◎ 李哲，清华大学车辆与运载学院教授，汽车安全与节能国家重点实验室副主任

【导语】：

2022年3月25-27日，中国电动汽车百人会论坛（2022）在京召开。大会以“迎接新能源汽车市场化发展新阶段”为主题，深入探讨了我国新能源汽车由政策与市场双驱动转向以市场驱动为主的新阶段所面临的机遇与挑战。在27日召开的动力电池论坛上，清华大学车辆与运载学院教授、汽车安全与节能国家重点实验室副主任李哲就“动力电池的先进设计技术以及在这一先进设计技术推动下的动力电池产业研发模式变革”发表主题演讲。

动力电池的产品设计要完成什么样的任务

第一部分我们讲一下，动力电池的产品设计要完成什么样的任务。

电池性能的成因比较复杂，我们认为它满足以下的乘法公式，是材料发展水平、电池设计水平和制造水平的乘积。

电池性能是否唯一和材料性能划等号呢？过去的150年，从铅酸电池发展到锂离子电池，电池的关键性能、能量密度大约提高了5-10倍。2000年以后，在单颗粒实验这些典型的电池实验技术推动下，人们有了新的发现。

Dokko教授在单个颗粒实验上进行的充放电实验中发现，单个钴酸锂颗粒在126C下充放时，容量的保持率依然大于80%。同样是钴酸锂的正极材料，制成单体后它的大倍率放电能力大约要下降1-2个数量级。大家都有概念，单体的放电倍率对于高能量电池来说一般在几C，甚至1C、2C。

有了好的设计以后，要想变成好的真实的电池产品性能，还必须有先进的电池制造设备和工艺保障。因此，这张图（图1.）反映了三者的关系。

电池材料的发展水平，克容量、高电压材料的出现，是电池性能的理论上限。那么好的电池设计的目标，就像我们去触摸天花板一样，要通过好的设计，把热力学上储存在电池材料上的内部能量，在到达截止电压之前，“物尽其用”的发挥出来，这是动力学上的一个成功。一旦电池设计定型以后，电池的制造，通过工艺的调试、不断发明的好的设备，就可以不折不扣的变成真实的产品。

* 图1（图片截自嘉宾发言PPT）

中间蓝色部分的电池设计，它完成的一个主旨是，在既有材料的发展水平下，通过设计来改善电池的性能，这个性能是动力学上的性能。 

电池产品设计工作的一个典型任务大概如这张表（图2.）所示。

* 图2（图片截自嘉宾发言PPT）

首先，在电池设计过程中有很多设计变量。比如材料配方的变量：选什么样的主材、什么样的助剂，它们之间有什么样的配比关系。微观结构的一些变量，比如材料颗粒粒径如何分布、电极的涂布厚度、孔隙率或者压实密度，包括电池内部大量存在的界面，如集流体界面、颗粒界面等等。更大一点尺度上，还有形状尺寸的一些设计变量，还有构型之争一直是电池产业发展中一个非常受人关注的话题。近年来还有很多新的电池构型在不断地涌现，在确定的形状特点下，它的尺寸比例如何调整，极耳这样一些关键部件的位置如何调整等等。

非常众多的，大概数十个设计变量都是为了达到电池的性能需求。一般来说，我们对于电池至少有电性能的需求，如能量密度多少瓦时/千克；功率密度在不同的持续放电时间下能够达到多大功率值。除此之外，还会有热性能的要求，电池在工作过程中的最高温度，最好控制在一定范围内。大型电池内部会发育出温差，这些温差也需要得到很好的控制。除了电和热的性能需求之外还有寿命的需求，我们希望它达到数千次、上万次的循环寿命，还有安全性的需求等。

电池产品设计的一个典型任务，就是在给定的一套性能需求下来确定这一揽子的设计变量。

在电池产品设计过程中，设计方法一直随着时代在不断发展进步。目前我们回顾以前、展望未来，大概可以将电池产品的设计方法分为三代核心技术。它们分别是：长期以来，无论中国还是欧洲新兴的动力电池产业中，都在大规模使用的实验试错方法，我们称之为第一代技术；目前第一代实验试错方法正在向第二代技术（过渡），我们称之为仿真驱动的正向设计技术；通过以仿真驱动的正向设计替代实验试错，单个型号、产品设计的效率大约提升2-5倍。未来5-10年，在2025-2030年这个阶段将发生的一次关键技术进步，是以仿真驱动的正向设计方法为基础，进一步向无人化（既包括全自动的含义、也包括智能化含义），智能化全自动的电池产品设计方法进步，我们称之为电池产品设计的第三代技术。在第三代技术下，可以将单品开发的效率进一步提升10-100倍。

