核心技术突破 - 孚能科技研发副总裁与密歇根大学教授在《Nature》联合发表论文，提出名为“发现学习”的科学机器学习方法，实现了对电池寿命的快速验证 [1] - “发现学习”方法将电池传统寿命验证压缩至33天、0.468 MWh，节省98%的时间与95%的能耗 [3] - 该方法仅需51%原型的前50次循环数据即可实现远超现有主流路径的预测，可大幅减少研发制造的试错成本 [3] 研发与生产影响 - “发现学习”可将公司在关键技术领域的研发周期从“年级”缩至“月级”，有望让电池各性能的研发进入“快速、准确”的新阶段 [3] - 公司已建成通用度高、兼容性强的柔性制造平台，具备高镍三元、磷酸铁锂、钠离子等多种材料体系，以及液态、固态等多种电池类型商业化交付能力 [3] - 该技术有助于公司将研发优势转化为产品竞争力，加速电池研发迭代、放大产品性能优势，并通过优化研发成本提升产品性价比 [4] 固态电池布局 - 公司致力于成为固态电池的领军企业，已率先在半固态及全固态电池研发及产业化深度布局，采用“量产一代开发一代储备一代”的研发策略 [5] - 公司全固态电池研发进展顺利，能量密度达400-500Wh/kg，第二代硫化物全固态电池已完成技术开发，能量密度提升至500Wh/kg [5] - 计划于2027年推出第三代硫化物全固态电池，实现能量密度向500Wh/kg以上水平跃迁 [5] 市场与客户生态 - 公司积累了广汽、东风、三一重卡、一汽解放、美国某头部eVTOL公司、上海时的、小鹏汇天等固态电池客户，构建了多元优质的客户生态圈 [5] - 公司已拓展奔驰、广汽、吉利、江铃等头部客户资源 [5] - “发现学习”科研成果将助力公司为客户提供更可靠、精准的产品技术支持，增加客户粘性，并吸引更多主流车企及eVTOL、人形机器人等新兴应用场景客户合作 [5] 行业意义与公司前景 - 电池循环寿命及精准预测是行业短板，“发现学习”彰显了公司在电池技术研发领域的深厚积淀与前沿竞争力 [4] - 该技术为全球动力电池行业技术进步注入新活力，推动中国企业在电池前沿研发领域国际话语权持续提升 [4] - 公司表示将继续深化与国内外顶尖科研机构的合作，将前沿技术深度融入多材料体系电池研发与生产全过程，持续迭代产品性能、优化成本结构 [6]

文章核心观点 - 美国密歇根大学开发出一款基于“发现学习”理念的人工智能工具，该工具能利用极少的早期实验数据，快速且精准地预测新电池的循环寿命，为电池研发带来革命性效率提升[1] 技术原理与创新 - 该AI系统基于“边做边学”的“发现学习”认知模式，通过实践探索获取知识，而非被动接受理论灌输[1] - 系统由三个核心模块协同工作：“学习器”负责提出问题和进行短周期测试；“解释器”分析历史数据并模拟电池内部反应；“智囊”综合各类信息进行最终寿命预测[1] 性能与效率提升 - 传统测试需进行数百至上千次充放电循环，耗时数月乃至数年，而新AI系统仅需前50次循环数据即可预测寿命[1] - 该系统节省约98%的测试时间和95%的能源消耗，大幅降低了研发成本[1] 验证与泛化能力 - 团队使用美国Farasis能源公司的袋式电池数据验证模型，尽管训练集仅包含圆柱形电池数据，系统仍能准确预测结构更复杂、尺寸更大的袋式电池性能，显示出良好的泛化能力[2] - AI不仅能从早期数据捕捉退化趋势，还能识别关键影响因素，例如不同温度环境下主导劣化的化学机制[2] 应用前景与行业影响 - 该技术为下一代高性能电池的快速迭代提供了强大助力[1] - 未来技术可拓展至评估电池安全、快充性能等更多维度[2] - “发现学习”作为一种新型机器学习范式，有望推广至化学、材料科学等高度依赖昂贵、长周期实验的领域，为相关研究按下“加速键”[2]