来自明斯特大学、苏黎世联邦理工学院、斯坦福大学及弗劳恩霍夫电池生产研究所的研究团队，通过人工智能辅助的专利分析，揭示了电池技术在发展过程中存在显著的技术继承性。研究显示，产业战略与创新规划需更为审慎地考量此类技术依赖关系。

电池被视为全球能源转型与交通电动化的关键技术。在成熟的锂离子电池之外，钠离子电池因其成本优势和对锂、钴等稀缺资源的低依赖性，正受到越来越多的关注。

新型电池技术面临潜在发展障碍

此前，政策制定者与媒体常将此类新型电池视为追赶市场领先者的技术机遇。然而，近日发表于《自然·能源》的一项研究指出，这种技术迭代的难度高于普遍预期，原因在于新技术大量继承并依赖于既有知识积累。

具体而言，这意味着现有市场参与者因其具备跨体系的制造与设计经验而拥有结构性优势。因此，新进入者面临的市场门槛比通常讨论的情形更高。研究团队提示，若将不同电池技术视为独立的学习路径进行建模预测，可能会系统性地偏离实际的成本演变与竞争格局。

明斯特大学的André Hemmelder博士表示：“我们的研究结果显示，转向新型电池技术并不会自动为市场新参与者打开大门。现有企业通过直接迁移其在设计与生产领域的既有知识，能够持续扩大其领先优势。对于缺乏锂离子电池领域经验的新进入者而言，这构成了比此前预期更高的门槛。”

这一发现对产业政策具有参考价值。苏黎世联邦理工学院的Tobias Schmidt教授指出：“政策制定应将电池视为技术上的统一体系。竞争优势并非源于某一细分领域的孤立知识，而是取决于对跨领域核心技术能力的掌握。”

AI专利分析揭示技术知识流动路径

研究团队分析了超过1.5万项专利，借助人工智能大语言模型对专利所涉及的电极材料类型及创新类别（产品创新或工艺创新）进行了自动化分类，并重构了技术知识的传递路径。分析结果显示，在不同锂离子电池技术路线之间，以及锂离子电池与钠离子电池之间，存在持续且大规模的知识流动。

其中，从成熟的锂离子电池技术向钠离子电池等新兴技术的知识迁移尤为显著。在某些情况下，例如不同锂离子电池技术之间，这种跨技术体系的知识交流强度甚至超过了同一技术体系内部的迭代发展。

除产业政策层面的启示外，该研究在方法论上亦有创新：研究团队首次将人工智能辅助的专利分类与专利引证时序分析相结合。该方法可拓展至其他技术领域，用于早期识别技术路径依赖与潜在的市场进入壁垒。

出版详情：作者：André Hemmelder等，标题：《锂和钠离子电池化学之间的知识相互依赖性》，发表于：《自然能源》 (2026)。期刊信息： 《自然能源》