微软正在把AI伸进固态电池最耗时的材料研发环节。

近日，欧洲专利局公开微软技术许可有限责任公司一件“具有增强固体电解质的固态电池”欧洲专利申请，核心材料为NaₓLi₃₋ₓYCl₆（0＜x＜3），是一类同时含钠、锂的卤化物固体电解质，可用于固态锂电池、钠电池等体系。

这项材料并非从传统实验室逐一试错得到，而是从超过3200万种候选材料中“算”出来的。

2024年，微软联合美国能源部西北太平洋国家实验室（PNNL），利用Azure Quantum Elements、机器学习和高性能计算，在不到80小时内筛选超过3200万种无机材料，将候选范围先缩小至约50万种稳定材料，再进一步筛至18种潜在固态电解质。

PNNL随后完成候选材料的合成和测试。从计算筛选到做出电池概念验证，整个周期不到9个月。

围绕这一材料，微软的专利布局也并非只有一件。

其一项美国申请直接保护NaₓLi₃₋ₓYCl₆材料本身及其制造方法，另一项则进一步覆盖采用该电解质的固态锂电池、固态钠电池及制造方法，相当于从“材料”延伸至“电池应用”建立两层知识产权保护。

不过，这种材料距离真正实用还有明显距离。

以Na₂LiYCl₆为例，其在100℃下的离子电导率约为2.2×10⁻⁶ S/cm，虽然较母体Na₃YCl₆提升超过两个数量级，但仍明显低于高性能固态电解质通常追求的室温10⁻⁴—10⁻³ S/cm水平。

微软专利披露的部分循环及界面稳定性内容也属于预期实施例，尚不能视为完整电芯验证。

因此，这项专利真正值得关注的并非微软找到了一种可以立即量产的固态电解质，而是其已经跑通“AI筛选—计算验证—实验合成—电池验证—专利保护”的链条。

而且微软还在继续往前走。

2025年，微软推出材料生成模型MatterGen，研发逻辑从“在已有材料里筛”进一步走向inverse design，即按照目标性能反向生成候选晶体；2026年，微软与耶鲁大学推进CLIO项目，又开始让AI提出材料方案、实验室验证、实验结果返回模型，再自动生成下一轮方案。

微软近三年的路径由此逐渐清晰：

筛材料→生成材料→做实验→根据实验结果继续设计材料。

对固态电池行业而言，这可能比某一种Na-Li卤化物电解质本身更加重要。

AI还没有直接解决固态电池的材料难题，但它正在明显压缩寻找答案所需要的时间。