【收藏级】宁王麒麟 vs 比亚迪刀片：谁才是成本之王？（附1GWh精算模型）

【开篇语】

“离开成本谈性能是耍流氓，离开工艺谈设计是纸上谈兵。”

昨天在星球里看到这位朋友的提问（见上图），说实话，看到“分享给员工学习”这几个字时，我感到既荣幸又有些压力。

这位星友提出的两点：“旗舰电芯对标”和“1GWh成本测算”，恰恰击中了锂电制造最核心的命门：一个是技术（性能），一个成本。

既然是拿去给员工做培训的素材，那就不能只讲虚的。

材料体系、性能参数、成本

为了回答好这个问题，我梳理了手头关于麒麟、刀片、4680的最新数据

整理了这份《旗舰电芯对标与成本测算指南》放在星球。既然要分享给员工学习，那我们就力求做到：拿来即用。

旗舰电芯有很多种路线：

一、按照材料体系分类

这是决定电芯电压、能量密度、安全性和成本的最底层逻辑。目前的市场主流可以分为“老三样”和“新势力”。

1. 主流体系#

磷酸铁锂 (LFP):
特点: 橄榄石结构，结构极其稳定，热失控温度高（>500°C），安全性最好。
现状: 能量密度已接近物理极限（电芯级约 160-175 Wh/kg），但通过CTP (Cell to Pack) 技术（如比亚迪刀片电池）弥补了系统能量密度的不足。成本极低。

三元锂 (NCM/NCA):

特点: 层状结构。镍(Ni)提供容量，钴(Co)提供稳定性（且昂贵），锰(Mn)或铝(Al)提供结构稳定。
细分:
NCM523/622 (中镍): 电压平台较高，技术成熟，性价比适中。
NCM811/9系 (高镍): 能量密度极高（可达 250-300 Wh/kg），但热稳定性差，对生产环境（水分控制）和BMS要求极高。

钴酸锂 (LCO):

特点: 压实密度高，体积能量密度好。
应用: 几乎垄断消费电子（手机、笔记本），但不适合动力电池（钴太贵且安全性差）。

2. 特殊与新兴体系#

钛酸锂 (LTO):
特点: 负极材料改为钛酸锂，零应变材料。循环寿命极其恐怖（可达20,000次以上），可大倍率充放电，但电压低（2.3V）、能量密度极低。常用于快充大巴。
钠离子 (Sodium-ion):
特点: 成本潜力最低（钠资源丰富），低温性能优异，可过放电至0V。目前能量密度略低于LFP，正在产业化导入期。

二、按照封装结构分类#

这是最直观看到的形态，直接决定了模组/Pack的成组效率和制造工艺。

三、同体系间也有差异

员工常问：“既然都是高镍三元材料，为什么特斯拉非要用圆柱，而宁德时代坚持用方壳？” 这其实是物理结构对化学性能的两种不同“驯化”方式。

案例分析：高镍三元体系 (NCM811) —— 圆柱 (4680) vs. 方壳 (麒麟)

差异一：对“膨胀”的束缚力 (Mechanical Constraint)
圆柱 (4680): 圆柱形的钢壳提供了天然的、均匀的径向束缚力（Hoop Stress）。对于高镍+硅碳这种膨胀率极大的体系，圆柱是物理结构上的最优解，能把活性材料“箍”住，防止粉化。
方壳 (麒麟): 方壳的大面是平的，受力后容易鼓胀。因此，麒麟电池必须在 Pack 层级通过水冷板和结构梁施加预紧力，或者在电芯内部预留更多的“呼吸空间”（Overhang），这在一定程度上牺牲了体积利用率。
差异二：热管理逻辑 (Thermal Management)
圆柱 (4680): 传统的圆柱电池散热难（中心热量出不来）。但 4680 通过全极耳 (Tabless) 技术，让电子直接从集流体上下两端导出，大幅降低内阻，变成了“本身不怎么发热”。
方壳 (麒麟): 方壳体积大，聚热严重。麒麟的解法是“大面水冷”，将冷却面积扩大 4 倍。
结论: 4680 是“治本”（降低产热），麒麟是“治标”（加强散热），两者都实现了 4C 快充，但路径不同。
差异三：成组后的安全性 (Safety Propagation)
圆柱: 优势在于“化整为零”。单个电芯只有 26Ah，即便热失控，释放的能量也相对有限，且圆柱之间有间隙（或灌胶），不易产生多米诺骨牌效应。
方壳: 单个电芯高达 150-200Ah，能量巨大。一旦发生热失控，就是“炸弹”级别。因此方壳对 NP (Non-Propagation，无热蔓延) 技术的要求极高，需要昂贵的隔热气凝胶和排气通道设计。

