小米汽车如何摆脱“贵电池”困境，不如借力3D科学计算实现性能与成本最优解

　　“你们不要再喊9万9了，不可能的。也不要再喊14万9了”。去年年末的小米汽车技术发布会上，雷军坚定地对米粉们表示，还是要尊重一下科技，小米SU7贵有贵的道理。最终，他选择了拿21.59万元(起售)的价格与大家“交个朋友”。

　　造车赛道上的小米似乎正在打破性价比“人设”，但“不谈配置谈定价就是耍流氓”，雷军这句话确实说到了点子上。据公开资料显示，小米SU7配置中最贵的，就是电池——最高搭载101Kwh宁德时代的麒麟电芯。雷军称，仅电池成本就要十几万。

　　动力电池作为新能源汽车的心脏，很大程度上能够决定汽车的性能，是车企参与市场竞争的关键。与此同时，电池的制造成本却居高不下，电池造价可占到整车成本的三到四成，甚至能高达六成。所以在新能源汽车这条产业链上，电池厂商如宁德时代作为掘金者，地位丝毫不输整车企业。

　　电池成本高，追根溯源是原材料稀缺又昂贵，比如动力电池的主要原材料碳酸锂一度从每吨不到5万元暴涨到2022年的60万元/吨。所以无论是车企开始自研电池，还是电池厂商也想要扩大电池成本的下降空间留住客户，都必须重视电池材料方面的研发和成本优化。

　　对于电池材料研发来说，当前最主流的方法仍然是以实验试错的方式为主，但是这种传统的研发范式存在着诸多局限，例如单一变量难以控制、多尺度难以连续、多物理场难以同时兼顾等等，并且实验方法不可避免地需要耗费大量人力物力，这就导致整个电池材料研发创新的周期往往都很长，成功率也基本无法保证。

　　为了加速电池新材料的研发、降低材料成本，研究者们一直在寻求新的研究方法以突破多尺度和多物理场的研究难点，基于超级计算机的电化学计算仿真技术成为了许多前瞻性的研发型企业重点关注的技术突破方向。

　　计算仿真可以在原子和电子级别上模拟出材料的结构和性质，预测新材料的各种性能，从而高效发现新的低成本替代材料，避免不必要的经验试错，缩短研发周期。比如富锂锰基正极材料，相对廉价，且放电比容量远超其他锂电池正极材料，被公认为动力锂电池下一代关键材料的理想之选，背后就是经过了对它的材料结构和电化学性能的模拟计算实验的。

　　计算仿真在电池研发上的应用已经有非常多的探索，例如，通过计算能够更高效地模拟各种电解质分子与电极材料之间的相互作用，以及离子在电解质中的输运过程，来协助设计具有高离子电导率、良好电化学稳定性和优异循环性能的新型电解质材料;在电极结构的优化方面，计算能够模拟不同材料的比例、尺寸分布和结构布局对电池性能的影响，提高活性物质的利用率、降低阻抗、增强电极的机械稳定性等。

　　但是，尽管计算仿真拥有着以上各种发挥的可行性，目前却迟迟没有成为主流的研发派别，核心原因之一就是它在计算性能和运算规模上还存在着较大的应用局限。由于电化学领域的仿真模拟需要深入到原子、甚至电子尺度的第一性原理计算，因此一般都需要动辄每秒运算数亿亿次的超级计算机来处理，但是，即便是目前地球上性能最强的超级计算机，也只能完成几百个原子、几十皮秒的第一性原理计算，这样尺度的计算结果对于解决真正的材料研发难题来说，还是远远不够。

　　那么，在涉及大规模复杂系统模拟的材料计算问题上，有没有更优的解法能提高计算效率呢?其实，科学计算领域近年来出现了一种新的计算范式——3D科学计算，被认为非常有希望用来突破超算的计算效率瓶颈。

　　所谓的3D科学计算，是针对于传统的计算架构来说的。传统的超级计算机，往往需要让各个服务器之间两两通过交换机或路由器线性相连，因此在处理三维空间的仿真计算问题时，就难免会产生大量额外的通信工作量，导致计算的复杂程度呈10的10-20次方数量级的指数级增长。

　　而3D科学计算，主要是在计算架构上做了全面的革新。通过将计算节点在空间上以立方体的3D架构布局，每个服务器节点都可以和它前后左右上下共6个方向的相邻节点进行数据交换，这不仅缩短了数据传输的物理距离，大大降低了计算通信延迟，而且还通过多层级的网络设计分散了流量，能够有效缓解单点压力，提升数据传输的流畅性。与之相对的，传统二维架构中，每个服务器节点只能与左右两个方向的相邻节点进行数据交换，这就好比古代利用长城传信，只能一个一个点燃烽火台，线性地传递向前线传递消息。假设有1万个烽火台两两相隔一米构成一段1万米长的长城，如果采用三维的空间结构将这1万个节点折叠成一个立方体，那么这个立方体的边长仅仅只需要21.54米!因此，处理复杂的计算任务时，3D的计算架构在计算和通信效率上能够较传统的二维架构实现极其显著的提升。

