根据国家应急管理部数据，今年一季度新能源汽车火灾共计640起，同比上升32%，远高于交通工具火灾平均增幅（8.8%），平均每日发生超过7起火灾。

事实上，现阶段动力电池的问题还不止火灾隐患，除此以外其能量密度、超充性能、低温稳定性、余能检测等等，都是目前占据整车成本40%甚至更高的动力电池系统长期以来难以从根本上解决的瓶颈。

【资料图】

昇科能源是清华大学车辆与运载学院电池安全实验室的孵化企业，专注于能源AI服务，将12年的行业积淀融入深度学习框架，构建了首个面向电池时序数据的大规模预训练模型 PERB1.0 (Pre-training Encoder Representation for Battery)，只需一个模型，即可完成几乎所有的电池时序数据类任务。

昇科在此基础上推出了全气候超充桩、充电智能安全模块、智能诊断仪、安全云SaaS、新能源车主综合服务小程序“小满用电”等一系列软硬件产品矩阵和解决方案，并以此赋能电池生态闭环。

昇科能源的核心创始团队均来自欧阳明高院士课题组，是清华大学科技成果转化的标杆。是国家高新企业、CBInsights中国新能源汽车创新企业。

近日，恰逢昇科能源成立三周年之际，籍此机会，36氪在与昇科能源的创始人兼CEO褚政宇博士的访谈中，有机会了解了更多关于新能源时代AI能源管理的信息。

在从传统能源向智慧能源的演进路径上，人工智能已经成为最有力的生产力工具。

具体到新能源汽车领域，动力电池及相关技术是新能源革命的核心动力。动力电池供应链上下游主要的参与方包括电芯厂、主机厂和充电运营商等，由于各自技术、工艺、生产资料的差异，多种技术路线之间很难打通，对电池状态的检测和管理长期以来没有形成有效且统一的网络。

昇科认为：电池系统是一个具有高度非线性、伪周期性的电化学系统，这和传统机械电气系统是有本质差别的。这个差别导致电池系统的监控预警和状态估计算法开发难度远大于传统机电系统。针对这些技术难题，清华大学车辆学院电池安全实验室进行了多年科研探索，有着深厚的机理沉淀。昇科作为清华大学车辆学院电池安全实验室的孵化企业，专注于电池业务，对这些长期技术积淀做了有效的科技成果转化。

昇科能源通过与主机厂的深度合作，建立了完备的实验及实车数据库，拥有海量不同类型、不同阶段的电池数据，支撑了算法全流程开发及验证，进而通过深度学习，形成了机理与数据融合，AI赋能的技术路线，建立了融合各机理参数、高检出低误报的异常检测框架。

褚博士告诉36氪：我们坚定地认为数字化、智能化可以在动力电池的全生命周期管理和应用中起到非常大的作用，一方面对于充电等使用场景，AI可以大幅提升电池的安全性；另一方面在交易和回收环节，基于AI的数字化检测对于价值评估也起到非常重要的作用。

昇科能源的首个面向电池时序数据的大规模预训练模型PERB1.0，可以通过对比学习，直接从大规模无标签数据中获取信息实现预训练，而传统模型、和有监督的深度学习普遍无法利用无标签数据。

并且，PERB1.0经过多家合作伙伴的数据训练，只需微调即可快速用于新的电池和场景，而且冷启动模型根据 real-time data自适应迭代，无需任何人工手动调参，在电池服役的全生命周期保持关键指标如准确率、误报率等始终满足要求。

褚博士进一步介绍：凭借大规模预训练模型的优势，在电池开放平台“伏龙”上，已经积累了大量用户和数据，昇科整体上会前置于产业，在场景爆发之前提前去做布局，比如800V超充，一直在坚定的进行布局，自2021年以来，昇科能源与壳牌等开展了广泛的合作，落地了AI安全超充技术，预计明年会有 20 多款支持超充的车型实现量产，而昇科已经完成了智能超级充电站的商业化落地。

在全球范围内，很长时间里，锂都将是一种稀缺的资源。如何最高效的利用好现有锂电资源，也将是动力电池相关行业将长期面对的重要课题。

而动力电池随着新能源汽车完成销售之后，就离散的分布在终端市场，管理的难度和成本都很高。

目前，新能源动力电池检测评估在行业中尚未充分开发，电池回收行业面临电池估值不透明、回收渠道散乱的问题。加上具有检测能力的机构及企业尚在起步期，拥有专利技术、呈规模的比例极低。

