孚能出海：AI将工艺试错成本压降70%

AI固化制造经验

9月4日，在四川宜宾举行的2026世界动力电池大会上，孚能科技副总经理兼研究院院长姜蔚然披露，公司正将AI应用于电池研发、生产制造和海外运营。

其中，制造环节的AI应用已使工艺开发周期缩短20%、实物试错成本下降70%、综合缺陷率下降80%。

这些数据指向了电池企业海外建厂过程中一个容易被忽视的难题：厂房、设备和产品可以输出，国内工厂长期积累的制造经验却很难直接复制。

01 海外工厂最难复制的不是设备

动力电池生产涉及大量相互关联的工艺参数。即使采用相同设备和工艺文件，不同工厂在调试、异常判断和缺陷处理上的差异，也可能反映在良率、生产效率和产品一致性上。

很多关键经验长期掌握在资深工程师和一线技术人员手中，难以通过简单的文件交接和人员培训完整传递。过去建设海外工厂，企业往往需要从国内派出大量工程师长期驻场，在生产爬坡过程中反复调试。

随着海外项目增加，这种依赖人员经验的复制方式成本较高，也很难同时支持多个生产基地。

对于孚能科技而言，这已经不只是一个技术问题。公司2026年上半年实现营业收入36.16亿元，其中海外收入22.98亿元，占比达到63.54%。

随着业务进一步向海外延伸，如何让海外工厂稳定复制国内产线的制造水平，直接关系到项目爬坡速度和交付成本。

孚能科技给出的办法，是利用AI将分散在生产数据、设备参数、异常记录以及工程师经验中的信息重新整理，转化为可查询、可验证、可复用的标准作业规则。

这些规则可以进一步固化为标准化工艺方案，用于指导不同工厂进行参数设置、设备调试和异常处理。过去依赖资深工程师现场判断的问题，由此有机会转化为可以跨工厂调用的数字化能力。

据孚能科技披露，通过上述方式，公司工艺开发周期缩短20%，实物试错成本下降70%，综合缺陷率下降80%。在涂布设备预测性维护方面，相关应用使设备综合效率提高25%，非计划停机时间减少40%。

对于电池企业出海而言，这组数据的意义不只在于降本。如果国内产线积累的制造经验能够被转化为标准化、数据化的工艺能力，海外工厂对少数资深人员的依赖就有望降低，国内外工厂之间的质量差距也可能随之缩小。

不过，孚能科技此次公布的降本和质量数据主要来自公司自身实践，其统计范围以及在不同海外工厂中的实际效果仍有待进一步披露。AI能够帮助固化经验，但海外工厂的稳定量产仍受到设备、人员、供应链和当地管理能力等多重因素影响。

除生产制造外，孚能科技还将AI用于电池研发。

在与密歇根大学等机构合作开展的“Discovery Learning”项目中，研究团队尝试利用新型电池的早期循环数据、历史数据和物理模型预测其循环寿命。

据孚能科技介绍，该技术能够利用前约50次循环的数据完成初步判断，将研发验证周期缩短98%、测试能耗降低95%，目前已用于三元、磷酸铁锂和钠离子等不同技术路线的产品开发。

需要明确的是，这项技术主要压缩的是企业内部的材料筛选和研发验证时间，并不意味着海外法规认证或客户测试可以按相同比例缩短。其价值在于帮助企业更早淘汰寿命表现不佳的技术方案，减少长周期测试带来的研发成本。

孚能科技还在尝试利用AI加快热仿真计算，并将其用于快充和液冷策略调整；在售后环节，公司计划通过电池运行数据提前识别风险，为海外市场的故障诊断和电池维护提供支持。

从这些应用看，孚能科技的AI布局覆盖研发、制造和售后，但其中与电池企业出海关系最直接的，仍是制造经验的复制。

随着越来越多中国电池企业在海外建设生产基地，行业竞争正在从产品出口转向制造体系输出。下一道门槛不只是能否把工厂建起来，而是能否把国内产线的良率、效率和异常处理能力一同复制出去。

孚能科技正把依赖“老师傅”的经验变成一套可以随产线走向海外的制造能力。

往期推荐

储能企业增长新范本：净利暴涨10倍后的技术鹏辉