99年清华女博士创业：给电池装上AI大脑，90天工期砍到2天

清华系AI硬科技创业再添新星

这位99年出生的清华女博士，其创业项目并非凭空出世。她的技术路线直接受益于清华大学在类脑芯片与认知世界模型上的前沿突破。2019年，清华施路平教授团队研发出全球首款类脑计算芯片“天机芯”并登上Nature封面，随后推出的TianjicX芯片在同等任务下功耗比英伟达AI芯片低一半，跑多网络延迟降低79倍。这些成果为“给电池装上AI大脑”提供了底层算力支撑——让电池管理系统不仅会“算”，更会“思考”。

电池行业的“世界模型”：从90天到2天

传统电池研发与生产验证周期漫长，一个电芯从设计到样品测试往往需要90天。这位女博士创业团队借鉴了清华具脑磐石团队提出的“世界模型”思路——让AI在行动前先在内部完成推演。具体到电池领域，他们构建了一个电池材料与电化学行为的“数字孪生大脑”，该模型能自动模拟不同配方、工艺参数下的电池性能，无需逐一打样实测。通过自研的AI调度引擎，原本需要人工反复实验的90天流程被压缩至2天，效率提升45倍。团队核心成员来自清华、北大等顶尖院所，并在华为、联想等企业积累了工程化经验。

非冯·诺依曼架构：让电池学会“主动推理”

实现这一突破的关键，在于放弃了传统基于冯·诺依曼架构的AI芯片，转而采用神经形态计算芯片。这种芯片模仿人类大脑的分布式并行计算模式，能同时运行多个神经网络模型，支持语音识别、声源定位、目标检测、避障和决策等多种任务。在电池管理场景中，芯片可以实时感知电池内阻、温度、电压等多维数据，并通过“主动推理”机制预判电池衰退趋势，动态调整充放电策略。这与清华具脑磐石团队提出的“一脑多机、一脑多形”理念一脉相承——同一套认知世界模型可以适配不同化学体系、不同尺寸的电池本体。

商业化路径：先沉淀可复用模块，再反哺研发

团队没有等待通用电池大脑完全成熟，而是优先沉淀了“电池技能学习”“认知地图导航”“多机协同调度”等可复用模块，在储能电站、电动重卡、消费电子等真实场景中形成数据与现金流闭环。目前，该方案已在多个行业客户跑通PoC，签约多家海内外战略合作伙伴。其产品路径明确：短期用类脑智能驱动电池管理系统，中期探索单一认知模型适配不同电池类型，长期向行业开放通用电池具身大脑模型。