登录
10月31日在上海临港中心举行的2026世界顶尖科学家论坛开幕式主论坛上，宁德时代董事长、创始人曾毓群披露了该公司用AI做电池材料研发的进展：依托超600TB基础研究数据和超1万亿条测试记录，AI可以在短时间筛选千种化合物，并锁定7种潜力材料。 科技日报现场画面字幕把范围说得更具体——“短时间可筛选1600多种化合物”。这组数字真正值得关注的不是筛选有多快，而是一家电池头部公司开始把自己攒了几十年的实验数据变成发现科学的工具；曾毓群本人也在同一场合不断降温：当前AI能力还远远不够。 换句话说，这场披露的重点不在"快"，而在宁德时代想用AI解决什么、AI目前还解决不了什么。新闻晨报宁德时代科技日报
关键数字不是千种，而是7种
对熟悉"AI for Science"的用户来说，"千种"听起来甚至不算大——纯计算预测能把候选材料结构枚举到远大于这个的量级，真正稀缺的从来不是算力，而是合成与测试。每一个候选材料都要经过做成物质、组装成电池、上机测试，才算有了发言权，所以筛选只是漏斗的上沿。AI做的事，是把巨大候选空间压缩成实验室验证得起的规模：7种潜力材料，就是这个漏斗当前吐出的结果，而"潜力"二字标明了它们的位置。宁德时代敢把这套流程公开，真正的底气是那1万亿条测试记录——它们来自长年研发实验与产线检验，是公开材料数据库里没有的东西。曾毓群把这套困难讲得很直白：电池系统涉及从飞秒级到数十年的多时间尺度，也触及原子层面的多个维度。 据论坛现场的多篇转述，宁德时代为此自研了AI原生研究系统，把"湿实验室"与"干实验室"连接在一起，让模型筛选和真实实验互相喂数据。微博
比"筛选千种"更重要的，是那句"远远不够"
宁德时代官方微博把下一步说得明确：要让AI更懂电化学，推动更多科学发现加速发生。 "更懂电化学"五个字意味着，通用大模型目前还不会天然懂电池——电化学机理、失效过程和服役寿命，仍需要专门的数据与模型去驯化。选择在诺奖、图灵奖、沃尔夫奖、菲尔兹奖得主齐聚的场合说这些，含义不难读：公司有数据，缺的是更先进的模型和科学界的智力支持。 他还提到，现有电池能量密度仍不足以支撑更广泛的应用。 AI在这里不是捷报，而是他去追这个硬问题的工具。宁德时代新闻晨报微博
宁德时代的AI布局，不止研发一个环节
把这次发言放进公司近两年的动作里看，脉络是连贯的。2024年11月，36氪《智能涌现》独家报道，宁德时代未来能源（上海）研究院正联合上海交通大学研发多款机器人，为投入工厂应用准备。 今年10月30日，东方财富网报道DeepSeek新一轮融资时提到，腾讯与宁德时代仍是主要投资方，各出资100亿元。 一边买通用大模型的能力，一边让模型长进自己的实验和生产流程里，论坛上披露的材料筛选，是后者第一次公开交出的科研成果。36氪东方财富网
从"潜力材料"到装车，还有多远
还没说出口的部分同样重要：7种潜力材料分别是什么体系、"短时间"具体多短、从实验室走到量产还有几年，这些原始披露均未给出，“潜力"也不等于"可用”。接下来值得盯住两层信号：其一，宁德时代后续的专利、论文与新品发布中，能否找到这批材料走向实装的踪迹；其二，同行能否补齐自己的"数据—模型—干湿实验"闭环。AI筛选当前的价值建立在数据护城河上，一旦行业实验数字化的差距收窄，最先被改写的未必是电池参数，而是整个行业的研发迭代速度。
