特来电发布电池安全大模型，阻断率达99.9%

8月15日，在北京充换电展期间，特来电发布了“基于大模型的充电安全和智能运维解决方案”，这是国内首个基于近全量车型充电大数据的电池安全大模型。

自ChatGPT发布到今年7月份，中国新注册的人工智能相关公司中，已有78612家处于注销、吊销或停业异常状态，原因是“大模型有数据、算法和算力，但没有合适的场景”。

作为国内公共充电领域规模最大的充电网运营公司，特来电已运营超60万个分布在全国各地的充电终端，为超过2000万辆新能源车主提供充电服务。

特来电凭借覆盖车、电池、用户、终端、电站、能源的海量历史数据，能够利用大模型计算性能及学习能力，深层次挖掘用户充放电行为、车辆真实运营类型等电池安全特征库，继而建成多指标、多维度融合的电池安全大模型，在安全防护、安全评价、健康评估等方面发挥巨大应用价值。

电池核心数据已超1000亿条

据公安部统计，截至6月底，全国新能源汽车保有量达2472万辆，占汽车总量的7.18%。纯电动汽车保有量1813.4万辆，占新能源汽车总量的73.35%。据中国电动汽车充电基础设施促进联盟统计，截至6月底，我国充电桩已达到1024.3万台，同比增加54%，换电站3772座。

据特来电首席科学家、首席信息安全官鞠强分享的数据，现在特来电充电网接入的数据覆盖全国市面上95%的车型，服务于近600个品牌的2500万辆新能源汽车，电池核心数据已经超过1000亿条。

众所周知，电动汽车在充换电时，经常遭遇自燃和起火等安全事故，而事故发生的来源很大比例是动力电池。就在此前8月1日，一辆奔驰电动汽车在韩国自燃起火，车辆起火时正停放在公寓大楼的地下车库，140辆汽车因此受损或被毁。

成立10年来，在充电安全、场站智能运维、能源管理等方面，特来电遇到过各种各样的问题，亟需需要基于海量的数据和大模型的技术，解决其中的难点和痛点。

鞠强介绍，特来电积累的数据主要包括四个部分：电池、用户、桩和站、车辆。具体来看，有电压、电流、SOC、BMS策略、充换电频率、运营类型等。他指出，“数据对我们来讲，有一定的压力，存储的成本太高了。如果数据搞了十年，还不能发挥作用，数据纯粹就是成本消耗。”

这四部分的数据可以通过大模型进行多维度、多指标深度融合。目前，该大模型基于超20亿的参数量，能够识别出动力电池安全防护的特征256个维度。

高危车辆阻断率可达99.9%

特来电对动力电池的安全防护大体上经过了四个发展阶段：设备层防护、大数据防护、机器学习+机理模型防护、基于大模型技术的安全防护。

值得注意的是，大模型技术的安全防护和之前三个阶段的防护并不是割裂的，通过大模型可以把第二代、第三代做的安全防护的所有算法和指标识别得更精准，提取出更多动力电池的特征，使动力电池的安全特征变得更全面、阈值变得更精准。

比如，在充电过程中，电池的最高温度是非常重要的阈值。在大模型的加持下，可以使数据的维度变得更丰富，提取的电池数据更全面，准确率能提升15%。

基于大模型对电池机理特征数据深层次的挖掘，理论上可以做到一辆车一个充电策略，而不单单是一个车型一个充电策略，从而进行精致化健康管理，让车辆安全可监视、可预警、可控制和可追溯，并且针对网约车、运营车辆和私家车也能采用不一样的充电策略。

对于C端车主来说，如果在充电过程中发现车辆有自燃风险，会通过短信或电话的方式及时通知车主，自动切断掉充电行为，保证车辆安全。

鞠强指出，大模型的云边协同进化对提升安全防护效果显著，是大模型在充电网上的最佳应用方案。基于大模型，高危车辆阻断率可达到99.9%。

他还提到，有了大模型的加持，特来电的智能运维体系有了明显的成长和进步，设备运行质量平均提高了20%，工单处理效率提升了3倍，故障自修复比例涨了30%，运维成本最高可以降到60%。

此外，特来电还发布了“基于群管群控功率共享的全新液冷超充系统”、“基于全生命周期保障的特来电合作伙伴政策”等技术产品。