昇科能源在面向电池时序数据的大规模预训练模型 PERB1.0基础上，形成了覆盖动力电池全生命周期多个场景的完整解决方案，为企业侧和用户侧提供网络化、全链路闭环服务。

褚博士进一步介绍：我们正在构建全球最大的电池智能化数字网络，利用一张网覆盖充电、维保、梯次利用、再生利用等多个场景，实现电池在全工况下高精度故障检测、智能决策、状态评估、残值评估等，高效赋能智慧能源新基建和电池检测回收两大业务板块。

昇科电池智能化数字网络，不仅可以对动力电池安全运维实现超早期超精准故障预警和主动防护（综合故障识别率高于93%，误报率低于0.1%），而且对动力电池从检测到评估再到回收的全生命周期的后半段的多项指标也做到了行业领先（状态评估误差率≤2%，早期寿命预测误差率≤6%）。

昇科能源表示：电池的AI技术应该更直接地服务终端用户，形成更大的网络。尽管公司曾经帮助全球超过50家客户精准预测电池故障和风险，评估电池健康状态，并形成了多款商业化软件，但围绕“引领智慧能源革命，为了人类可持续的未来”公司使命，昇科认为，更应该靠近新能源的广大终端用户，不久前上线的“小满用电”小程序就是昇科为此迈出的一小步。

通过“小满用电”，昇科高频的充电场景直接服务车主，每位用户可以在充电过程中准确地了解电池的寿命还有多少、有什么故障、值多少钱，再也不用担心换新电池高昂的成本。这些信息，是每位用户原本应该知道却一直无法得知，这正是AI技术的价值所在。

褚博士表示：昇科把全新的尝试看作电池完全数字化的游戏，类似Web3应用，用户在长期参与的过程中，会持续构建数字化凭证，并受到不断的激励（Charge to earn)，最终每位用户都能够得到与物理电池完全对应的数字化电池，获得可观收益，这也将促使电池流通市场实现最大效率运转。

在AI看来，处于生命周期内的动力电池无异于有机体。类似于处于人类科学前沿的脑机接口技术，电池也需要这样一个可以有效看到黑盒内部的技术。

但是，锂离子电池是封闭体系电化学系统，封装后只能测量外特性：电流、端电压、表面温度、表面压力等；而很多细微变化都先从内部发生，无法测量内部信号，意味着巨大的信息屏障。

褚博士谈到：尽管锂离子电池已经大规模应用，但我们对它的关键特性仍然知之甚少，一个重要原因是缺乏像“脑机接口”这类更精细的信号传感技术。

昇科能源刚刚在这个领域取得了突破，昇科与清华大学车辆学院电池安全实验室联合组成了电池传感实验室，并在电池“脑机接口”的研究中取得阶段性进展，实现了对商用10Ah软包电池内部电位、内部温度、内部压力的同步传感。

据介绍，电池“脑机接口”最大的难点在于传感器，与其他传感器不同，电池传感器应用于电池内部这个特殊场景，对兼容性提出了非常多的要求：比如简单的温度信号，在电池外部和电池内部测量的难度完全是两个量级；再比如，内部电位测量和端电压测量，同时面临着稳定性、精度、阻隔效应、封装等多重挑战，每个挑战都没有成熟的解决方案。

褚博士说：为了突破难题，研发团队经历了长达6年的探索和技术攻关，传统方案主始终无法克服材料兼容性问题，且寿命一般不足300h，研发团队另辟蹊径，创造性地提出了以多孔二维薄膜作为传感敏感材料基底的技术路线，一举解决了几乎所有兼容性问题。

电池的“脑机接口”对于解决安全性意义重大，动力电池在集成了多维信号传感器后将步入智能电池时代，安全预警等功能也将有明显提升，同时可根据电池使用工况主动输出“养身”管理方案，最大化发挥每一只锂电池的效能，延长电池的使用寿命，从根本上解决电池安全问题。

昇科能源的研发团队认为，智能传感器将在电池研发和测试领域率先实现商业化应用。目前，团队针对智能传感器自身特性和电池植入还在进行严苛的第三方测试和评估，建立针对电池传感器应用的第三方测试规范和标准。

现在，在北京市科委的大力支持下，昇科团队正在与卫蓝新能源展开合作，将电池传感器率先应用在300Wh/kg的固态电池研发过程中。

昇科表示：我们欢迎更多电池企业参与到智能传感器的联合应中来，共同推动智能电池技术的进步。