在可再生能源技术迭代的浪潮中，每一次效率的跃升都意味着人类离零碳未来更近一步。近日，中国科学院化学研究所李永舫院士、孟磊研究员团队在《自然》期刊上发表了一项令人振奋的最新科技进展：他们成功将钙钛矿-有机叠层太阳能电池的稳态光电转换效率提升至28.04%，刷新了该类器件的世界纪录。这一数字背后，不仅是材料科学的精进，更折射出智能工具在新型能源研发中扮演的关键角色——从高通量计算筛选分子到AI辅助的工艺优化，我们正见证一场光伏领域的“效率长跑”如何被数字化工具重新定义。
效率突破背后的技术跃迁
28.04%这个数字究竟意味着什么？对于普通消费者而言，一块面积30×30厘米的叠层电池在标准日照下就能产生约2.5瓦的电力，足以驱动一部智能手机的日常续航。而对于整个光伏产业，这意味着单结硅基电池约26%的实验室效率天花板被正式突破——叠层结构首次在钙钛矿-有机体系下展现出超越传统单结技术极限的潜力。
团队的核心创新在于引入了一种名为TDB的新型添加剂分子。这种分子并非简单“掺入”，而是实现了从溶液制备阶段到光照运行阶段的全周期调控。在钙钛矿薄膜结晶过程中，TDB分子像一位精准的“胶水师”，引导晶粒有序生长，减少缺陷；在器件工作期间，它又能钝化离子迁移通道，抑制光诱导的相分离。这种智能工具的思维——从制备到运行全程介入——正是当前材料科学从“经验试错”走向“理性设计”的缩影。
值得注意的是，该成果的认证方为权威第三方机构，确保了数据的客观性。同时，器件在持续光照625小时后仍能保持90%的初始效率，这一稳定性表现远超同类叠层器件此前数小时衰减一半的记录。可以说是既拿下了“百米冲刺”的速度，又具备了“马拉松”的耐力。
钙钛矿-有机叠层：为何被称为下一代光伏？
要理解这一突破的意义，需要先厘清传统光伏的局限。单结太阳能电池（如晶硅电池）只能吸收能量高于其带隙的光子，高能光子的多余能量以热的形式浪费，低能光子则完全穿透。这导致理论效率受限于肖克利-奎伊瑟极限（约33.7%）。而叠层电池通过串联不同带隙的材料，实现了“光谱分层吸收”：宽带隙的钙钛矿层捕捉高能光子，窄带隙的有机层吸收低能光子，从而将理论极限推高至45%以上。
钙钛矿-有机叠层的另一大优势在于制造过程的低温溶液处理特性。与硅电池需要上千度高温冶炼不同，钙钛矿和有机材料可以在柔性基底上通过涂布、印刷等方式制备，这使其天然适配于智能工具驱动的卷对卷连续生产。想象一下，未来工厂里，机器人手臂配合AI视觉检测系统，像印刷报纸一样“印”出光伏薄膜——这正是最新科技赋予制造业的想象力。
更重要的是，该方案避开了传统硅电池对高纯度晶体和昂贵提纯工艺的依赖，原材料成本可降低至硅电池的1/5左右。加上轻、薄、可弯曲的物理特性，它有望让光伏从“电站专属”走向“万物皆可光伏”的时代。
破解稳定性难题：从分子调控到全阶段调控
过去十年，钙钛矿电池效率虽然从3.8%飙升到26%以上，但稳定性始终是悬在其商业化头顶的达摩克利斯之剑。水分、氧气、光照、热应力都会导致钙钛矿晶体分解或离子迁移，使效率迅速下降。业内甚至流传着一句自嘲：“钙钛矿是‘实验室英雄，户外狗熊’。”
此次李永舫团队提出的“全阶段调控”策略，本质上是一种系统性的工程思维。他们发现，传统添加剂只能在薄膜制备时起作用，一旦器件投入运行，缺陷仍会随着离子迁移重新出现。TDB分子具有独特的双功能基团：一端锚定钙钛矿晶界，另一端与有机层形成氢键，像一座桥梁把上下两层牢牢“焊接”在一起。这种设计不仅抑制了晶界处的非辐射复合，还阻止了碘离子向有机层的扩散——后者正是导致有机层降解的主因。