　　不过，光有计算架构理念的革新还不够，配置跟不上也会拖慢计算速度。在3D科学计算架构下，计算机芯片本身的设计以及芯片节点之间的布局，都需要重新开发定义。在当下的材料研发领域，3D科学计算的实现，无疑需要更加强大的超级计算机的强大加持，而这样的超级计算机，往往需要针对计算任务进行专门的定制，因此严格来说，这类计算机被称为专用超算。

　　业界最著名的专用超算当属美国的安腾，它是分子动力学领域的专用超算，是3D科学计算在药物研发行业应用的典型代表。安腾超算的产品设计理念正好契合了3D科学计算的架构思路，它采用大量的ASIC专用芯片，并将高速三维环形网络将这些芯片互联起来，整个服务器被紧密地排放在一个正方体的机箱中，缩短了服务器节点间的网络互联距离，从而提高了通信效率。

　　安腾ASIC芯片通过高速通道连接形成三维环形拓扑结构

　　与传统超算相比，安腾对蛋白质的三维动态过程的模拟速度要快上100-10,000倍，实在是降维打击。正是在安腾的算力支持下，分子动力学的计算模拟流派得以走上历史舞台的中央——美国制药公司Relay通过安腾的计算，仅用短短18个月、不到1亿美元的成本就确定了一款胆管癌治疗药物 RLY-4008 的结构，打破了这个行业多年来的“双十定律”(即一款药物发现需要花费至少十年、十亿美金)，一举成为行业龙头。

　　可惜的是，在材料模拟领域，分子动力学算法的应用仅仅只是其中的一小部分，而真正避不开的是第一性原理的计算，因此安腾超算并无法直接应用到材料研发领域，为这个行业带来数量级的效率提升革命。真正的材料模拟专用超算的诞生目前还需要等待国内外超算界的创新进展。

　　但是我们不妨设想，如果有一台依托于3D科学计算架构理念诞生的专用材料领域定制的专用超算，对于材料仿真模拟领域来说，会带来什么样的改变?

　　它带来的变化首先是模拟计算速度上的大幅提升，通过3D科学计算，研发人员将可以开展上万级任务并发的大规模虚拟材料筛选工作，这能大幅削减研发时间和经济成本，减少实体实验的频率，也可以规避实验频繁失败的风险。再者，在传统材料研发中，基于宏观有限元的模拟仿真工具是主流，但它对于新材料的研发是不够的，模拟精度比较低、并且规模小。如果有支持更大体系的3D科学计算专用机器，我们就能够在更大尺度做更高精度的模拟计算，帮助我们更好地观察到材料的结构、性质和演化，从而指导新材料的研发。

　　在优化新材料性能和降低研发成本之间的平衡上，3D科学计算带来的效率规模双提升，将为整个行业带来全新的研发方法和思路。

　　一方面，在材料的优化设计上，研究人员在实际构建和测试材料之前，可借助3D计算模拟来对电池材料的结构做精确的模拟和分析，在不实际生产样品的情况下，以定量的方式比较和预测材料的性能，这样就能更有效地评估材料的使用需求、以及不同设计和工艺参数对材料性能的影响，从而减少对昂贵或稀缺材料的消耗。

　　另一方面，在3D科学计算的支持下，新材料的开发进程得以加速，研发人员可以更快地发掘出性能相近的替代材料，为电池生产成本的降低开辟了新途径，同时也能够促进可持续材料的应用。

　　其实，一直都不乏有车企利用先进的计算模拟技术来研发更好的电池。例如，梅赛德斯-奔驰在2022年就与美国量子公司PsiQuantum合作，利用量子化学计算模拟来识别锂电池电解质的潜在添加剂，实现了电池设计的新突破。这就说明，即便是受限于当前的硬件计算效率，通过计算模拟的方法来进行电池材料研发的思路也是充分可行的，但对于算力、以及研发人员相关领域知识掌握的高门槛要求，使得这样先进的研发方法思路还无法稳定产出优秀结果、从而规模化地实现产业实践的复制，而下一代更强性能超算的出现，将会一举引爆这个行业的研发潜能，常年以来积累的创新想法和可能性将会大规模地爆发，届时我们将很可能看到动摇万亿级新能源市场根基的重大科研进展。

　　回到文章开头的电池贵问题，可以想象的是，借助高性能的超级计算机、运用3D科学计算，未来必将会出现更多加速下一代动力电池材料研发的工具，使包括小米在内的新能源车企们摆脱电池焦虑。同时，电池成本的降低也会进一步加刺激新能源汽车的市场竞争，最终为用户带来更好的驾车体验。