选圆柱 (Cylindrical): 为了制造效率（PPM 高）、高硅负极（束缚力好）和高安全性（单体能量小）。
选方壳 (Prismatic): 为了空间利用率（成组效率高）、成组简便性（BMS 管理节点少）和灵活性（尺寸可定制）。

02. 拒绝“拍脑袋”：1 GWh 电池材料用量的倒推逻辑

作为技术工程师，当老板问你“明年扩产 1 GWh 需要备多少吨正极？”时，千万不能直接报行业平均值。因为不同的电芯设计、不同的良率水平，最终的用量差异可能高达 10%。

我们需要建立一个严谨的计算模型：从微观的单体 (Cell) 倒推宏观的总量 (GWh)。

1. 核心计算逻辑 (The Calculation Logic)#

这个模型的逻辑链条是：

目标总能量 ->单体电芯数量-> 单体材料耗量 -> 理论总耗量 -> 含损耗的实际需求量

我们用一组简化的公式来表达：

Step 1: 计算 1 GWh 需要多少颗电芯？

V_nom: 电芯标称电压 (V)
Cap_nom: 电芯标称容量 (Ah)
Y_FT: 直通率/良率 (First Time Yield)。如果良率是 90%，你需要多生产 11% 的电芯才能满足 1 GWh 的良品出货。

Step 2: 计算 1 GWh 的材料总需求 M_total？

m_unit: 单颗电芯某种材料的净重 (g)
α_process (关键): 工序损耗系数。例如涂布头尾报废、分切边角料、注液残留等。通常正负极损耗在 3%~5% 左右。

2. 经典案例实测：1 GWh NCM811 需要多少材料？#

为了让大家有直观的概念，我们以一款典型的280Wh/kg 方壳高镍电芯为例进行测算。

设定条件： 1 GWh 产能，良率 92%，工序损耗 5%。
计算结果参考（吨/GWh）：

3. 那些容易被忽视的“隐形材料”#

在做 BOM 成本时，很多新手会漏掉辅材。虽然它们重量占比不到 3%，但成本占比可能超过 5%，且对性能至关重要：

粘结剂 (Binder): 正极用的 PVDF，负极用的 SBR/CMC。PVDF 的价格波动极大，曾经暴涨 10 倍。
导电剂 (Conductive Agent): 导电炭黑 (SP) 只是基础，现在旗舰电芯都在加 CNT (碳纳米管) 甚至石墨烯，这玩意儿按克卖，贵得离谱。
结构胶/导热胶: 在 CTP (Cell to Pack) 结构中，胶水不仅是粘接剂，还是导热部件和结构部件，用量按吨计。

【小结】1 GWh 听起来很虚，但拆解到最后，就是~1600 吨正极粉末、~1000 吨负极粉末和~1300 万平米塑料膜的精密组装。

掌握了这个数量级，下一次供应商给你报价或者谈产能规划时，你心里就有一杆秤了。

成本结构的剧变——液态 vs. 半固态 vs. 全固态 BOM 拆解

如果说前2部分是在讨论“改良”，那么这一部分讨论的就是“革命”。

从液态到全固态（All-Solid-State），不仅仅是电解液形态的变化，而是整个电池BOM（物料清单）结构的彻底重构。对于制造端来说，这意味着供应链的洗牌：有的材料会消失，有的材料会身价倍增。

