作为电动汽车 (EV) 的核心,电池是车辆成本最高的汽车。锂电池经过几十年的快速发展,现已在中国市场蓬勃发展。
随着拥有电动汽车成为全球趋势,市场对锂电池的需求激增。根据一项行业估计,到 2025 年,全球对锂电池的需求将超过 1,700 吉瓦时 (GWh),比 2022 年翻一番。
市场如此巨大的需求需要大量的容量来填补。分析人士表示,中国制造的电池质量上乘,产能充足,相信中国电池企业将在这波全球新能源革命浪潮中发挥重要作用。
我国电池材料和电动汽车技术应用不断取得突破。分析师表示,中国现已形成全球最大的电池制造价值链,从材料研发、电池生产、回收到设备支持。
完整的系统
与此同时,中国已经形成了相对完整的电动汽车制造供应链,全球约70%的电池产能位于中国,电动汽车行业主要智库中国电动汽车100副总裁张永伟在新能源汽车和智能网联汽车全球供应链创新大会上表示。
根据SNE Research的统计,2022年,全球前10大电池制造商中有7家在中国。随着中国电池企业现在开拓全球市场,电池的出口量不断增加。
10月11日发布的中国汽车动力电池产业创新联盟统计数据显示,前三季度,中国车用电动电池出口总量为89.8GWh,同比增长120.4%,占电池出口总量的88.7%。
“中国电池企业的海外市场开拓正在加速,他们在国外投资电动汽车工厂也有利于进一步提高其全球电动汽车产能,”北京尖端技术研究院院长张晓荣表示。
“走出去”是中国电池厂商的必然趋势。媒体专栏作家谢宗波周二表示,尽管中国公司现在拥有最大的市场份额,但这些电池大多在中国生产,其海外扩张远远落后于LG、三星和其他日韩公司等竞争对手。美国是电池和电动汽车投资的热门目的地。传统内燃机汽车制造的供应链相对完整,可以为中国企业带来新的市场空间。
走向全球
作为最新的例子之一,中国电池制造商国轩高科宣布了在美国伊利诺伊州和密歇根州两个州的电池工厂投资计划。计划在伊利诺伊州投资20亿美元的锂电池制造厂预计每年将生产10GWh的锂电池组和40GWh的锂离子电池。
国轩高科表示将向密歇根州工厂投资23.6亿美元,计划于2031年底前完成工厂建设。该工厂将生产电池的阳极和正极材料。
9月5日,另一家中国锂电池制造商亿纬锂能在美国成立了一家合资企业,生产用于指定北美商用车细分市场的电池。该合资公司的股东将是EVE Energy的全资子公司EVE Energy US Holding LLC(EVEUSA)、Electrified Power、戴姆勒卡车和Paccar Inc.,后者将投资建设电池产能。
中国电池制造商不仅在美国扩大投资,也在扩大在其他市场的投资。例如,在大众汽车的支持下,国轩高科位于德国哥廷根的工厂预计将在2024年中期达到5GWh的产能,完全建成后将达到20GWh的产能。2022 年 8 月,中国电池巨头宁德时代宣布将投资 73.4 亿欧元(78 亿美元)在匈牙利德布勒森建设一座 100 GWh 的电池工厂,这也是该公司在欧洲的第二家电池工厂。
然而,分析人士表示,中国企业在海外投资仍存在一些风险。今年2月,宁德时代和福特达成协议,投资35亿美元在密歇根州的一家电动汽车工厂,该工厂于9月暂停。据路透社报道,美国立法者一直在调查福特的电池工厂计划,因为假设它可能会促进美国税收补贴流向中国,并使福特依赖中国技术。
中国公司可能面临更多的监管审查和市场准入限制,这将增加在美国经营的中国公司的不确定性。同时,政策的不确定性将影响正常的商业运营。美国本土公司可能会获得美国政府的更多支持,而中国公司可能面临不公平竞争和其他挑战的风险。
分析人士表示,中国企业“走出去”应该得到外国政府的公平对待,因为中国电池制造商投资的工厂除了为当地人创造新的就业机会外,还将帮助当地产业链。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。