这就是电池产品设计的三代的核心技术，以及从第一到第二，目前正在发生的和未来5-10年即将发生的，从第二代到第三代的技术跃迁。

动力电池产品设计的过去与现在

01从实验试错到仿真驱动正向设计

电池设计的传统技术，我们称之为实验试错法。

什么叫试错呢？假如我们是一家电池企业，收到了一家车企的订单，根据车辆的比如续驶里程的要求、能量密度的要求、车底可以安置空间的要求、包括成本的要求，我们会设计出特定的电池型号，来完成这个订单要求。大家知道，电池的可设计参数很多，每个参数都可能有不同的取值，这些取值的不同直接决定了电池的性能。比如偏高能量型的，可以支持600公里、700公里、1000公里的续驶里程；更偏功率型的，比如混合动力汽车上使用的一些动力电池。

在很多个设计参数，每个参数有多个不同的水平取值的情况下，可以产生的电池设计方案是非常众多的，怎么办呢？企业会根据在之前这个产品开发中的一些原型经验，给出一些不同设计方案，在每个方案下再制造一些平行样品，把这些样品制造出来，投入到测试中去，去测它的电学性能、热学性能、寿命等等这样的一些关键的指标。这个测试结束以后数据都回来了之后分析数据，就像赛马一样，可以明显地看出哪种设计方案最好，就用这个设计方案来完成这个订单需求，如果这个最好的设计方案依然不满足要求，迭代，重新开始制样、测试的过程。

事实上，实验试错法在电池产品研发中带来了大量的浪费，我们称之为四大主要浪费：时间的浪费，大家知道企业的CPD部门完成型号设计，短则几个月，长的时候甚至需要2年、3年，时间非常长。第二、物料的浪费，很多公开的企业年报中，在电池产品研发过程中使用的物料数以亿计。另外，制造了很多样品开展测试，企业内部都有一个非常大的测试中心，可能会有上万个通道，充放电机、温箱，这些都是“电老虎”，单机功率可能在数千瓦，所以在研发过程中还带来了电能的浪费，除了物料的浪费还有能源的浪费。最后，最宝贵的也是最可惜的，是人力资源的浪费。中国电池企业研发队伍的人才数量和质量越来越高，很多工程师的时间投入到了这种重复的型号设计迭代过程中，制样、测试、分析数据、改善，在这个循环中浪费了大量的精力。

鉴于这四大主要浪费，我们在清华的团队致力于开发新的电池产品的研发方法。目前正在做的一件事情，是以仿真驱动的正向设计来部分替代在实验试错过程中的大量制样测试过程，我们称之为电池设计方法的第一次跃升。

与实验试错方法制样测试的迭代不一样，仿真正向设计是一个什么样的思路呢，这四个字把它的主要思路说的很清楚，叫“未造先知”，叫Know Before Fabricate，没大规模的制样测试之前，能不能根据设计方案来预测出、猜测出它的性能表现呢？

一个典型的仿真正向设计的流程是下面这个图的样子。

* 图片截自嘉宾发言PPT

左端，我们输入一套设计参数，里面含很多个，可能是60个、70个或者更多的设计参数，包括配方的、微观结构的、宏观结构的等等。在右端的输出，观察电池的性能，有热的性能、电的性能、寿命的性能等等。如果输出的性能满足要求，那么输入的这套设计参数，可能就是最终设计方案；如果不满足要求，就回到左端、输入端，进一步输入新的设计参数，观看电池性能的提升。

这中间也有迭代，下面的箭头调整设计参数，满足特定性能需求。但它采用的是一种称之为虚拟迭代的方法，来替代了实验试错法中制样测试带来的四大浪费的迭代过程。

从仿真正向设计的这个框图中大家可以看到，左端输入电池设计，右端得到电池性能，那么将这两者关联在一起的数量关系我们称之为电池的模型。可以用于设计的电池模型我们特定的将它称之为电池的构效关系模型，高精度的电池构效关系模型是仿真驱动的电池正向设计方法的底层核心技术。

