通用汽车周二公布了一种名为锂富锰 ( LMR ) 的新型电池化学技术,通用汽车表示该技术将在显著降低成本的同时,提供接近当前市场上最先进电池续航里程的表现。
“通过 LMR ,我们能够在我们的卡车上实现超过 400 英里(约 644 公里)的续航里程,同时大幅降低电池成本,”通用汽车电池、推进系统和可持续发展副总裁 Kurt Kelty 告诉 TechCrunch 。
与通用汽车目前最先进的电池相比,LMR 同时大幅减少了镍和钴的使用,而这两种关键矿物在美国国内的供应并不充足。
目前,雪佛兰 Silverado EV 采用镍锰钴 ( NMC ) 电池组,单次充电可行驶 492 英里(约 792 公里)。这一令人印象深刻的续航里程则伴随着不菲的价格。对于普通消费者来说,这款电动卡车的起售价超过 73,000 美元(车队版本价格较低)。通用汽车正计划推出一款采用更便宜的磷酸铁锂 ( LFP ) 电池的版本,这将使整车价格降低 6,000 美元,但续航里程也将降低至 350 英里(约 563 公里)。
这项新技术能够保留 LFP 降价的优势,同时在牺牲续航里程上幅度更小。
通用汽车指出,新型电池成本更低主要有几个原因。首先,锰的价格低于钴或镍。LMR 化学技术的配比将含有 0% 至 2% 的钴、30% 至 40% 的镍以及 60% 至 70% 的锰,而这与目前领先的 NMC 电池中多达 10% 的钴和 80% 的镍形成了明显对比。
此前,富锰电池的尝试往往面临快速衰退的问题,而通用汽车相信他们已经攻克了这一难题。该厂商通过试验多种材料和制造工艺,最终确立了当前的配方。
LMR 电池组将采用棱柱形电池,而不是目前使用的袋装电池。Kelty 表示,切换到具有坚固外壳的棱柱形电池,将有助于公司制作出零件数量减少超过 50% 的电池组。
“这会为我们带来巨大的成本节省,”他说。
通用汽车对 LMR 技术抱有宏大规划,预计这种电池化学技术将逐步扩展到整个电动车产品线。业务规划经理 Andy Oury 表示,LMR 有望在市场中占据“一个巨大的中间份额”,使 LFP 定位于入门级车型,而昂贵的 NMC 则应用于需要长续航里程和高能量密度的领域。
这些新型电池将由通用汽车与 LG Energy Solution 合资成立的 Ultium Cells 生产。通过 Ultium 合资企业,这两家公司已在美国的电池制造领域投资了数十亿美元。
双方多年来一直在推进 LMR 技术。通用汽车已就此技术申请了超过 50 项专利,尽管 LG 也在研发该技术。Kelty 承认,LG 有可能开发出不侵犯通用汽车专利的 LMR 电池版本,从而使这种电池化学技术得到更广泛的应用。“看看这一切如何发展,将会非常有趣,”Kelty 说道。
通用汽车对 LMR 的研发已持续十年。近年来,工程师们成功制造出类似于当下电动车中所用的大尺寸电池,使得该项技术的研发进入了快车道。
据通用汽车先进电池工程总监 Kushal Narayanaswamy 表示,迄今为止,公司已制造出约 300 个大尺寸电池,并完成的测试里程相当于 1,500,000 英里(约 2,414,000 公里)的典型驾驶。
这意味着公司只有短短数年时间来改造现有工厂,以适应这种新化学技术并实现规模化生产。尤其是在扩产方面,早期的 Ultium 电池就曾遇到过挑战。
Kelty 对通用汽车实现 2028 年目标充满信心。
“它满足了我们所有的性能指标,我们已有合作厂商负责生产,并且已经确定了制造基地,”他说。“另一点是,相比高镍或 LFP 电池,其供应链更加本土化,因此我们非常有动力去推动这项技术。现在有许多因素正共同作用,这让我们迫不及待地希望迅速推进。”
好文章,需要你的鼓励
人工智能和数据安全公司Cyera宣布完成4亿美元后期融资,估值达90亿美元。此轮F轮融资由贝莱德领投,距离上次融资仅6个月。随着95%的美国企业使用生成式AI,AI应用快速普及带来新的安全挑战。Cyera将数据安全态势管理、数据丢失防护和身份管理整合为单一平台,今年推出AI Guardian扩展AI安全功能。
上海AI实验室开发RePro训练方法,通过将AI推理过程类比为优化问题,教会AI避免过度思考。该方法通过评估推理步骤的进步幅度和稳定性,显著提升了模型在数学、科学和编程任务上的表现,准确率提升5-6个百分点,同时大幅减少无效推理,为高效AI系统发展提供新思路。
SAP在2026年全国零售联盟大展上发布了一系列新的人工智能功能,将规划、运营、履约和商务更紧密地集成到其零售软件组合中。这些更新旨在帮助零售商管理日益复杂的运营,应对客户参与向AI驱动发现和自动化决策的转变。新功能涵盖数据分析、商品销售、促销、客户参与和订单管理等领域,大部分功能计划在2026年上半年推出。
MIT团队开发的VLASH技术首次解决了机器人动作断续、反应迟缓的根本问题。通过"未来状态感知"让机器人边执行边思考,实现了最高2.03倍的速度提升和17.4倍的反应延迟改善,成功展示了机器人打乒乓球等高难度任务,为机器人在动态环境中的应用开辟了新可能性。