一家名为 XL Batteries 的年轻创业公司正在开发一种新型的有机电池技术。从硫和钠到锰和有机分子,许多材料都试图取代无处不在的锂离子电池,但迄今为止都未能成功。有机电池由地球上最丰富的化学元素(包括碳、氧和氮)构建,本应比当今使用金属的电池更便宜,但始终无人能够突破这一技术壁垒。
XL Batteries 的联合创始人兼首席执行官 Tom Sisto 向 TechCrunch 表示,他们开发的新化学技术不仅比以往的有机电池更便宜、更安全、更耐用,而且比锂离子电池本身具有更多优势。"资本成本将会非常低,"Sisto 说。
不过,不要期待在下一代电动汽车中找到该公司的产品。XL Batteries 使用的储能液体比当今的锂离子电池更庞大和沉重。这就是为什么公司瞄准电网规模储能市场,因为这个市场更关注规模、成本和安全性,而不是重量或能量密度。
该公司向 TechCrunch 独家透露,他们已经为专门从事石化品储存的 Stolthaven Terminals 公司建造了一个示范装置。第一个装置相对较小,但一旦解决了问题,公司就可以快速建造更大的电池,Sisto 表示。他之所以如此乐观,部分原因是电池的一个关键组件仅仅是一个储存罐。"如果我们使用他们(Stolthaven)最大的两个储罐,就能构成一个 700 兆瓦时的电池,"Sisto 说,"这足以为约 25,000 户家庭供电一整天。我相信他们在休斯顿的基地有 400 个储罐。"
XL Batteries 正在建造所谓的流动电池。基本的流动电池由两个通过泵连接的储罐组成,两种液体流过一个膜。充电时将离子推上一个象征性的"山坡",将其储存在其中一种液体中。放电时,这些离子流回另一侧,在此过程中释放电子。
流动电池是一项古老的技术,最早发明于 19 世纪末。但由于体积庞大和相对较低的能量储存量而受到限制。较新的型号提高了能量储存量,但由于使用的液体具有腐蚀性,需要昂贵的泵和其他设备材料,因此仍然相对昂贵。
有机电池已经被提出一段时间了,但它们一直难以实现,因为当大多数有机分子携带额外电子时,它们往往会迅速分解。那些存在时间较长的需要制冷,即使这样也会在几个月内分解,Sisto 说。
即使有了更稳定的分子,Sisto 也知道 XL Batteries 必须更便宜才能成功。在哥伦比亚大学研究期间,他发现了一个令人鼓舞的迹象:他研究的一种有机化合物打破了单个分子接受电子数量的最高记录。当时,该分子必须悬浮在有机溶剂中,这种溶剂既昂贵又易燃。最终,他和合作者们成功使其在中性 pH 值的水中保持稳定。这时,他知道他们可以围绕它建立一家公司。
XL Batteries 的一个装置由三部分组成:一个 40 英尺的运输集装箱和两个储罐。公司专有的膜和其他组件安装在运输集装箱中,然后将一个或多个集装箱连接到储罐上。储罐的大小决定了电池的容量,而运输集装箱的数量决定了电池充放电的速度。
由于公司使用了大量现成的技术,Sisto 表示 XL Batteries 可以很快开始建造更大的电池。"商业设计已经基本完成,"他说。公司正在与一家已经设计过其他流动电池的工程公司合作。"他们已经具备了所有这些要素。"
除了像 Stolthaven 这样的早期客户外,XL Batteries 正在寻求与独立发电商合作,建造支持电网的电池,特别是在德克萨斯州,这样的装置已经变得很普遍。"我们相信这个项目的经济效益非常具有吸引力,"Sisto 说。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。