那么这是一个什么样的电池构效关系模型呢？

* 图片截自嘉宾发言PPT

在这个构效关系模型里，至少要涵盖两个核心尺度，第一是电极的尺度，电池的正极材料、负极材料，包括其中的导电剂、黏结剂等各种各样的助剂，它们构成的多孔电极是第一个关键尺度，它的特征尺寸是，从单个颗粒一直到整个电极单面涂层的厚度一般在百微米以下。

构效关系模型的第二个尺度是单体尺度。它比电极尺度更大一点，有了好的正负极片以后，还要把它制成一个好的单体。单体尺度要解决一些特殊问题，比如要选择什么样的构型，圆柱的、软包的、方壳的、长刀的、短刀的，构型上的创新。除了形状之外还有尺寸，确定的方壳长宽厚的比例，极耳或者极柱、极台的位置等等，都会进一步决定电池的性能。

要完成这种仿真驱动的电池正向设计，我们清华团队一直在进行四大核心技术研究。

从化学能到电能的能量转换器件有很多类型，比如目前在电动汽车领域大规模使用的动力电池，有液态电解质的，还有固态电池，燃料电池，使用氢气的燃料电池，器件的发展一直不会停止。但是在这种能量转换器件的设计过程中，存在着贯通不同器件的我们称之为平台性技术要素。技术要素的研发是目前面向锂离子电池，将来可能面对更多新型的能量转换器件做产品开发的一个通用技术。

02

实现仿真正向设计的4大核心支撑技术

我们归纳能源器件设计的平台型技术要素，采用这种仿真正向方法的，至少包括以下四点：第一，是电池正负极核心材料本征动力学参数的测定。第二，是多物理场耦合的机理模型的构建。第三，是电极微观结构，微米尺寸的这种结构，自动化的、大批量的生成技术。第四部分，是数值计算的求解器的开发。以下我们一样一样来看。

第一个技术要素，称之为电池正负极材料的本征动力学参数测定。

这是什么含义呢，我们讲第二大技术要素的时候，多场耦合的机理模型，大家会发现，在模型中存在着很多表征材料本征属性的参数。比如，锂离子在一个典型的石墨颗粒中扩散速度有多快，这个扩散速度可能是嵌锂量的函数、温度的函数，但是它本质上是这种材料的固有属性。这种固有属性会作为电池构效关系建模中不可或缺的参数，带入到整个建模和电池产品设计过程中。所以一个电池仿真驱动的正向设计方法的核心，在于建准构效关系模型。而建好模型的一个基本功，是要有精确的参数标定方法，有时这种商用的仪器不够用，还要团队来开发一些特殊的仪器，这也是我们在本征动力学参数上采用的一些方法。在这个领域我们正在建立电池正负极材料的本征动力学参数的一个数据库，开发了很多比如单颗粒电池这样一些新型的实验台，研究正极材料、负极材料包括一些关键的电解液动力学过程的一些参数。

第二个技术要素，是多场耦合的机理模型的构建。

什么是模型构建呢？我们更多指的是如何描述清楚，用一套偏微分方程，描述清楚电池内部发生的物理化学过程。进一步做阐述，是指电池内部发生的行为和现象以及驱动这种行为的驱动力之间的关系，它的最终参数是一套偏微分方程。大家可以看到下面这张图，是一个典型的电极的示意图。

* 图片截自嘉宾发言PPT

这里面有很多微观的结构，黄色部分，这种大的，比如正负极材料固相颗粒球状颗粒；黑色的，这种小型的导电剂形成的电子通路，颗粒和电解质相联的这个表面处于的固液界面，这里面的孔大部分情况下我们认为充斥着电解液。

在这样一个多孔电极的环境中会发生很多现象。比如有物质传输的过程，锂离子会发生输运、电子会发生导电，在固液相的界面处会发生电化学反应，脱锂和嵌锂为代表的氧化还原反应，有时候还有一些老化过程中人们不愿意让它发生的一些副反应，会减弱电池寿命的一些副反应。另外电池内部还会产热、会传热、电池与外界环境还存在着热交换，以上这些所有的行为或者说现象，在第二个技术要素中都试图采用一套偏微分方程组来清晰的描述。

第三个技术要素，电极微观结构自动批量生成。

如果说第二个技术要素是数理上的工作，第三个技术要素更多是几何上的工作。大家知道电池的结构，以目前大规模使用的液态电解质结构来看，它的电池电极结构大部分是一个多孔结构，其中含有多种不同的固相材料，固相材料的间隙中还存在着孔，孔中还可能灌注着电解液。液相和固相分别构成了离子和电子这两类最重要载流子的通路，微观的几何结构受到加工过程中、设计过程中很多工艺的影响，比如涂多厚、压实密度多大、烘干的供需怎么样等等，微观结构的特点一定程度上决定了电池性能的特点。

