在“全固态电池热”的行业风向下，也有呼唤冷静的理性声音。
“固态电池急不得，要一步一步来。”欧阳明高表示，刚开始出来的全固态电池产品能量密度可能没有想象中高，但能带来高安全、宽温域。不要一开始就提出很高的目标，而是到最后再做到700Wh/kg全固态电池的产业化。
“电池不是一天就能被颠覆的，不可能的。欲速不达，循序渐进，”欧阳明高强调。
欧阳明高 中国科学院院士、中国全固态电池产学研协同创新平台理事长
储能市场：产业链盈利差 提升空间大
今年以来，除了有颠覆性可能的全固态电池之外，储能也成为了诸多动力电池企业的心头好。
中国汽车动力电池产业创新联盟发布的数据显示，国内动力电池企业装车量排行榜的TOP3均发力储能市场。今年4月，宁德时代发布全新储能系统——天恒；同月，比亚迪发布储能解决方案MC Cube-T魔方系统。2024年，中创新航拿下了沙特全球最大储能项目，订单容量高达7.8GWh，相当于2023年度中国储能电池整体市场规模的36.3%。
但受到企业追捧、被视作“第二增长曲线”的储能行业，也面临着市场的严峻考验。汽车业内“亏本卖车”的现象，正在储能电池产业链上“复现”。
“现在很多（储能电池）材料据说都是亏本卖的，一个亏本销售的大产业是不可以持续的。”刘金成分析道，电池在储能系统中的占比只在20%左右未来，储能系统的成本下降，主要不是依靠电芯的成本下降，而应该是系统标准化的成本下降，从系统、连接、集装箱整体标准化和循环性能整体提升的角度思考。
与动力电池不同，在电芯之外，储能系统还包括EPC、占地面积、基础设施的施工、线缆的铺设到集装箱的设计、消防系统、连接件等。
“要想把每个环节的成本全降下去，需要提升单位面积的能量。”杨红新说，这需要消除不产生能量的物质，储能电芯单体就要做得越大、越好。行业要靠创新产品、技术实现真的盈利，而不是纯靠商业竞争来压低价格。
但是，电池做大后，安全风险也需要得到进一步重视。“（电池大了以后）内部连接方式减少了，实际就带来系统连接发热的风险。”刘金成表示，从储能系统安全性本身来讲，它的症结不在电芯，而在于连接产生的热和管理技术问题。如果将电池系统中的零部件全部标准化，既能降低成本，也可以从安全管理角度大幅度提升系统可靠性。
电池研发的AI“革命”
无论是多面拓展性能的液态动力电池，还是难以突破研发和产业化难题的全固态电池、又或是对寿命、安全追求更高要求的储能电池，要实现更好的性能、更低的成本，都需要企业进行大量的研发工作。
未来，AI将参与到此类研发工作之中，这将大幅降低研发成本，提高效率。刘金成认为，电池电化学体系成分众多，变量的排列组合也很多，而AI能够助其排除一些组合，大幅降低研发成本。
鄂维南也在专题会议上表示，电解液的材料和配方空间非常大，选择空间很大。目前设计电池材料都是通过试错的方式进行的，因此要更加理想地进行材料搜索。比如深视科技开发了一系列的模型，能够在确定目标后，给研发人员溶剂配方等内容的初步推荐和验证，然后研发人员能够通过试验数据进行微调，形成闭环。
不只是节约成本，这能从根本上推动科技发展。鄂维南认为，涉及到分子和原子的场景自由度太高，计算复杂性呈指数级增加，也就是“维数灾难”。而这些问题恰好可以用AI来解决。
也有观点认为，AI的加入将让材料研发过程更科学。“材料研发跟制备非常复杂，不光是正负极材料、催化剂、电解液，以前做的时候像老中药的配方，缺乏深度的科学性，随着人工智能的结合，我们可以系统性地研发这个材料。”加拿大皇家科学院院士、加拿大工程院院士、国际电化学能源科学院（IAOEES）副主席、中国科学院大连化学物理研究所研究员陈忠伟说。
不过，AI赋能电池研发、制造并不简单，这需要成熟的AI模型和算法。与文本、语言大模型不同，辅助研发的AI工具和通用人工智能有非常大的区别。
“我们永远都很难达到像现在的文本模型、自然语言处理模型所需要的数据量，（因为）我们的每一个数据都是经过科学家们花了很大工夫收集起来的。”鄂维南说，因此这必须依赖于物理模型，必须依赖于基本原理，通过有效利用分子、结构层面甚至界面、器件层面的物理模型来进行。
此外，对文献的利用也能辅助进行研发工作。比如，各种结构化数据、表格、文本、向量、视频、图象等放在同一个数据库中，用解析工具、分子式等把数据解析出来后，就可以开发智能工具来完成任务。比如可以查询要开发一种电解质，大概有怎样的可能性。