(01 一句迟到了三年的“对不起”)#

熟悉我的老粉都知道，我的 ID 叫晓风数据锂航。

但这三年下来，我发了无数篇涂布、辊压、电芯设计的文章，却唯独把 “数据” 这两个字给冷落了。

经常有兄弟在后台调侃：“老晓，你这有点文不对题啊，一直发锂电工艺，说好的大数据分析师呢？”

说实话，每次看到这种留言，我都挺惭愧的。这就好比一个厨子招牌叫“神厨”，结果天天给大家煮方便面。

其实作为六西格玛黑带，数据分析一直是我看家的本领。

之所以一直没深度写，是因为我觉得 JMP 和 Minitab 这些传统工具，大家在公司里多少都能接触到。

(02 37岁的“本领恐慌”)#

最近触发我思考的，其实是一种深深的“危机感”。

市面上关于“锂电+AI”的讨论越来越热，各种动辄千元高端培训课也层出不穷。

我看了一下大纲，确实很前沿：神经网络、寿命预测、材料筛选……

但作为一个在产线摸爬滚打多年的“老工艺”，我发现这里面有一个巨大的错位：

懂算法的人，往往不懂电池的电化学机理；懂工艺的人，看到 Python 代码又头大。

我也曾见过行业内有企业花了大价钱引进通用的 AI 培训，但落地到具体的涂布、辊压痛点时，往往因为缺乏“工程视角”而显得水土不服。

这让我意识到：锂电行业的数字化，不能只靠纯 IT 思维，必须得有懂工艺的人去“翻译”。

我今年 37 岁了，记忆力可能不如小年轻，但我不想给自己设限。

既然市面上的课程要么太贵，要么太理论，那我决定用“工程师的土办法”——自己啃！

我有工艺经验，懂电化学原理，我有逻辑（感谢黑带训练）。

哪怕慢一点，我也要把这块硬骨头啃下来。

从今天起，我会在公众号开设一个【AI 锂电学习笔记】专栏。

每周四，我会以此更新我的自学进度和实战代码。

我的目标很单纯，就是想验证一件事：

一个不懂算法底层数学的工艺工程师，能不能用 AI 解决寿命预测、配方筛选这些实际问题？

下周四，我给自己布置了第一个作业：《尝试用 NASA 开源数据集，跑通电池寿命预测模型》。

目前我已经初步跑通了 Demo，效果大概是这样的（如下图）：

(注：上图为基于LSTM模型的理想预测拟合效果)

写在最后：

种一棵树最好的时间是十年前，其次是现在。

不管你几岁，只要还在锂电这行混，就别让自己停下来。

如果你也对“工艺+AI”感兴趣，欢迎关注，咱们一起搭个伴，互相监督。

所有的学习笔记和源码，我都会整理好，同步在星球里，方便大家复现。