6月9日，全国政协常委、中国科学院院士欧阳明高在2023世界动力电池大会上发表演讲时指出，中国动力电池已经是世界最大的动力电池产业。但当前也面临着增速放缓、利润率降低、产品迭代加快等一系列新的挑战。
欧阳明高认为，应对这个挑战，手段和工具非常重要。需要通过全生命周期智能化，来支撑设计-制造-管理-回收，以便实现全生命周期的提速、提效、降本。
而人工智能时代的来临，为动力电池行业带来了新机遇。动力电池，也可以利用大模型，用于智能设计、智能制造、智能管理、智能回收等。
欧阳明高指出，电池智能设计技术可将电池研发效率提升1-2个数量级，节省研发费用70%-80%。
电池智能制造方面，可以通过工艺数字孪生技术、缺陷智能检测技术、产线大数据分析技术，实现制造过程智能化。
“工艺数字孪生技术促进工艺开发效率提升，更加科学智能化；融合电池缺陷演化机理和人工智能技术，将会使电池质量管控再上一个台阶；充分挖掘电池产线数据，智能预测、决策等技术有利于降本增效，提升企业市场竞争力。”欧阳明高表示。
智能感知方面，可以引入多维的传感器，实现对电池内部多维状态的感知，包括温度、电位、压力、光纤和气体传感器等。基于内部多维物理化学信号，融合机理与人工智能开发状态感知算法，实现衰减机理评估、热失控调控和电热控制。
电池智能管理，可以使用大规模与训练表征学习方法建立电池大模型，解决异常标签不足的问题，从而实现弱标签及无标签的新能源汽车动力电池的早期异常检测，检出率及误报率处于行业领先。
此外，在电池回收环节也需要智能技术。“非破坏性的修复，可以通过小电流进行调控。什么时候开始回收，我们也需要智能化的对寿命的预测。”欧阳明高说。
据介绍，欧阳明高院士团队已经开发出电池行业内的首个电池ai大模型。
这一大模型基于mae架构自研，利用数十亿级电池参数进行存储和训练，实现高效、高质量的海量电池数据分析和预测，大模型适用于所有电池模型，具备强大的多任务解决能力和高自适应性，无需人工干预，可为大模型、多类型、多场景电池提供全周期服务。
展望动力电池全生命周期智能化的技术路线图。欧阳明高表示，在智能设计、智能电池方面主要是高精度多尺度的建模技术 电池内部的多维传感。在智能制造与智能装备方面主要是产线大数据和先进制造技术 单机智能化与多机协同。对智能管理和智能回收，主要靠大模型与主动调控。
“人工智能2.0时代到来，大模型将大幅提升生产力，电池全生命周期智能化到了快速发展落地的前夕。”欧阳明高表示。
不过，他也指出，电池全生命周期智能化中还面临着数据稀缺性、如何实现机理与数据模型结合、在新的电化学体系下的迁移性等关键问题。
