打开网易新闻 查看精彩图片

经济观察网 记者 濮振宇 6月9日,在2023世界动力电池大会上,全国政协常委、中国科学院院士欧阳明高表示,动力电池产业面临一系列新挑战,如增速放缓、利润率降低、产品迭代加快,为应对挑战,可以借鉴包括ChatGPT在内的GPT大模型的概念,实现动力电池全生命周期智能化——智能设计、智能制造、智能管理、智能回收等。

据了解,大模型是指具有大量参数和复杂结构的机器学习模型,这些模型可以应用于处理大规模的数据和复杂的问题。欧阳明高表示,要想让动力电池全生命周期智能化,可以利用大模型,如广为人知的ChatGPT,就属于GPT大模型,还有知名度相对较小的BRT大模型。

据欧阳明高介绍,在动力电池的智能设计上,利用大模型能够做到智能化全自动,设计效率可以提升1到2个数量级;在智能制造上,可以进行缺陷智能检测、产线大数据人工智能分析,来实现制造过程的智能化;智能装备上,能从单机智能升级到多机协同智能,再到整条生产线一体化智能;在智能回收上,能智能化预测电池寿命,也能进行非破坏性的电池修复。

当前,动力电池的安全性仍是消费者最关注的问题之一。应急管理部曾公布过一组数据:2022年一季度国内新能源汽车火灾事故数量为640起,同比上升32%,高于交通工具火灾平均(8.8%)增幅,平均每日超7起火灾。而动力电池热失控往往是引发新能源火灾事故的直接原因。

欧阳明高表示,可以通过智能感知对热失控提前预警,“热失控安全预警,以前是没有的、困难的,因为热失控数据很少,事故本来就不多,不可能形成大数据。但有了人工智能,我们可以基于少数数据,通过数字孪生,生成一个大型数据库,然后进行预判。”

在提前预警的同时,还可以通过智能调控防止热失控发生。“以前都是通过设计,电池能控制的很少,只有充电可以控制,但是放电基本上不可以控制。热失控以前没有办法调控,现在也可以调控。就是通过实时控制来防止热失控等等方面,我们有一系列的办法。再比如说可以通过智能端盖,对内部气体进行调控。”欧阳明高说。

版权声明:以上内容为《经济观察报》社原创作品,版权归《经济观察报》社所有。未经《经济观察报》社授权,严禁转载或镜像,否则将依法追究相关行为主体的法律责任。版权合作请致电:【010-60910566-1260】。

打开网易新闻 查看精彩图片

濮振宇经济观察报记者

关注汽车产业政策、行业企业转型等,对自主品牌、主流合资品牌关注较多,擅长分析报道。
联系邮箱:puzhenyu@eeo.com.cn
微信号:pzy369963493