一项新的汽车行业调查显示，业界对电动汽车电池测试普遍不满，而这一问题有望通过人工智能加以解决。
人工智能可以通过比实物测试更快地试验不同应用场景，从而加速电池验证。
经过精心设计的人工智能将跨越该技术目前面临的“信任鸿沟”。
在实现净零排放的过程中，汽车行业面临巨大压力。工程师必须克服支撑电池技术的极为复杂、难以处理的物理难题，才能打造具有竞争力的可持续电动汽车（EV）。
具有成本效益的电动汽车电池验证与优化已变得至关重要。行业领袖一再告诉我们，他们目前的工具集（包括物理仿真）存在不足。为了更好地了解这些挑战，我们委托Forrester Consulting开展了一项题为“2024：用于电动汽车电池验证的人工智能”的研究，调查对象为北美和欧洲汽车工程领域的165位资深决策者。研究结果极具启发性，坦率地说，也并不令人意外。
研究显示，业界对现有验证工具普遍不满。超过60%的受访者表示，其目前以物理测试和仿真为主的方法无法满足电动汽车电池开发的严格要求。当目标是在确保安全性、可靠性和可持续性的同时加快电动汽车进入市场时，这些不足尤为突出。工程师必须采用一种新方法，在不影响流程可信度的前提下缓解这些瓶颈。
在Monolith，我们认为人工智能和机器学习（ML）提供了解决方案。然而，将人工智能引入既有的行业工作流程会带来挑战，其中信任至关重要。我们与工程师的交流表明，怀疑情绪往往源于对人工智能运作方式的根本性误解。许多工程师对掩盖输出结果背后推理过程的“黑箱”系统表示担忧。依赖实际物理测试和成熟仿真的工程师，如何能够信任他们无法完全解释的算法得出的结论？
这一信任鸿沟虽然显著，但并非不可逾越。经过精心设计的人工智能会增强透明度，而非削弱透明度。机器学习模型，尤其是具备可解释人工智能能力的模型，能够清晰追溯其输入和决策。工程师可以立即看到影响算法建议的数据模式和因素，与从同事处拼凑信息相比，节省了时间。最重要的是，人工智能强化的是工程专业能力，而非取而代之，它减少了重复性工作所耗费的时间，并将人才解放出来，专注于创造性的问题解决。
电动汽车电池验证中难以处理的物理问题仍是核心挑战。与大多数汽车部件不同，由于化学、热学和电学过程之间存在高度非线性且因应用场景而异的相互作用，电池难以进行精确建模。工程师必须在特定用例场景下对电池进行细致测试以验证性能，这是一个劳动密集、耗时且昂贵的过程。业界显然需要一种新的验证方法，而机器学习正好可以提供。
我们看到早期仿真工具与当前人工智能应用之间存在重要的相似之处。计算流体力学（CFD）在30年前进入工程工作流程时，也遭遇了类似的阻力。这种怀疑源于同一个问题：不熟悉。如今，这类工具已变得不可或缺。人工智能正在经历同样的转变。创新现在需要一种思维转变：不将人工智能视为威胁，而将其视为工程方法论的自然演进。
人工智能在电动汽车电池开发中具有深远的益处。自学习算法可加速产品验证、优化电池设计，并基于人类无法同时分析的数千个变量选择最佳材料。这些算法比传统的基于物理的模型更快地模拟各种场景，为工程师提供有关潜在失效模式和性能改进的新见解。工程师无需在每种可能的条件下测试电池单体，而是可以利用人工智能预测其行为，从而减少必要的物理测试。这种方法节省时间、节约资源、减少浪费并降低成本。
过去几年为这一转变奠定了关键基础。领先的电池制造商已大力投资人工智能能力，认识到加速开发周期所带来的竞争优势。三星SDI和宁德时代等行业巨头已开始将机器学习方法融入其开发流程，在保持严格质量标准的同时，显著缩短了产品上市时间。它们的成功引发了整个行业的采用热潮，研究实验室和测试机构也纷纷跟进。
尤其是测试实验室，已成为人工智能技术的早期采用者。这些机构面临着加快产品开发、同时保持准确性和可靠性的日益增长的压力。人工智能通过优化测试序列并在开发周期早期识别潜在失效模式，帮助它们实现这两个目标。关于人工智能在电池测试中应用的已发表研究数量不断增加，表明业界的思维正在转变。每个月都有新的论文和案例研究展示成功的实施和方法改进。
通过与汽车行业合作伙伴的合作，我们亲身见证了这一转变。他们日益依赖机器学习来应对以往难以克服的挑战，并持续取得令人瞩目的成果。无论是将验证周期缩短数月，还是发现被忽视的设计洞见，人工智能都带来了切实的价值。行业对这些工具的大规模采用如今已不是“是否”的问题，而是“何时”的问题。
然而，采用人工智能不仅仅是部署技术。建立对人工智能的信任需要开发者与工程师之间的合作。我们必须揭开机器学习的神秘面纱，帮助工程师自信地将其纳入决策流程。人工智能增强人类专业能力，使工程师能够专注于创新而非重复性工作。
汽车行业面前是一条令人兴奋却充满挑战的道路。尽管向可持续出行的转型需要时间，但人工智能加速了这一进程。掌握强大工具、能够解析电动汽车电池物理复杂性的工程师推动着这一转型。电动汽车的未来取决于其创新能力；人工智能在获得信任并被充分理解后，将成为其最强大的盟友。我们可以携手解决这些难题，更快地打造更清洁、更可持续的汽车未来。
