交易系统失败原因
这是铅笔道与苏州国际科技园（SISPARK）发起的联合专栏，报道 SISPARK 生态内的优秀公司。SISPARK 于 2000 年由苏州工业园区发起设立，是园区最早的国有科创载体，累计孵化培育企业超 5000 家，上市企业 21 家，也是苏州国家新一代人工智能创新发展试验区的核心运营机构。
整理 | 铅笔道 阿曜啊
编辑 | 铅笔道 邹蔚 王方
元股证券:ygzq.hkAI 和电池结合，能摩擦出什么新机会？原本需要 2 名工程师忙 3 个月的项目，现在几个智能体 2-3 天就能跑完。
最近，一位 99 年清华博士创业，干的就是这个方向。
她就是周期智能创始人卢宇芳，想给电池装上 AI 大脑：用 AI 优化电池产品开发、使用到衰减回收的全流程。
卢宇芳说，她看到的新机会，不是再造一块电池，而是重做电池行业的服务：未来，一名电池专家就能带着一支 AI 智能体团队工作。
声明：以下为访谈对象口述，已确认文章信息真实无误，铅笔道愿为其内容做信任背书。
AI 电池有机会吗？
我是周期智能的创始人，出生于 1999 年 12 月 31 日。
2016 年，我 16 岁，进入清华大学汽车工程系读本科。2018 年秋天，我去普林斯顿大学交换了一个学期。2020 年本科毕业后，我继续在清华直博，研究方向一直围绕锂电池展开。
卢宇芳，摩羯座
我为什么会特别关注 AI+ 电池？因为从 2020 年开始，我就开始研究动力电池的最优快充。
当时，纯电动汽车即使采用快充，充电通常也需要一个小时以上。
到了 2025 年，比亚迪发布的闪充技术，已经把充电时间缩短到 10 分钟以内。
我正好经历了快充技术迅速发展的几年。
我的研究，不是只解决某一个单点问题，而是从电芯、模组一直到电池包的快充策略优化。
例如，电池使用一段时间以后会发生衰减。电池变旧了，原来的充电策略还能不能继续使用？怎样检测充电过程中的副反应？怎样调整充电策略？怎样估计电池当前的寿命？怎样评价电芯之间越来越明显的不一致性？
这些问题都要一起考虑。
博士期间，我以第一作者发表了 7 篇 SCI 论文、3 篇 EI 论文，都是电池算法与快充相关。
部分研究成果应用在宁德时代、比亚迪、中创新航等企业的项目中。
这段经历让我越来越确定：我适合做应用型研究。
不到 5 个人，已经盈利
2024 年 9 月底，我在苏州注册了周期智能，入驻苏州工业园。
公司名字"周期智能"的意思，指的是电池的全生命周期智能化服务。我们希望用 AI 机理双驱动的方式，解决电池从产品研发、使用到衰减过程中的问题。
苏州工业园区天际线
公司刚成立时，我和一位个人投资人投入了一笔资金，先以小规模方式运营。我们没有急着扩大团队，也没有立即寻找 VC 融资。
因为这是我第二次创业。
第一次创业，我和师兄搭档，当时做的是电动汽车电池低温快速加热充电，以及车网互动与微电网相关的服务。
周期智能的部分应用场景
那时候，新能源行业发展得很快，团队来自清华，第一次融资非常顺利。
但钱拿得太顺，反而埋下了问题。我们当时首先想的是怎么花钱、怎么扩大规模，却没有真正想清楚：客户到底是谁？客户最痛的问题是什么？
结果是，钱花了不少但产品没有市场化，第二轮融资就变得困难很多。
因此我来主导的这次创业里，在没有想清楚钱应该花在哪里之前，我们要确保能先自己造血活下来。
目前，周期智能全职员工不到 5 人（加上兼职人员），公司已经处于盈利状态，每个工程师都是一支带着 Agent 团队的超级个体。
3 个月的项目 AI 两三天跑完
周期智能早期主要解决几个具体问题：电池安全运行、风险预警、状态预测和寿命估计。
过去，这类项目主要依靠人工完成。
不同客户的数据质量差别很大。拿到数据以后，工程师首先要清洗数据、进行预处理、统一数据格式。处理完数据，还要训练模型、调整算法和反复优化参数。
这些工作很耗时间。
一个工程师可能尝试两三个模型，连续调试一段时间以后，就会疲惫，也不愿意继续尝试更多算法。因此，一个项目的交付周期通常至少需要 3 个月，复杂项目甚至要半年以上。
