6月9日，在2023世界動力電池大會主論壇上，清華大學教授、中國科學院院士歐陽明高表示，用電池全生命周期智能化應對動力電池產業新挑戰。作為歐陽明高院士課題組的孵化企業，昇科能源在大會期間隆重發布全球首個電池AI大模型PERB2.0。

實現完全通用，效率大幅提升

作為現代產業集群的一個重要組成部分，動力電池產業伴隨著新能源汽車產業快速發展，電池規模、種類快速增長，多個場景對電池的統一高效服務也提出新的訴求。比如新能源二手車交易場景，對不同車型的電池壽命進行精準預測就是一大痛點，再比如電池相關的保險市場，對大規模的電池進行風險定量評估至關重要。

現有的電池管理系統很難滿足上述訴求，BMS是針對特定車型的單車電池進行基礎功能管理，面對大規模電池的服務需要的超大規模的存儲和算力，BMS并不具備，而且BMS的算法模型無法解決多類型、多任務、全周期的電池服務問題。

電池AI大模型PERB2.0采用了基于MAE（Masked Autoencoder）的自研架構，這是一種非對稱的編碼解碼結構，擴展性和泛化能力極強。利用這種掩碼技術，PERB2.0僅用25%的電池時序數據，就可以還原全部電池信息，還原度達到99%以上。

這樣的架構使PERB2.0完全通用化，一是適用所有電池類型，三元、鐵鋰、圓柱、方殼、軟包、10Ah、280Ah……通通都可以；二是同時解決多個任務，之前，一個任務需要一個模型，現在一個模型可以同時解決不同任務，如安全預警、故障溯源、健康狀態評估、早期壽命預測等等。

PERB2.0帶來生產效率的大幅提升。首先，相比傳統模型，整體的準確率提升了20%。異常檢出率從75%提升到了93%，誤報率從2%降低到了0.1%以下，壽命評估誤差率低于2%，比Nature論文報道的誤差率還低了30%。其次是效率提升了3倍，對于同樣的電池壽命的計算，僅需原來三分之一的數據量就可以達到相同的精度，比如做電池壽命的估計，之前必須要得到60%的DOD，現在只要20%。最后是成本降低，在訓練中，獲取有效標簽成本極高，大模型能夠利用極少標簽完成訓練。為了達到相同的故障檢出精度，原來需要100個故障的標簽，現在只需10個，成本降低了10倍。

開啟廣泛應用，賦能行業伙伴

電池AI大模型的出現，將會催生更多的商業模式，也將會走進我們每個人生活，解鎖全新的新能源生活體驗。

“我們已經與中國最大的財險公司人保財險簽署合作協議，并同步簽出首張“光儲充檢”項目保單，未來人保財險出具的電池保險背后都有電池AI大模型提供技術支撐；我們已經在幫助國內的軟包電池龍頭孚能科技，不斷提升電池的研發效率，幫助它精準分析和預測電池性能；我們在持續賦能國際能源集團殼牌，打造0事故充電網絡，大模型安全保障了近千萬個充電訂單，有效防護了上百次高危充電；我們正在幫助國家電網打造安全儲能網絡，為超過200MWh的儲能站提供精細化風險管理解決方案；我們已經在與中國汽車流通協會一道，共同破解二手車電池評估的難題”，昇科能源CEO褚政宇博士介紹，“大模型也將為宜賓的數字經濟添磚加瓦”。

電池AI大模型是一項意義深遠的革命性技術，它抹平了不同電池類型之間的鴻溝，大幅降低了工作門檻和成本，原來需要十幾個人干幾個月的事，現在1個人幾天就完成了。昇科能源認為，使用電池AI大模型構建人工智能服務平臺是大規模電池服務的必然選擇，作為一項基礎設施，它就像一個大潮，電池AI大模型這個潮能把所有的上下游伙伴都往上推。

機理Know-How積淀深厚，參數量行業第一

褚政宇博士強調，電池大模型不是語義模型，與ChatGPT相比，采用了類似的思想，但解決的問題完全不同，是一個新物種。

由于電池系統是一個具有高度非線性、偽周期性的電化學系統，和傳統機械電氣系統是有本質差別的，導致電池系統的監控預警和狀態估計算法開發難度遠大于傳統機電系統。昇科能源依托歐陽明高院士團隊與清華大學車輛學院電池安全實驗室進行了多年科研探索，有著深厚的機理沉淀，這是大多數AI團隊所不具備的優勢。

在成果轉化及業務推進過程中，昇科能源建立了完備的實驗及實車數據庫，積累了海量不同類型、不同階段的電池數據，支撐大模型全流程開發及驗證。目前，PERB2.0用來訓練的電池數據量超過2.5TWh、覆蓋了442種電池類型和60GWh的電池規模，大模型參數量達到了12億，位列行業第一。