设计自动化（BDA）软件，原本耗时数月的材料实验仅需数日即可完成性能预测◆▲；而

　　我国已是全球锂离子生产与应用第一大国○。EVTank数据显示▷●•，2024年中国锂离子出货量达到1214•.6GWh，同比增长36.9%○◆☆，在全球锂离子电池总体出货量的占比达到78%--，行业市值超过1万亿元-◇。但光鲜的产业规模背后，研发环节却长期受制于低效的传统模式。

　　“绝大多数企业的研发模式还是‘手搓试错’■，靠调配方反复做实验■◇，效率较低。◇•”屹艮科技创始人兼首席科学家郑家新在接受时报记者采访时表示◇。锂电池研发堪称工业领域的“复杂系统工程△”•◁•，其核心挑战集中在■“跨尺度、长流程、多因素•▪▲”三大特性。

　　更严峻的是，当前商业化锂电池能量密度已接近极限■●◁，而具有超高能量密度潜力的新一代锂金属电池和全固态电池，仍面临诸多科学与工程难题，难以商业化。为了破解这些交叉学科难题-▪□，企业只能依赖大量实验试错▲□，不仅研发周期冗长（一款电芯从设计到定型的周期往往是一年到数年），成本也高得惊人，例如仅中试制浆环节◆▪=，传统模式往往要投数十锅料☆★▲，每锅料投入数十万元◆◆，单项耗费就达数百万元□▪。

　　“这和早期芯片研发非常相似，迫切需要像EDA软件那样的数字化工具来赋能。”郑家新表示◁，尽管我国新能源产业规模已达数万亿元，但数字化、智能化工具应用仍处于起步阶段◁▲，适配电池行业的AI工业软件此前几乎是空白。

　　瞄准行业痛点▷，北京大学新材料学院联合屹艮科技率先提出BDA概念，构建起以“跨尺度模拟+AI算法”为核心的全流程智能化平台，开创了电池研发的全新范式。

　　BDA软件的核心创新在于“物理仿真+AI”的双轮驱动模式。•“这就像中西医结合：物理仿真对应西医□，有明确的科学原理支撑；AI对应中医，能通过黑箱模型耦合众多复杂因素。”郑家新解释道=。这一模式精准破解了传统研发的三大难题：AI加速模拟进程□•★，解决物理仿真速度慢的痛点；通过实验数据与仿真数据构建模型•，精准处理数十个自变量的非线性耦合关系；依托跨尺度参数传递技术，实现从原子尺度到系统层级的全链条覆盖●●。

　　技术创新的价值最终体现在产业应用中●★=。目前■☆●，BDA软件已服务-、比亚迪★、广汽、贝特瑞等多家头部企业•=▲，其带来的“提效降本”效果堪称显著。

　　据郑家新介绍，传统一款电芯1—2年的研发周期有望被压缩至半年▷▲◆，材料实验从数月缩短至数日…◆◇；成本方面，通过计算机模拟推荐配方，制浆等环节仅需1—2锅料即可达标，帮助企业降低30%—40%的研发成本。“我们的终极目标是达到EDA软件的成熟度•••，届时研发成本能降低90%以上。”郑家新透露▼。

　　除了直接的效率与成本优化，AI的精准预测还间接提升了电池安全性能▼▷。通过仿真模拟提前规避潜在工艺缺陷和性能风险，让研发出的电池更稳定可靠•☆★，这对于解决当前锂电池行业面临的安全质疑具有重要意义。某头部车企动力电池负责人表示，引入BDA软件后▷△◇，其自研电芯的循环寿命提升了20%，安全测试通过率显著提高。

　　值得关注的是，BDA软件的应用边界已突破锂离子电池领域◁。“不管是、钠电池，还是燃料电池、氢能电池，只要是电池领域都可以通用。”郑家新介绍•，由于底层算法不依赖具体电池材料▷，而是针对“跨尺度、长流程、多因素○”的共性痛点，BDA软件已成功延伸至显示材料、半导体材料等领域，与京东方、飞凯新材等龙头企业达成合作。

　　BDA软件的成功落地，不仅改写了锂电池行业的研发逻辑，更预示着AI与工业融合的广阔前景■-•。在郑家新看来●，只要是涉及…、新配方、新工艺的行业，都存在与锂电池行业类似的研发痛点●，这正是AI工业软件的用武之地。

　　“最具落地潜力的细分领域首先是精细化工▼○，比如塑料、胶粘剂、橡胶等高分子材料等；其次是光电信息材料、材料、磁性材料、复合材料等；还有、氢能电池、工业催化相关材料等领域。”郑家新表示，这些行业的核心需求都是通过优化配方、工艺提升产品性能○…，降低研发成本●▪，BDA的底层算法经过二次开发就能适配-▷，落地难度较低。

　　未来3—5年，AI将给工业生产模式、研发逻辑带来两大根本性变化。在研发端，将从“实验试错”全面转向“数字仿真+精准预测●”○，就像芯片行业的EDA软件一样•，电池研发工程师将极有可能从工厂研发车间搬到写字楼，通过数字化工具完成设计◁■；在生产端▲-，将从▼▷▪“标准化大规模制造”向“定制化精准智能制造”转变，企业能基于用户需求快速优化材料配方和生产工艺，比如车厂可根据车型定位和用户习惯■-=，和上游电芯厂合作精准研发型号适配的电池。

　　这一变革正在推动企业竞争格局的重塑。越来越多的工业企业开始自研核心材料和部件，就像华为自研芯片一样，掌握核心技术话语权▷▷，而AI工具正是这种转型的核心支撑-。郑家新判断，锂电池行业目前还处于“小学生阶段•”▷，未来低空经济、智能机器人、家庭和工业储能、电动船舶等场景将带来更广阔的市场空间，甚至可能超越芯片行业规模，而BDA软件将成为产业链必不可少的一环，参照EDA软件200亿美元的市场规模，其发展潜力巨大◇。

　　尽管成绩斐然◁•，AI与工业融合仍面临多重现实阻碍▽。人才储备不足是首要难题——AI工业软件需要物理、化学、材料=、计算机交叉学科的人才•…，这类人才在国内极为稀缺▼□◇，高校目前尚无对应的专业和课程体系○•。屹艮科技70余人的团队中80%是研发人员，前几年招人都异常困难□…。

　　行业认知培育也需时日。部分企业的企业文化相对保守，对新的数字化工具接受度不高，还有一些企业习惯了传统试错模式，对AI赋能的信任需要时间积累。此外，数据安全问题也不容忽视，工业企业尤其重视核心研发数据，这也是屹艮科技采用私有化部署模式的重要原因。政策支持方面，目前缺乏针对AI工业软件这类基础核心领域的定向扶持，研发补贴多是“大锅饭”•，生态建设有待完善。

　　“中国有全球领先的新能源产业基础•▲，我们有机会做出能‘卡别人脖子’的核心工具，这不是简单的国产替代…◁，而是‘从0到1’的创新。▽”郑家新表示，BDA软件的研发成功是我国坚持立足世界科技前沿●▲、面向经济主战场的生动实践，为新能源产业升级提供了新质生产力工具○…△，推动产业从“规模制造优势”向“核心技术优势”跨越。