上证报中国证券网讯（李子健 记者 黎灵希）“今后5年，储能（885921）电池将遇巨大的机遇期。”“今天我们（研发工作）有了智能化工（850102）具，如果你还在止步，一定会被时代所抛弃。”“不同应用场景决定了电池技术路线不可能‘单线统一’。”
5月13日，在第十八届深圳国际（HK0152）电池技术交流会/展览会（CIBF 2026）的主论坛上，多位产业界与学界人士围绕储能（885921）、固态电池（886032）以及人工智能（885728）赋能研发等议题展开讨论。上海证券报记者梳理与会嘉宾的主题演讲获悉，储能（885921）需求、技术演进以及AI驱动研发范式变革，正在成为锂电行业关注的三大主线。
储能需求快速放量 长时储能打开新空间
在业内看来，储能（885921）已从过去新能源（850101）配套环节，逐步演变为独立的大产业方向。
数据显示，截至“十四五”末，中国新型储能（885921）装机规模已快速超越抽水蓄能（885935），新型储能（885921）中锂电池（884309）占比超过95%，基本上是磷酸铁锂电池（884309）；2025年，中国储能（885921）电池出货量约630GWh，增速高达85%，占全球94.4%，出货量约为装机量的两倍以上。
清华大学教授欧阳明高表示，当前储能（885921）系统锂电池（884309）中标均价持续下探，4小时储能（885921）电池价格已经低于500元/kWh。随着储能（885921）时长的增加，“今后5年，储能（885921）电池将遇巨大的机遇期”。
欧阳明高认为，未来储能（885921）电池的发展趋势将围绕“超大容量、超长寿命、超低成本、长时储能（885921）”展开。
在容量方面，储能（885921）电池将从300安时向3000安时演进，单个电池能量从1千瓦时向超过10千瓦时发展；在寿命方面，储能（885921）电池循环寿命从5000次向15000次发展，日历寿命从15年向25年（光储同寿）发展；在成本方面，储能（885921）电池每循环储能（885921）度电成本向0.1元发展；在长时储能（885921）方面，储能（885921）时长从2小时向10小时发展。
不过，随着大容量电池快速推广，安全问题也成为行业关注重点。欧阳明高提示，即便是磷酸铁锂电池（884309），同样存在热失控风险，超大容量电池对热管理与安全控制提出更高要求。
固态电池加速演进 多技术路线并存
在高能量密度需求持续提升的背景下，固态电池（886032）成为论坛绕不过去的关注点。
欧阳明高表示，随着动力电池对高性能需求的提升，行业正在从液态电池逐步向固液混合、再向全固态方向演进，应用场景也由新能源汽车（885431）扩展至无人机（885564）、人形机器人（886069）、具身智能等新兴领域。
在全固态电池（886032）方面，行业技术路线正逐渐聚焦于硫化物为主体的方案。欧阳明高指出，目前国内硫化物固态电解质规模正在扩大，成本也明显下降，全球主流全固态电池（886032）路线亦以硫化物体系为主。
对于未来产业演进方向，他提出，全固态电池（886032）未来或将形成三大代际：第一代重点解决电解质问题，能量密度达到300Wh/kg左右；第二代进一步解决高比容量负极问题，能量密度提升至400Wh/kg；第三代则采用锂金属负极，实现500Wh/kg级别突破。
比亚迪（002594）首席科学家廉玉波则表示，从技术角度来看，一个产品不可能同时满足所有的需求，场景越来越复杂及广阔，因此在不同应用场景下会有不同的技术路线的需求。
他认为，在乘用车（884099）领域，磷酸铁锂与高镍三元路线将长期并存；在储能（885921）领域，磷酸铁锂与钠离子电池（885928）将形成互补；而在消费电子（881124）、低空经济（886067）、机器人等高能量密度场景下，固态或半固态电池（886032）有望率先落地。
AI重塑研发范式 电池研发进入“AI时代”
除应用场景与产品路线外，AI驱动研发成为论坛另一大热点。当前，锂电池（884309）产业正在经历科研范式变革，人工智能（885728）正逐渐从辅助工具演变为研发主体。
宁德时代（HK3750）首席科学家吴凯表示，传统材料研发长期依赖“试错法”，面临探索空间巨大、研发周期（883436）长以及数据孤岛等问题。
在电池材料体系日益复杂的背景下，传统研发模式已难以满足快速迭代需求。
吴凯认为，当前行业正进入“人工智能（885728）引领科研”的第五科研范式阶段。在这一模式下，AI可通过数据融合与推理机制，自动完成从假设、实验到推理验证的研发流程，从而显著提升研发效率。
“今天我们（研发工作）有了智能化工（850102）具，如果你还在止步，一定会被时代所抛弃。”吴凯说。
吴凯同时指出，目前的Al应用仍局限于材料研发的“点状加速”，而跨工序的流程衔接与实验合成的闭环依然处于 “人工调度”阶段，研发链路的整体效能亟需从工具升级迈向系统性的智能变革。
