Массачусетская компания SES AI совершила радикальный разворот в своей бизнес-модели: вместо производства литий-металлических аккумуляторов для электромобилей она теперь делает ставку на ИИ-платформу Molecular Universe, способную открывать новые батарейные материалы в автономном режиме. Платформа использует замкнутый цикл машинного обучения и роботизированных лабораторных экспериментов, что позволяет сократить процесс поиска перспективных соединений с нескольких лет до нескольких недель.
За короткое время Molecular Universe уже идентифицировала шесть новых электролитных материалов. Одно из самых многообещающих открытий — соединение, которое функционирует аналогично фторэтиленкарбонату (FEC), но при этом не выделяет вредные газы при высоких температурах. Это решает одну из ключевых проблем кремниевых анодов, которые считаются перспективной заменой графитовым анодам в литий-ионных батареях нового поколения.
Генеральный директор SES AI Цичао Ху, объясняя причины разворота, заявил прямо: «Почти каждая западная батарейная компания либо уже прекратила существование, либо скоро прекратит. Западным компаниям просто невозможно построить устойчивый бизнес в традиционном производстве аккумуляторов». По его словам, переход на программное обеспечение и открытие материалов позволяет масштабироваться и генерировать выручку значительно быстрее, чем при строительстве заводов.
SES AI была основана в 2012 году под названием Solid Energy на базе исследований Массачусетского технологического института. Компания разрабатывала твёрдополимерные литий-металлические батареи и кремниевые аноды для крупнейших автопроизводителей мира. Однако конкуренция с китайскими производителями, такими как CATL и BYD, сделала прямое производство аккумуляторов на Западе экономически невыгодным. Теперь SES AI фокусируется на нишевых рынках — например, батареях для дронов — и лицензировании открытых материалов другим компаниям.
Модель Molecular Universe работает по принципу автономной лаборатории: алгоритмы машинного обучения предсказывают свойства миллионов потенциальных молекулярных структур, затем роботизированные системы автоматически синтезируют и тестируют наиболее перспективные кандидаты, а результаты экспериментов возвращаются в модель для уточнения прогнозов. Такой замкнутый цикл позволяет каждую итерацию делать точнее предыдущей, что радикально ускоряет процесс открытия новых материалов.
Впрочем, не все эксперты разделяют оптимизм компании. Отраслевой аналитик Кара Родби отмечает, что открытие новых материалов само по себе может быть не тем критическим фактором, который необходим для возрождения батарейной индустрии на Западе — не менее важны масштабирование производства, цепочки поставок и стоимость сырья. Тем не менее подход SES AI демонстрирует растущий тренд: ИИ превращается из вспомогательного инструмента учёных в полноценного исследователя, способного самостоятельно генерировать научные гипотезы и проверять их в лаборатории.
