今年5月，当看到中国青年科技创新“揭榜挂帅”擂台赛题目时，王紫煦很快就决定接下国家市场监督管理总局技术创新中心提出的“基于AI大模型的新能源汽车动力电池安全预警与健康监测技术研究”课题。

王紫煦是北京理工大学机械与车辆学院2024级的博士研究生，他之所以选择揭榜这个课题与自己利用AI大模型进行电池安全预警的研究方向有着很大关系。

近年来，我国新能源汽车产业蓬勃发展。中国新能源汽车产销量已连续10年位居全球第一。动力电池作为占整车成本40%以上的核心部件，其技术突破已成为产业高质量发展的关键。

国家市场监督管理总局技术创新中心副主任王澎表示，设立这个选题，旨在通过“揭榜挂帅”机制汇聚青年智慧，激励学生团队开拓创新，探索AI与电池安全的交叉前沿，挖掘精准高效的安全预警技术解决方案，支撑国家新能源汽车安全监管能力提升，协同培养具备创新能力、工程思维与协作精神的后备人才，为我国新能源汽车产业的持续高质量发展夯实根基。

王紫煦说，当前许多汽车安全监管模型仅对单一品牌车型效果显著，一旦更换品牌或电池类型，适用性就会下降。于是，他们希望能构建一个通用性安全检测架构。

为实现目标，团队搭建了跨学科团队，通过大模型分析检测到的电池运行时的外部表征数据给出电池健康状况的检测与预警。

团队成员把训练大模型的过程形象地称为“炼丹”。“在调整模型架构和参数时，经常出现的情况是，团队经过长达一小时的深入讨论，确定了一个新的优化方向，但各自尝试一周后，发现新方案的效果反而不如之前的版本。”王紫煦说，要想找到那个能实现最高准确率、更早预警时间、更精准衰退轨迹预测的具体参数组合，依赖于大量、反复的试验。

“与当前已有的解决方案相比，我们提升了模型的泛化能力，即便面对训练数据中从未出现过的车型，对故障的识别准确率也能稳定在80%以上，展现了更强的跨品牌、跨车型适应能力。”王紫煦告诉记者，“传统方法的预警时间多在分钟级别，而我们的模型能将预警提前量提升至小时级别。提前几个小时或哪怕半小时预警热失控风险能为人员疏散和应急处置赢得关键窗口，实用性显著增强。”

最终，该团队提交的《基于大模型的新能源汽车动力电池安全预警与健康监测方法》成为发榜选题的学生赛道擂主项目。

在王紫煦看来，“揭榜挂帅”是一次难得的经历。“它要求我们在有限的时间内，去攻坚一个相对前沿的技术问题，这既是一种挑战，也是对科研执行力与效率的极大锻炼。”

中青报·中青网记者 杨宝光 来源：中国青年报

2025年12月10日 08版