记者 濮振宇 6月9日，在2023世界动力电池大会上，全国政协常委、中国科学院院士欧阳明高表示，动力电池产业面临一系列新挑战，如增速放缓、利润率降低、产品迭代加快，为应对挑战，可以借鉴包括ChatGPT在内的GPT大模型的概念，实现动力电池全生命周期智能化——智能设计、智能制造、智能管理、智能回收等。

据了解，大模型是指具有大量参数和复杂结构的机器学习模型，这些模型可以应用于处理大规模的数据和复杂的问题。欧阳明高表示，要想让动力电池全生命周期智能化，可以利用大模型，如广为人知的ChatGPT，就属于GPT大模型，还有知名度相对较小的BRT大模型。

据欧阳明高介绍，在动力电池的智能设计上，利用大模型能够做到智能化全自动，设计效率可以提升1到2个数量级；在智能制造上，可以进行缺陷智能检测、产线大数据人工智能分析，来实现制造过程的智能化；智能装备上，能从单机智能升级到多机协同智能，再到整条生产线一体化智能；在智能回收上，能智能化预测电池寿命，也能进行非破坏性的电池修复。

当前，动力电池的安全性仍是消费者最关注的问题之一。应急管理部曾公布过一组数据：2022年一季度国内新能源汽车火灾事故数量为640起，同比上升32%，高于交通工具火灾平均(8.8%)增幅，平均每日超7起火灾。而动力电池热失控往往是引发新能源火灾事故的直接原因。

欧阳明高表示，可以通过智能感知对热失控提前预警，“热失控安全预警，以前是没有的、困难的，因为热失控数据很少，事故本来就不多，不可能形成大数据。但有了人工智能，我们可以基于少数数据，通过数字孪生，生成一个大型数据库，然后进行预判。”

在提前预警的同时，还可以通过智能调控防止热失控发生。“以前都是通过设计，电池能控制的很少，只有充电可以控制，但是放电基本上不可以控制。热失控以前没有办法调控，现在也可以调控。就是通过实时控制来防止热失控等等方面，我们有一系列的办法。再比如说可以通过智能端盖，对内部气体进行调控。”欧阳明高说。