1. 三代电池 BOM 成本结构横向对比表#

为了直观展示差异，我们构建了一个1 GWh 规模下的单位成本模型（Unit Cost: RMB/Wh）。(注：全固态数据基于硫化物路线的中试线数据估算，具有较大前瞻性)

2. 深度拆解：钱都花哪儿了？#

A. 电解质的“通货膨胀” (The Electrolyte Surge)

液态时代： 电解液已经是化工大宗品，价格像矿泉水一样透明。
全固态时代： 硫化物电解质的核心原料是硫化锂 (Li2S)。这东西目前并不是工业通用化学品，产能极小且制备困难，价格极其昂贵。
结论： 固态电池想降本，第一步就是把 Li2S 的价格打下来。

B. 负极的“贵族化” (Anode Evolution)

液态时代： 石墨便宜又好用。
全固态时代： 既然用了固态电解质，为了追求极致的 400Wh/kg+，负极必须升级为金属锂 (Lithium Metal)。
痛点： 金属锂不仅原材料贵（按碳酸锂当量的锂含量算），更贵在加工。要在大规模产线上把锂金属压延成几微米厚的超薄锂箔，且不能有任何氧化，这需要昂贵的真空设备和严苛的干燥房环境（露点 -60°C 以下）。

C. 消失的隔膜 (The Missing Separator)

全固态电池中，隔膜的物理功能（绝缘）被固态电解质层本身承担了。这对隔膜厂商（如恩捷、星源）是长期的利空，但对固态电解质厂商是巨大的增量。

3. 为什么现在做“半固态”？#

看完上面的表，员工应该就明白了：全固态太贵了，直接量产就是亏本赚吆喝。

所以，“半固态” (Semi-Solid) 是一个绝佳的商业折中：

保留了一点液态电解液 (Wet)： 解决了固-固界面接触电阻大的科学难题，不需要极度昂贵的生产环境。
引入了部分固态粉体： 提升了安全性，可以通过针刺测试。
保留了隔膜： 不需要彻底重构产线，传统的锂电工厂改造一下就能做。

【小结】

液态电池是当下的“现金牛”，追求极致的性价比。
半固态是“富人的玩具”，用 30% 的成本溢价换取更高的安全分和续航（如蔚来 150kWh 包）。
全固态是“未来的赌注”，在 BOM 成本降到 1.0 元/Wh 以下之前，它很难在大众市场普及。

工程师的“隐形账单”——良率 (Yield) 与过程变异

在完成了 BOM 表的计算后，很多新员工会兴奋地得出一个数字：“哇，原来我们造 1 Wh 电池只要 0.5 元！”

这时候，作为老工程师，你得给他泼一盆冷水：“那是上帝造电池的价格，不是你造电池的价格。”

在实际制造中，良率 (Yield) 和过程损耗 (Process Loss) 是两个巨大的成本放大器。对于 1 GWh 的大规模生产，哪怕 1% 的良率波动，都是几百万真金白银的流失。

