AI 加速清洁能源材料研发与电网管理

钱伯章 2026-07-25

AI 在提升电网效率的同时也推高能源需求。中国及多伦多大学团队利用 AI 加速电池回收、金属合金及核聚变材料研发，缩短周期并推动清洁能源技术落地。

人工智能在成为管理电网不可或缺的工具的同时，也正对全球电力系统和能源安全造成压力。

中国研究人员2026年7月23日利用人工智能发现了一种新分子，可使报废的电动汽车电池恢复活力，并额外实现数千次充放电循环。

多伦多大学团队仅用数周时间便借助人工智能发现了六种适用于喷气发动机和核反应堆的新金属合金，而这一过程过去需要数年时间。

人工智能对能源领域而言是一把双刃剑。

为支持大语言模型在几乎所有经济领域的广泛整合——从我们的电网到你的电动牙刷（没错，真的如此）——数据中心正在快速扩张，这使得能源需求增长预测达到前所未有的水平，可能远远超过新增能源供应能力，从而威胁到全球范围内的能源安全。另一方面，人工智能在提升各类系统的能源效率方面具有巨大潜力，或许还能为解锁下一代清洁能源方法和技术提供关键途径，而这些技术对于实现可行的脱碳路径至关重要。

在清洁能源领域，人工智能正被用于改进预测模型，以更精准地预测能源供需情况，从而提升电网稳定性。

当前，我们的电力系统承受着前所未有的压力，而这一技术的应用恰逢其时。研究人员还越来越多地利用大语言模型进行“大海捞针”式的搜索，以寻找特定应用场景下的最佳方法和材料，用数月时间完成原本需要整个科研团队耗费数年才能通过试错法实现的工作。

《金融时报》2025年在一篇探讨“人工智能如何消耗的能源少于它所节省的能源”的文章中报道：“寻找能够更高效地生产材料、催化剂或工艺的新方法，正是人工智能最擅长解决的‘大海捞针’式难题。

例如，在中国，科学家利用大语言模型发现了一种新分子——三氟甲磺酰亚胺锂（LiSO2CF3），该分子能够为报废的电动汽车电池补充锂离子，并可实现数千次充放电循环，显著延长电池寿命。 2025年，《科学美国人》援引复旦大学研究团队的话称：我们原本不知道哪些类型的分子能完成这项任务，也不清楚它们的化学结构是什么，因此我们借助机器学习来帮助我们。

在核聚变研究中，人工智能正被用于快速模拟不同材料在产生和维持等离子体（聚变过程的关键组成部分）所涉及的极端温度下的表现。位于爱荷华州艾姆斯市的艾姆斯国家实验室的科学家们开发出了一种名为DuctGPT的建模工具，他们表示，使用人工智能将原本需要数月才能完成的过程缩短至仅需数小时的计算时间。现在当你问它：‘我想设计一种适用于聚变反应堆、具备所有x、y、z等关键特性的材料，请告诉我满足这些条件的元素组合’时，它就能直接给出具有这些性能的元素组合。

就在7月，多伦多大学工程学院的研究人员宣布，他们利用大语言模型成功开发出六种新型金属合金，有望彻底改变喷气发动机和核电站等极端环境下的设备功能与耐久性。这一由人工智能驱动的系统仅用几周时间就确定了全部六种合金，相比传统科研方法，堪称一项惊人成就。

对于能够承受巨大温度和压力变化的材料需求非常大，比如喷气发动机内部或核电站蒸汽发生器中的环境，这些地方普通钢材根本无法承受。

这些突破及其取得的速度，可能对下一代清洁能源的部署产生变革性影响。通过大幅缩短研发周期，并找到可提升清洁能源基础设施性能和耐久性的材料，原本因设计、测试和开发成本过高而难以实现的实验性技术，如今得以规模化并具备商业可行性。而当前时机尤为关键，因为全球主要碳中和目标的截止日期正日益临近。

本文系“流程工业”首发，未经授权不得转载。责任编辑：胡静，审核人：李峥