继昨日全新一代唐上市后,6月27日,比亚迪年产能24GWh的动力电池工厂在青海正式下线。同时,比亚迪宣布2020年动力电池总产能将增至60GWh。
规模全球之最 可满足120万台“唐”电池需求
青海锂资源极为丰富,集中了我国70%以上的锂资源储量,是我国、乃至全球重要的锂资源基地。位于青海南川工业园的比亚迪动力电池工厂,占地1500亩,相当于140个标准足球场的面积。这一巨型电池工厂2019年全部投产后,年产能可达24GWh,将成为全球规模最大的动力电池工厂,若以比亚迪刚刚上市的全新一代“唐”(插电式混合动力版本)的电池为20KWh/辆计算,相当于可满足120万台“唐”的电池需求。
比亚迪青海动力电池工厂
根据规划,2020年比亚迪动力电池总产能预计可达60GWh。此前,广东深圳和惠州的两个基地,共计为比亚迪带来了16GWh的动力电池年产能。
活动现场,比亚迪董事长兼总裁王传福表示:“电动化已经成为定局,各国禁售传统燃油车的时间表已经陆续发布,新能源汽车行业将迎来更大的爆发。”
彭博新能源财经(BNEF)预计,未来全球新能源车的电池需求将十分强劲,至2030年将超过1500GWh。
比亚迪青海动力电池工厂的投产,将进一步缓解全球高端动力电池产能的紧缺,推动新能源汽车行业健康、高速发展。
每一块电池都有ID 可智能追溯
除了规模巨大之外,高度的智能化、信息化也是比亚迪青海电池工厂的一大特点。
据悉,青海电池工厂采用的是比亚迪全球首创的第六代动力电池产线,整个生产过程,不仅由近百个机器人、MES信息化系统(Manufacturing Execution System)、智能物流系统以及多功能无人搬运车,实现产线的自动化和信息化,且能够将全自动生产线的硬件、软件实现智能互联,使得工厂在智能化、自动化和信息化方面达到全球顶尖水平,生产效率领先行业5年以上,助力“中国制造2025”战略迈上新的台阶。
“无论这块电池处在世界的哪个角落,只要扫描电池上方的二维码,就能了解关于它的一切信息”,比亚迪副总裁、电池事业群CEO何龙介绍道。
这一功能的实现,正是得益于工厂的信息化系统。产线配备的MES系统,即是实现高度信息化的关键之一。通过这一系统,可以实时收集生产过程中所有设备/产品的相关信息,相当于给每一块电池设置了唯一身份标识(ID),从而可以智能追溯电池的原材料批次、关键参数、经过的工序、生产时间及操作员工等信息。更为重要的是,通过对及时反馈的设备/产品性能等数据进行分析,能够对可能发生的异常情况进行预防。
多举措寻求电池“关键”指标突破 产品良率极高
小批量测试的结果显示,该工厂的电池品质极高。
产品一致性、稳定性和能量密度,被广泛认为是电池的“关键”指标。为寻求在这些指标上获得突破,拥有23年电池研发和制造经验的比亚迪在工厂诸多细节上进行了“特别”安排。
产线除采用“航天级”极致工艺标准,配备诸多智能化、信息化系统外,还进行了超乎寻常的“集成式”设计——集成了配料、涂布、辊压、分切、卷绕、装配、注液、封口等一系列功能模块,工序多且复杂。这种“全流程、一站式”的产线设计,极大地排除了因生产中途触碰/搬运半成品而掺入杂质、温度湿度变化等各种有可能降低产品品质的因素。
为了进一步降低人为触摸产品的概率,搭载电磁/光学等自动导引装置的多功能无人搬运车也被安排在产线,用于极片转运等多个制造环节。
动力电池是电动车的“心脏”,被认为是影响电动车大规模普及的关键。从与同行共享电动车平台的技术,到在欧美日韩等数十个国家和地区运行电动车队,过去的十余年,比亚迪通过多种举措推动全球向电动出行转变。青海电池工厂下线,成为比亚迪加速这一转变的最新举动。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。