在完成仿真驱动的正向设计时，要首先根据不同的方案设计，哪些设计方案呢？

* 图片截自嘉宾发言PPT

这张表中左上角，主材的类型、材料的配比、颗粒的形貌、粒径的分布、涂布的厚度、压实界面工艺等等一些设计参数，要快速地生成对应于这套设计参数的微观几何结构，而且它应该是自动化的，不是靠人去绘制；也是大批量的，因为在真正的仿真过程中，为了减少仿真结果的随机性，会含有大量数目的颗粒。以右上角的这个图来看，真正仿真过程中处理的长度可能是它的10倍以上，里面会含有至少数千个颗粒，因此这种几何结构的生成方法必须是自动化、大批量而且有效率的。

右上角是一个典型的某一个电极的多孔的微观结构。事实上这个结构不是唯一的，它与很多关键假设，包括输入的设计参数是密切相关的。可以看到下面这些图，可以表征不同的粒径分布：D10、D50、D90；可以是两维的、也可以是三维的；单个颗粒可以是正球形的、也可以是椭球形的，甚至是片状的；它可以适配很多工艺，传统的涂布辊压烘干工艺，包括现在干压的工艺；在正极它可以表征出单晶的结构，也可以表征出有些材料中使用的多晶结构等等。因此这种自动化大批量生成的电极结构，可以反映电池内部很多趋于真实的信息：比如颗粒不同的形貌、不同粒径分布的特点；助剂、导电剂、黏结剂真正的空间占位；孔隙分布的情况、压实密度的情况，包括电池内部非常丰富的界面上进行的各种各样的工艺处理等等。

最后一个技术要素，是数值求解器的开发。前面讲了，几何上我们得到了一个多孔的结构，里面的形状、结构非常复杂；代数上我们又得到了一套偏微分方程组，它可能首先具有高阶的模式，另外是个偏微分，边界条件很复杂，所以很难显示采用解析的方法求解，把这套代数方程应用在这样一个复杂几何上怎么解呢？怎么得到数值的解决呢？

一般情况下我们采用数值求解的方式。我们的团队还在开发具有全自主知识产权的数值求解器。大家知道CAD、CAE领域的很多软件缺少大量的国产化工具，一直被认为是我国工业软件发展中一个非常瓶颈的问题。在第四个技术要素中我们并不是要开发一款通用的CAE求解器，而是要把面对比如锂离子电池设计问题产生的几何和代数可以采用自己全自主的求解器求解出来，它是垂直适用于特定产业、特定产品的。

在以上四大技术要素的支撑下，我们可以高精度的得到电池内部很多信息的仿真结果，有些仿真结果是我们在实验室通过测试的方法可以方便得到的。

* 图片截自嘉宾发言PPT

比如这张图中，根据这个实验难度星数从一到五，可以简单获得比如电压、容量、功率，直流内阻、交流内阻，通过三电极或者半电池的方法把正负极的电位区分开；下面一排实验难度在快速的增加，比如大的电池，尺度很大、厚度很大，如何把整个内部，包括封闭结构内部和外部的温度都能够采集出来呢？实验上有一定的困难，但是并不是不可行。仿真的结果可以告诉我们，温度在时、空两重维度下任意时间、电池内外任意位置的温度变化情况。后面我们加了五星的两张图，分别代表在任意时刻下，比如左边图是正极固相材料内部的锂离子浓度，右边图是电子电流密度场。大家知道，这两个物理参数很难通过实验室测试的方法满足在一定的时间和空间分辨率条件下精准的获得，因此仿真技术可以帮我们见到一些在实验中不容易见到的现象，从而更有可能揭示出电池内部发生的一些特定机理，并把这种机理与设计瓶颈及如何进一步改进设计关联起来。

03仿真如何指导设计

上面都是一些典型的仿真结果。仿真为什么能知道设计呢？或者为什么第二代电池产品的研发技术是仿真驱动的正向设计呢？我们来看一个案例。这个案例来源于一个特定的设计需求，如果一款电池在1C条件下，能量密度显著偏低，能不能帮我们分析一下成因，应该如何改进一下这个设计呢？