1. 直通率 (FTY) 的乘数效应#

在锂电生产的长链条中（搅拌 -> 涂布 ->辊压 ->分切 -> 卷绕/叠片 ->封装 -> 化成分容），每一个工序都是一道“鬼门关”。

假设我们有 10 道核心工序，每道工序的良率都是看似不错的 98%。

那么最终的直通率 (Rolled Throughput Yield, RTY) 是多少？

这意味着什么？

为了产出 1 GWh 的合格电池，你必须投入 1.22 GWh 的原材料。

BOM 成本直接被放大了 22%！这就是为什么特斯拉 4680 早期量产困难的原因——干法电极的单工序良率如果在 80% 徘徊，最终整线的产出几乎不可接受。

#

2. 工艺损耗：那些扫进垃圾桶的钱#

除了不良品，还有一种成本叫“制程损耗”。这是工艺特性决定的，属于“不得不扔”的钱，但优秀的一线工程师能把它降到最低。

涂布头尾 (Coating Waste): 每一卷极片开始和结束时，由于厚度不稳定，必须切除。对于间歇涂布，这部分损耗非常可观。
分切边料 (Slitting Trim): 宽幅极片切成窄条时，两侧的毛刺边缘必须切掉。
注液残留 (Electrolyte Residue): 管道残留、泵体死体积、挥发损耗。

【经验数据】

成熟产线（如 CATL/BYD）：总损耗控制在 3% - 5%。
新产线/新工艺（如半固态）：初期损耗可能高达 10% - 15%。

#

3. 旗舰电芯背后的质量成本 (COQ)#

回到我们开篇提到的旗舰电芯，它们之所以贵，不仅仅是因为材料好，更是因为“难造”导致的质量成本高企。

刀片电池的痛点：那片近 1 米长的极片，在辊压和搬运时极易出现荷叶边 (Wavy Edge)。一旦对齐度 (Alignment) 超差，就会导致严重的析锂风险。为了保证安全，必须收紧公差，这往往意味着更高的报废率。
麒麟电池的痛点：由于集成了复杂的水冷板和弹性夹层，装配工序的复杂度倍增。只要有一个焊接点泄漏，整个 Pack 就得返工甚至报废。这就是“集成度”带来的双刃剑。

4. 给员工的思考：Six Sigma 的价值#

作为工艺技术人员，我们的价值在哪里？

我们不是在决定用 NCM811 还是 LFP（那是研发的事），我们的战场在于：

减少变异 (Variation Reduction): 让涂布密度的 CPK 从 1.0 提升到 1.67，减少切除浪费。
提升检出 (Detection): 在电芯封装前把不良品挑出来，总比做成成品后再报废要省钱得多（1:10:100 法则）。

【小结】

设计决定了成本的下限，而制造工艺和质量管理决定了成本的上限。

当我们羡慕宁德时代的利润率时，不要只看它的客户是谁，更要看它那是如何把损耗抠到小数点后两位的极致制造能力。

05. 结语：不仅要做“算账”的高手，更要做“破局”的专家

洋洋洒洒写了这么多，其实千言万语汇成一句话：锂电池行业没有秘密，只有对基本功的极致打磨。

当我们把麒麟、刀片、4680 拆解到最底层的材料和结构时，你会发现它们并没有用什么外星科技。它们只是在能量密度、安全性、成本、制造性这四个维度的“不可能三角”中，各自做出了最精彩的取舍。

对于各位技术同仁来说，掌握 1 GWh 的成本测算只是第一步。

知道“正极用了多少吨”是会计思维；
知道“为什么多用了 5% 的正极还能保证盈利”是工程思维；
知道“如何通过工艺改进把这 5% 变成 1%”才是我们追求的制造美学。

希望这份《旗舰电芯对标与成本测算指南》，能成为大家案头常备的参考资料。无论是做内部培训，还是做竞品分析，都能做到心中有数，眼里有光。

🎁 粉丝专属福利#

为了方便大家直接使用文中的逻辑，我利用业余时间将本文涉及的计算公式整理成了一个可编辑的 Excel 模型工具包：

包含内容：
[计算器] 1 GWh 材料用量自动测算表（输入良率/损耗即可自动跳动）
[数据库] 主流旗舰电芯（麒麟/刀片/4680）详细参数对比库。
[数据库] 不同结构参数、成本对比
[数据库] 不同材料参数、成本对比
[图表] 液态 vs. 半固态 BOM 成本结构饼图源数据。

如果这篇文章对你有帮助，请点击右下角的“在看”和“点赞”

哪怕是造电池，我们也要做那个最懂数据的工程师。下周六答疑见！

推荐阅读