2026 年以来，AI 模型和智能体技术发展很快，一个偶然的机会，我们拿了上一年度已经做过的项目，让 Agent 重新做一遍。
我们把原始资料打包交给智能体。系统会根据项目资料和需求，自动判断这个项目需要多少个智能体。有的需要 3 个，有的需要 5 个。
这些智能体的分工也不一样。有的负责数据处理，有的负责项目评审，有的负责项目管理，有的负责技术交付。
周期智能的工作群聊
过去需要 2 名工程师工作 3 个月才能完成的指标，智能体团队大约 2-3 天就跑完了。
有些环节，人可能只愿意尝试两三个算法，智能体可以连续尝试 10 个、20 个，甚至继续往下试。它不会疲劳，也不会因为连续失败产生情绪。
我们还用一组公开科研数据进行了测试。智能体在不到一周时间，就突破了原有的部分指标。
这个结果让我们很震惊。
它意味着，AI 进入工业领域以后，最先改变的可能不是一个宏大的行业概念，而是一个个非常具体的工作流程。
这才是我们真正看到的机会。
AI 会取代电池专家吗？
我认为，AI 不会取代电池专家，但会重塑专家的工作方式。
电池是一个复杂的电化学系统。很多问题并不是把数据扔给模型，就能自动找到答案。
遇到更困难的问题，仍然需要长期研究电池的专家，从电化学机理、材料反应和失效原因出发，判断问题究竟发生在哪里。
因此，我们现在采用的方式，不是"一个智能体替代一个工程师"，而是"一名工程师带领一个智能体团队"。
排行前五配资工程师负责理解客户的问题、安排任务、判断方向，并从专业角度纠正智能体。智能体负责完成大量数据处理、算法尝试和重复执行工作。
人的价值从亲自完成每一个步骤，变成提出正确问题、安排工作和判断答案。
这也是工业智能体与普通办公智能体最大的不同。
写文档、做报销、整理材料等通用能力，未来很可能直接被基础模型覆盖。单纯在这些能力外面套一层应用，壁垒并不高。
工业智能体真正的壁垒，是它到底学过什么、学会了什么。
打个比方：从基模出来的智能体，像一批刚进入清华的大一学生。他们都很聪明，但有人学法律，有人学办公软件，有人学电池。
最后决定他们能解决什么问题的，不只是聪明程度，而是接受了什么专业训练，掌握了什么行业知识。
电池企业的大量工艺数据、实验数据和失效数据，并没有公开发布在互联网上。电池为什么会发生副反应？有哪些常见失效模式？生产线上某一道工序为什么会出现异常？这些问题背后都有专业机理。
只有真正理解这些问题，智能体才不只是一个会聊天的软件，而是能够完成技术工作的"数字工程师"。
电池行业的新机会
中国电池产业已经走到一个新的阶段。
过去，我们更多考虑如何学习国外技术、追赶国外企业。但至少在我所在的电池领域，中国已经走在全球前面。
我们现在考虑得更多的，不是把国外的先进技术引进来，而是怎样把自己的技术和产品输出去。目前，我们接触的一些大客户，本身就是外资企业。
当电池产业进入成熟阶段，机会也开始发生变化。
过去的核心机会，是提高能量密度、降低成本、扩大产能、制造更多电池。接下来，围绕电池全生命周期的安全、寿命、效率、状态预测和智能化管理，也会产生新的需求。
新能源汽车需要电池，储能系统需要电池。低空飞行器、具身机器人等新产品，同样需要新的电池包和新的管理方式。
目前，周期智能仍然聚焦电池智能系统，同时也在研究低空领域和具身机器人使用的电池包。但这些方向还处在探索阶段。
对于一家小公司来说，谈一个市场究竟有几千亿元，并没有太大意义。
我也不知道智能体市场最终会有多大，更不知道两年以后，智能体会不会被另一个"新物种"取代。
我只确定一件事：电池企业存在真实问题，我们能够用新的方法提高解决问题的效率。
创业成功本来就是少数，失败才是常态。
我能做的，是保持对技术变化的敏感，不断寻找更准确的产品方向，并在需要作出决定时，尽量快一点、果断一点。
第一次创业时，我以为技术好，就能做出好产品。
第二次创业，我更愿意从一个真实需求和具体问题开始：过去需要 2 名工程师工作 3 个月的事情，能不能让 1 名工程师带领几个智能体，在几天内完成？
如果这个问题能够解决，电池行业就会多出一种新的生产力。
这就是我现在看到的机会交易系统失败原因。
元股证券官方入口提示：本文来自互联网，不代表本网站观点。
