BMW Group 與薩格勒布大學合作開發的新一代 AI 模型，能夠在電池芯製造的某些流程步驟中，將物料使用量及生產時間減低逾 50%。這家汽車製造商表示，「Insight」研究項目針對電池芯生產全價值鏈進行優化，從電極製造直至末端測試及直接回收。項目將現有測試結果與即時生產數據結合，用以預測電池芯的製程參數及性能表現。BMW 指出，此舉可減少昂貴測試的次數及持續時間，同時維持或提升品質水準。
### 智慧工廠測試優化
電池芯開發通常需反覆進行測試系列，耗費原材料、佔用生產線及實驗室容量。BMW 表示，AI 系統能及早預測結果，從而縮短此循環。隨著汽車製造商競相擴大電動車電池產能、降低成本並減少浪費，此技術將顯得尤為關鍵。公司亦指，模型有助解決製造後另一瓶頸：電池芯初次充電後，常需在受控溫度下儲存一段指定時期（BMW 稱之為「隔離期」），再裝入電池殼體。
此階段需額外倉儲空間及延長組裝時間。AI 系統可預先分析電池芯，未來或能省卻此步驟。若能大規模應用，將加速電池組生產並減低工廠倉儲需求。
BMW 於 2024 年與薩格勒布大學機器人技術區域卓越中心啟動項目，學生及博士生負責整理生產數據，並建構偵測品質、成本及產出相關模式的模型。「我們正將新開發的 AI 模型從原型環境擴展至大規模應用，」BMW Group 鋰離子電池芯技術開發主管 Christian Siedelhofer 表示，「同時檢視其在生產網絡其他用例的適用性。
」BMW 指，此合作亦為電池及 AI 專才提供人才管道。「聯合項目吸引博士生及學生對 AI 與電池芯產生興趣，並認識我們電池芯能力中心的精彩工作，」電池芯技術開發主管 Stefan Kerscher 補充，「很高興年輕人才選擇加入公司。」
BMW 集中電池業務於慕尼黑、Parsdorf 及 Salching 等地：慕尼黑主導研發，Parsdorf 負責接近量產的芯製造，Salching 則支援直接回收製程。
公告未透露具體 AI 模型細節或全面工業部署時程。
