能源、电力、化工等多个领域应用 [4] - “磐石·科学基础大模型”发布，在国产开源大模型基础上面向科学领域定制，集成了一系列专用模型 [11] - 深势科技构建“深势·宇知”大模型体系，打造了包括药物计算设计平台、电池设计自动化平台等在内的科研和工业研发基础设施 [8][9] 产业生态与企业发展 - 北京已形成完整的AI创新和产业链条，涌现出一批创新型企业和潜在独角兽企业 [5] - 深势科技是国家专精特新“小巨人”企业，科研团队博士及博士后占比超过35%，在北京、上海、深圳等地布局研发中心 [7] - 玻尔科研空间站已在北京大学、浙江大学等全国50余所高校院所，以及宁德时代、广汽埃安等40多家企业上线应用 [7] - 目前有30多家共建单位参与大原子模型计划（OpenLAM）项目，推动微观科学研究基础设施的共建 [11] 未来展望与发展目标 - AI4S正在激发新的科学变革，重塑传统产业和科研模式，行业已站在这场变革的起点 [8] - 北京将持续深化人工智能与科学研究的“双向奔赴”，以“行动计划”为指引 [13] - 海淀区将围绕变革传统科研范式前瞻布局，协同区域力量，夯实基础设施，建设科学智能创新策源地和产业高地 [12] - 目标是通过构建开放生态，推动形成具有国际竞争力的AI4S产业集群 [12]

政策与战略布局 - 国务院印发意见，要求加快探索人工智能驱动的新型科研范式，加速重大科学发现进程[1] - 北京市发布全国首个面向科学智能的专项地方政策《北京市加快人工智能赋能科学研究高质量发展行动计划（2025—2027年）》，作为未来3年发展AI4S的路线图[5] - 行动计划提出到2027年建立科学基础大模型，建设不少于10个高质量科学数据库，服务不少于1000万用户[12] - 北京将建立人工智能专项工作机制，布局一批重大项目群，鼓励生态上下游企业及优势团队开展联合攻关[12] 核心机构与平台建设 - 北京科学智能研究院于2021年9月成立，是全球首个专注于AI4S领域研究与发展的新型研发机构，以构建"平台科研+垂直整合"模式为指导[3] - 研究院布局科学智能的"四梁N柱"建设，"四梁"指模型算法与软件、实验方法、数据库与知识库、算力平台，"N柱"对接国家战略需求如锂电池、医疗制药等[3] - 玻尔科研空间站作为"全球AI4S时代下的云科研入口"，覆盖"读—算—做"全流程，用户规模已突破100万，在全国50余所高校院所和40多家企业上线应用[7] - 玻尔科研空间站收录超2000万全球活跃学者，超14万本期刊资源，覆盖26大学科领域，其Apps应用商店已集成300+科研工具[8] 技术突破与应用案例 - DeepFlame Rocket火箭燃烧智能仿真软件实现火箭发动机全流程数值模拟，将原本需数月的计算压缩至一天甚至更短，使实际试车次数至少减少50%[4] - 大原子模型已迭代至第三代，覆盖90种化学元素，在众多下游任务中平均节省90%的数据计算成本，应用于合金、动态催化、药物小分子等领域[11] - 北京已产出全球首个覆盖90多种元素的大原子模型DPA、新一代科研知识库Science Navigator等一批重大原创成果[5] - 深势科技构建"深势·宇知"大模型体系，打造了玻尔科研空间站、药物计算设计平台、电池设计自动化平台等科研和工业研发基础设施[9] 产业生态与协同创新 - 北京在人工智能领域形成完整的创新和产业链条，涌现一批创新型企业和潜在独角兽企业[5] - 已有30多家共建单位参与大原子模型计划项目，为微观科学研究提供新的基础设施[11] - 北京聚集北大、清华、中国科学院等顶尖高校和科研机构，拥有深势科技、百度等科技创新企业，重大场景丰富多元[9] - 深势科技作为国家专精特新"小巨人"企业，研发团队汇集超百位跨学科科学家和工程师，博士及博士后占比超过35%[7]