* 图片截自嘉宾发言PPT

通过仿真的方法，左图，我们把这款电池在放电时刻过程中任意时刻的过电压，此时的端电压和该SOC下对应平衡电位的差把它提出来，还把它进一步解析成过电压的不同成份，哪一部分是比如说液相离子传输带来的、哪一部分是化学反应带来的、哪一部分是电子导电带来的。我们会发现，在长达3000多秒的放电过程中，整个过电压的曲线，大部分时间内都比较平稳，但是在接近放电截止的这个时刻，其中有橘色的一支、一种成份快速地抬升了，从而造成这款电池很早就击破了放电截止电压，热力学上有的能量没有办法动力学上用上来，抬头的成分是什么呢？

我们看一下负极颗粒内部的扩散过程，它在放电截止时刻，在整个过电压的组成中占有多大的角色呢？看柱状图和右面表的分析，放电截止时刻大概800多毫伏的过电压中，其中有755毫伏都来自于负极颗粒内部的离子传输。这说明如果能把这个抬头的橘色线压下去，这个电池就可以多放电一段时间，在1C条件下测定的能量密度就会高一点。什么样的设计因素可以有针对性的来降低负极颗粒内部的离子传输带来的过电位呢？有电池设计经验的人会知道，在负极颗粒内部的扩散与扩散距离密切相关，也就是减小负极颗粒的粒径，比如把D50调低一点，可以让负极内部的锂离子扩散过程更加顺畅。

事实上，针对这样一种仿真分析的结果，我们给出的设计改进建议也是，要优先尝试减小负极石墨颗粒的D50，通过把D50下降，大概只下降了4个微米左右，可以显著地提升这款电池在1C条件下的能量密度。

这个案例生动的解释了为什么仿真可以指导设计，因为仿真将电池内部发生的一些实验上不可见的过程解析开了，掰开了，揉碎了，告诉我们这款电池为什么提前截止，如果要控制，要找到瓶颈，应该在设计上优先进行哪些工作。

上面这个分析跟我们前面看到的离子浓度图也是对应的，截止时刻的离子浓度也可以证实这一点，大的颗粒，大的石墨负极颗粒，内部残存着较高的锂离子浓度，如果缩小D50对于这部分的能量发挥是非常有效的。

我们看了过去、再看了现在，目前中国的动力电池产业正在从实验试错法向仿真驱动的正向设计方法迈进的路上，通过仿真驱动提供的这种虚拟迭代能力，可以把实验试错法条件下的电池型号的开发过程大规模的加快，按照我们在产业的一些实践，在效率上至少有2-5倍的提升空间，在成本上至少也可以节约一半。

最后，我们来共同展望一下电池设计技术的未来，智能化的全自动设计方法。

动力电池产品设计的未来

从目前仿真驱动的正向设计方法到智能化全自动，我们称之为第二次跃升。那么仿真设计方法有什么不好吗？或者还有“好上加好”的地方吗？

有的，在上面这个框图中，逆向的箭头部分：调整设计参数以满足特定的性能需求。我们虽然用虚拟迭代替代了实验试错过程中大部分的制样测试，在仿真中输入一套设计变量，得到一套性能的估计，这个过程能不能一次完成一个型号设计呢？很难，因为刚开始的这套设计变量的选取，当然有经验的成份，也会有一些随机性，性能很可能不满足要求，或者实验者希望这个性能能够好上加好，那怎么办呢？仿真工程师会重新输入一套设计参数，观察这个性能的提升。在这个重新迭代的过程中，有大量的人工经验的判断在里面。首先它可能不是最快的，看右下图，因为人工驱动多次仿真有一个方向选择的问题，它可能找到的不是最快路径，在所谓的寻优过程中会走弯路。另外也不可能是最好的，人工多次迭代，仿真工程师也很辛苦，他有可能会停留在一个目前令人基本满意的性能结果上，或者停留在一个局部最优点，这个人工的寻优过程就停下来了。

针对这种人工多次迭代仿真带来的浪费，和非最优的缺陷，我们进一步提出，如果将人工多次仿真与寻优的过程通过自动化的方法来替代，还有可能找到更好更快的电池设计方法，这就是第三代智能化全自动设计方法。
在智能化全自动的设计方法下，我们开展了一些案例研究。案例还不是面向真实电池的设计问题，几十个变量可以调，可能关注十个以上的电池性能表现。在案例研究中，我们大规模的缩小了输入和输出的量。

