10月31日，2026世界顶尖科学家论坛开幕式暨主论坛在上海临港中心举行，宁德时代创始人、董事长曾毓群以一场全英文发言，把公司用AI做电池研发的家底第一次摆上了台面。 他给出的数字是：超600TB基础研究数据、超1万亿条测试记录，AI可在短时间筛选千种化合物，并锁定7种潜力材料。央广网IT之家
传播里最热的解读是"黑科技秒出"，但这场发言真正的看点其实是克制。曾毓群同时表示，当前AI能力还远远不够，需要更多科学家和更先进的模型加入进来，加快更多科研成果的发现。 把已披露的信息拼起来，宁德时代现在做到的位置是：AI负责把上千种候选化合物压缩成7种值得进实验室的材料，之后每一关仍要靠真实实验回答——它提速的是筛选，不是跳过验证。IT时代网
千种进、七种出：值钱的不是模型，是数据
这组数字里，底座比结果更能说明问题。曾毓群介绍，公司拥有超过1万亿条测试数据，并自研AI原生研究系统，将湿实验室与干实验室连接在一起。 湿实验室是真正做合成、测电芯的实验台，干实验室是跑计算与仿真的环境；AI在两者之间递话，它不直接发明材料，而是决定谁先被送进实验室。600TB和1万亿条的含金量也在这里：它们是自家产线和实验室跑出来的产业数据，公开语料替代不了。上观新闻
至于那7种"潜力材料"，边界要说清楚：目前披露只到"值得研究"这一步——材料是什么、属于哪条化学体系，宁德时代并未公布。"潜力"不等于已合成，更不等于已装车。
"秒出黑科技"是误读，国际材料界刚为它交过学费
类似的叙事，三年前有过一版旗舰样本。2023年11月，《自然》刊发谷歌DeepMind的论文：图神经网络模型GNoME给出220万个新晶体结构预测，其中约38.1万个被判定为"稳定"，论文还单独点名了528种潜在的锂离子导体——恰好是电池行业最想要的方向。 同一期《自然》上的另一项成果来自加州大学伯克利分校的自主实验室A-Lab：机器人固相合成平台连续运行17天、做了355次实验，宣布从58个理论预测目标中"合成出41种新化合物"。两组数字叠加，"AI一夜发现几百万种新材料"的说法就此出圈。知乎专栏
但三年来，头条数字被逐层复检：材料化学家的三角形、1224对精确重复的晶体、一篇从标题里删掉"novel"的更正，构成了故事的另一半。知乎专栏
A-Lab的更正更彻底：2026年1月19日，作者在《自然》刊出正式更正，摘要口径从"58个目标合成41种新化合物"改为"57个目标36种（约63%）“，并承认"novel"当初只是"对预测平台而言是新”。知乎专栏
对GNoME稳定库的扫描同样扎眼：1224对精确重复在38万个"稳定"结构里占比不足0.7%，更麻烦的是近重复——换掉一两个原子、微扰坐标就难以与已知晶体区分的结构，估计占比超过10%。知乎专栏
这场争论的结论不是"AI不行"，而是"发现"这个词被拆成了四道门槛：预测、合成、确认、有用——当年的头条数字大多只跨过了第一道。当AI让候选材料过剩之后，行业真正稀缺的反而是验证与复核能力。
从"潜力材料"到一块好电池，宁德时代的口径一直很冷
电池系统的物理难度，曾毓群在论坛上描述过：它是一个高度复杂的过程，涉及从飞秒级到数十年的多时间尺度。 一个化合物要变成一块能用的电池，还要穿过合成、表征、电芯、循环寿命、安全、成本与供应链这些关卡。上观新闻
他甚至没给自家产品留面子：宁德时代"没有足够的能量密度去赋能应用"。 全固态电池是现成的标尺。曾毓群此前按1到9级评估技术成熟度，称当前固态电池只到4级初级阶段；9月的"品质全球开放月"上，首席制造官倪军进一步表态，全固态电池真正规模化落地至少还需5年。 AI能加快候选材料排队进实验室的速度，却跳不过这段工程爬坡——它改变的是入口效率，不是出口时间。上观新闻微博
在"模型"这一侧，宁德时代选择借力。据The Information报道、集微网转述，DeepSeek二轮融资中宁德时代体系出资100亿元，较首轮的50亿元翻倍；截至发稿，相关投资方及DeepSeek均未发布公告确认。 一边入股模型公司、一边自建数据与实验闭环，这两件事拼在一起，恰好是当下"AI分工"的样子：模型能力可以采购，产业数据和验证能力无法外包。集微网
现在做到哪一步：一句能验证的话
综合已披露信息，答案是：宁德时代已经跑通"工业级实验数据—AI筛选—湿实验室验证"的闭环，AI筛选的第一批公开成果是那7种细节尚未公布的潜力材料；而对AI本身，公司的口径是远远不够。与其等"秒出黑科技"，不如盯两个可观察的信号：这7种材料会不会出现在后续专利和新品里，以及AI能否把固态这类"第4级"技术往前推进。黑科技不会秒出，但试错的成本，正在被实实在在地压低。
