科技 微博 · 中国企业家杂志 · 昨天 18:48 · AI 生成
光因科技温言杰：钙钛矿当前的细节难题都能借助AI4S解决 光因科技CEO温言杰在演讲中提出，钙钛矿作为下一代主流光伏技术，面临的核心难题（封装、激光、材料界面）本质上都是材料问题，最适合用AI for Science（AI4S）来解决。他介绍了光因通过AI4S将材料筛选速度提升6倍、良率提升至95%以上的实践，并指出当前商业化路径是先在太空光伏和消费电子等高成本容忍度场景落地，已拿到120颗卫星订单并与安克创新等品牌合作。文章是创业者视角的现状陈述与前景展望，信息密度高，但缺乏对AI4S解决材料问题的具体技术细节和反方观点。原文 ↗ 原文 ↗
核心观点
▍ 钙钛矿成为下一代主流光伏技术需满足四个条件：效率潜力高、成本低、轻薄柔韧、弱光效应好。 ▍ 钙钛矿当前面临的封装、激光、组分、添加剂、钝化剂、界面处理等细节难题，本质上都是材料问题，最适合用AI4S（AI for Science）来解决。 01 AI4S应用于材料问题的四步闭环：材料发现、实验决策、工艺优化、条件反馈。 02 通过AI4S，光因科技将材料筛选周期从一个月缩短至5天，检测速度提升70多倍（从25分钟到20秒），中试产线良率从基线提升15个百分点，达到95%以上。 03 光因科技已打破20次世界纪录，小片单结效率27.87%，全钙钛矿叠层31.55%，平米级商用组件效率20.7%，并两次登上美国NREL世界冠军组件表。 04 光因科技已获得120颗卫星的太阳翼订单，并与安克创新、联想、德施曼、海尔等品牌合作，落地摄像头、智能门锁、智能灯具等消费电子产品。 反方 / 局限
— 作者承认，钙钛矿当前成本相对晶硅偏高，尚未跑通商业化，需先找到能接受高成本的场景（太空、消费电子）落地，再逐步降低成本。 — 文章未提及钙钛矿大规模量产中可能遇到的稳定性、可靠性长期验证问题，以及AI4S解决材料问题的具体技术原理和局限性。
前置背景 AI4S 如何改造材料研发
光因用 AI4S 把材料筛选周期从一个月压到五天，背后是科研范式从「人力试错」转向「数据驱动」的转变。AI4S 在凝聚态物理领域面临的核心挑战是「小数据、大科学」——高质量科学数据稀缺且标准不统一，模型训练的基础并不牢靠。中科院专家指出，当前数据孤岛化、汇聚机制不完善是最大瓶颈。光因的实践之所以跑得快，可能是因为它聚焦在钙钛矿这个相对窄的细分方向，数据量可控，闭环回路短。
▸ 1 条关联资料
▼
平行视角 AI4S 能解决解释问题吗
光因温言杰把钙钛矿难题全归为「材料问题」并押注 AI4S，但哲学界和部分科学家对此有保留：AI4S 擅长预测和分类，却难以输出因果解释和自然规律。中山大学阮凯指出，AI 主要提升了知识生产的速度与精度，而非拓展了知识的广度——它无法独立生产有普遍解释力的科学理论。对钙钛矿这种需要理解「为什么加料后稳定性塌了」的深层机制问题，纯数据驱动的预测可能掩盖了真正的物理化学因果链。
▸ 1 条关联资料
▼
未来推演 太空光伏的商业化时间表
光因已拿到 120 颗卫星订单，但太空光伏真正放量要看 2027-2028 年。北京理工大学陈棋团队在昌平建设的全球首条钙钛矿太空光伏中试线预计 2027 年实现量产，2028 年开启商业化销售。关键变量是低轨卫星组网规模——未来十年全球超 10 万颗卫星部署，催生千兆瓦级太空电力需求。钙钛矿成本仅为砷化镓的十分之一，但稳定性验证仍需至少 1 年在轨动态服役数据。神舟二十三号带上去的实验样片将在 2027 年中给出首批长期数据。
▸ 3 条关联资料
▼
延伸追问 AI4S 加速了哪些钙钛矿难题
温言杰说「细节难题都能靠 AI4S 解决」，但三个问题值得追问：第一，激光工艺未收口——AI4S 能帮到激光这类偏设备和工艺的问题吗？还是说 AI4S 擅长的是化学配方筛选，对机械/光学参数优化无计可施？第二，AI4S 找到的「好材料」一旦放大到平米级，涂布均匀性会重新变差——这个从「5 天找到候选」到「兆瓦级量产验证」的鸿沟，AI4S 能跨越吗？第三，光因的良率从基线到 95% 的提升，是 AI4S 闭环的功劳，还是中试线本身的工程改进？把这些掰开，才知道 AI4S 在钙钛矿里到底解决的是「效率问题」还是「可行性问题」。
▸ 1 条关联资料
▼