这两张图是两个多目标优化的结果，一个是电极性能的设计结果，一个是单体尺寸的设计结果。大家可以看左图，我们想设计一款能量密度和功率密度都比较好的电极。因为高能量的电极和高功率的电极很多关键的设计参数可能是相反的，所以这里存在着能量密度和功率密度相平衡的问题。通过某些智能寻优的方法，我们把仿真过程中的构效关系模型上的通路依然保留。但是下面这个迭代过程，不再是人来迭代了，用更聪明的算法来迭代。通过2500次迭代，大家可以认为经历了2500个不同设计方案的比较，我们发现其中有25个最优解，即这些红色的点，就是在整个能量密度和功率密度的二维坐标下最接近于右上角实现帕累托最优的解。2500个迭代过程的完成大概花了多久呢？在实验室条件下，大约只有40多个小时，大家可以想象，如果通过更早期的实验试错的方法来比较2500个设计方案需要多长时间？

右图是一个单体结构的设计问题，在这个设计案例中我们要求或者希望这个电池工作过程的最高温度低一点、电池内部的温差也低一点，因此最优的设计方案一定是左下角的这些设计方案。大家可以看到，其中任何一个点都是一套设计方案，右图上比较了300组不同设计方案在最高温度和最大温差上的表现，发现红色的点大概有20多个，达到了帕累托的最优解，最接近于左下角。其中，每一个点在单体设计的关键形状、尺寸、长宽厚的比例上可能都各不相同。所以，不仅对于电极设计，对于单体设计，这种全自动智能化方法的效率也是非常惊人的。

这个效率的极限能到多少呢？这是大家非常关心的一个问题，我们针对效率极限进一步开展了大规模案例研究。

大家看下左上角这些图，这是一个典型的高能量密度单目标的优化设计问题，我们发现，开展10次平行的高能量密度的设计，平均完成一次设计大约需要2个小时，这是在某个特定的算法下。如果在更快的算法下，处理同一个

问题可以把2小时进一步压缩到7分钟。有的设计工程师可能认为这个设计问题很简单，只有1个输入或者2个输入或者3个输入，我们也在研究右上角这张图，当输入增加，有一天达到40个输入，把配方、微观结构、工艺、宏观结构都拿进来的时候，这样一个智能化、自动化的设计过程它的效率是不是依然还OK？

我们发现，随着设计变量的增多，一个好消息是，整个全自动智能化电池设计方法的耗时没有发生随着设计变量的增多而产生指数的、灾难的增长，它是一个规律的线性增长。初步发现告诉我们，把全自动智能化的设计方法移植到具有复杂的、数十个可设计变量的真实产品设计过程中是可能的。

进一步来看，如何能够设计出这种效率最高的全自动智能化的设计方法呢？我们要做一个基本公式，比如花6000秒完成了一个整体的设计过程，要把这6000秒花在什么问题上解析出来，下面这张图就是做这个事情。

我们把算法的耗时环节分解出来了，其中包括很多因素，比如上面构效关系的单次计算过程依然保留着。单次，完成一次构效关系模型的这种机理模型的计算需要多久？完成这种进化式的算法大概需要算多少次上面的映射关系？我们称之为所需的仿真数量，到达算法收敛前这个代际进化要进化多少轮呢？我们有没有比较好的软硬件的配置，可以使得整个算法是可以并行的呢？

这是四个基础的算法耗时环节的分解，通过这一分解过程我们会定义到耗时最长的这个部分，有针对性的进一步把全自动智能化电池设计方法的效率提高到一个极限。一个基本的判断是，我们可以将实验试错法，目前通行的数月到数年的单型号设计周期压缩到数小时、数天或者数十天，电池产品研发的速度将有1-2个数量级的提升。

到此为止，我们可以把三代电池设计技术的一些核心指标进行对比了，第一代实验试错法，第二代仿真驱动的正向设计方法，和第三代全自动智能化的电池产品设计方法。首先它们的周期不一样，开发成本逐渐降低，在技术创新上，越向后研发工作人员越可以把更多的时间用在创新性的内容上。工作中的重复迭代部分被压缩到了最小，另外我们还会看到，通过第二代、第三代电池设计方法的引入，可以为企业保留下来越来越丰富的知识库，这一知识库对提升团队的技术水平，包括快速的切入到新器件的先行研发非常有效。

（后续部分为清华大学电车设计研发工作在电池产业内部的应用情况，暂略）

本文转载自：电动汽车百人会
整理：电动汽车百人会（根据嘉宾发言速记）