共计 1108 个字符，预计需要花费 3 分钟才能阅读完成。
“固态电池产业化仍需解决技术、工艺和成本的问题。”这一权威论断为 2024 年全固态电池领域的喧嚣划上了休止符。全固态电池，作为下一代“终极”电池技术，虽概念已炒作多年，但目前仍处于理论研究与材料体系发展阶段。现阶段传统液态锂电池能量密度接近理论极限且存在安全隐患，使得全固态电池成为各国竞相发力的焦点。
硫化物电解质成为共识
固态电解质主要有硫化物电解质、聚合物电解质、氧化物电解质三大技术路线。据统计，硫化物技术路线已成为行业主要聚焦发展方向，全球约 32 家企业和机构聚焦于此，包括丰田、本田、宁德时代等，而研发氧化物固态电池的不超过 10 家，研发聚合物固态电池的有 7 家。
然而，全固态电池大规模商业化应用仍面临诸多问题。固态电解质综合表现不佳，聚合物电解质离子电导率不高，氧化物和硫化物电解质制造难度大、成本高，特别是“固固界面”问题亟待攻关。关键成本问题也是量产前的巨大阻碍，液态锂离子电池单体成本约 0.5 元 /Wh，固态电池材料成本在 2 元 /Wh 以上，要实现“固液同价”还有很长的路要走。
目前众多企业已建立硫化物电解质小批量供应能力，但还需攻克大规模生产工艺。随着源头材料硫化锂价格下降，电解质成本降低，预计 2030 年有望达到几百元 / 公斤。欧阳明高院士认为，要聚焦以硫化物电解质为主体电解质，匹配高镍三元正极和硅碳负极的技术路线，并给出了不同阶段的发展预测。
AI 的作用加速显现
全固态电池的研发正从实验试错和正向仿真时代迈向智能化全自动研发的 3.0 时代。传统开发模式已难以适应时代需求，AI 在其中将起到关键作用。大语言模型和 AI for Science 结合，升级研发平台，成为全固态电池关键材料体系创新与构建的加速器。
例如，鄂维南团队的 Uni – Mol 基于分子设计，采用 Transformer 架构，能支持多种任务。对于全固态电池研发的四大核心难题，依托新研发范式，电池研发效率可提升 1 – 2 个数量级，节省研发费用 70 – 80%。
在材料体系和材料研发方面，AI 的作用加速显现。如美国许康团队的“分子宇宙”数据库，清华大学张强团队开发的高通量电解质计算软件，苏州易来科得科技有限公司陈新虹团队的软件，都显著提升了研发效率。宁德时代早在七八年前就开始使用 AI，建立了电池材料智能化设计平台并开发了多个模型。
最近爆火的 DeepSeek 推动了各行业垂直大模型发展，其开源特性为私有化部署和模型定制化开辟了新途径。但在电池设计任务上，DeepSeek 虽有一定总结能力，却缺乏创新和深入科学分析能力，因此迫切需要开发针对垂直领域的大模型。
2025 年，AI 赋能的智能汽车新时代已拉开序幕，全固态电池研发也借助 AI 的力量，有望加速量产落地，变革电池行业。