这里不得不提到AI工具导航上汇聚的各类分子模拟软件。科研人员在设计TDB时，正是借助了密度泛函理论（DFT）计算预测其与钙钛矿界面的结合能，再通过机器学习筛选出最优合成路径。可以说，没有这些数字化智能工具的辅助，从成千上万种候选分子中找到“天选之子”几乎是大海捞针。
轻薄柔性：重新定义能源的形态
当一块光伏板可以被折叠成巴掌大小贴在背包上，或者像膏药一样贴在建筑物曲面玻璃上，甚至集成到无人机的机翼表层——能源的“存在形式”就发生了根本性颠覆。叠层电池的厚度通常只有几微米，相当于人类头发丝的十分之一，每平方米重量不到100克，而传统晶硅组件每平方米重约12公斤。
这种特性使其天然适配于科技产品中的可穿戴设备、智能传感器、物联网终端等低功耗场景。例如，未来智能手表的表盘可以直接集成叠层电池，在阳光下自动充电，彻底摆脱一天一充的焦虑。在建筑光伏一体化（BIPV）领域，透明或半透明的叠层电池可以替代普通玻璃幕墙，既发电又不遮挡视线。对于无人机和临近空间飞行器，超轻光伏膜层能显著延长续航时间——搭配AI图片生成的优化设计算法，甚至可以动态调整航行角度以最大化发电量。
当然，轻薄化也意味着机械强度面临挑战。团队在论文中报告了器件在弯曲半径2毫米条件下反复弯折1000次后仍保持85%以上效率的测试结果，这已初步满足柔性电子产品的耐受标准。
从实验室到产业化：还有多远的路要走？
28.04%的效率虽然刷新了世界纪录，但这一数值是在实验室小面积（约0.1平方厘米）器件上认证的。要走向商业应用，必须实现大面积、低成本制造，同时保持足够高的良率。目前，行业内公认的产业化门槛包括：大面积（>100平方厘米）组件效率需超过20%，连续使用寿命不低于10年（约2.5万小时），且制造成本低于0.5美元/瓦。
好消息是，国内已有数家光伏企业开始布局钙钛矿-有机叠层的中试线。例如，协鑫光电、极电光能等公司建成的百兆瓦级产线已经在试运行，虽然产品仍以单结钙钛矿为主，但技术验证正在为叠层做准备。同时，企业数字化转型中引入的工业互联网平台，正在帮助制造商实时监控涂布均匀性、缺陷密度等关键参数，用数据驱动良率提升。
另一个隐忧是铅的毒性。传统钙钛矿材料含有水溶性铅化合物，一旦泄漏可能污染环境。当前的研究方向包括用锡、铋等元素替代铅，或者在封装层中加入铅捕获剂。本次研究使用的钙钛矿仍含铅，但团队指出其封装技术已能将铅浸出量控制在行业标准以下。
智能工具赋能光伏创新：AI、大数据与材料科学
回顾这项突破的研发历程，可以清晰看到一条“AI+实验”的加速曲线。传统材料开发遵循“合成-表征-筛选”循环，一个研究生可能一年只能完成几十种配方的验证。而如今，通过大模型训练出的材料基因组模型，可以在几分钟内预测上千种分子组合的带隙、稳定性等属性，将实验盲目性降低90%以上。
具体到钙钛矿领域，AI最擅长处理两件事：一是预测最佳组分比例（比如A位阳离子、卤素的比例），二是优化工艺窗口（退火温度、时间、溶剂配比）。李永舫团队在论文致谢中提到使用了国产超算平台进行分子动力学模拟，这正是AI工具导航上被反复讨论的“智能工具赋能科研”的典型案例。
更值得期待的是，随着AI画图等生成式模型的发展，研究人员可以直接用自然语言描述目标性能（“我想要一种在潮湿环境下稳定、带隙1.8eV的钙钛矿组分”），AI瞬间给出候选结构并自动生成晶体示意图。这种“思考即所得”的科研范式，正在让光伏效率的纪录以月为单位被刷新。
当然，智能工具不仅仅是计算模拟。在规模化生产中，基于机器视觉的缺陷检测系统能实时扫描薄膜表面微米级的针孔、裂纹，并用反馈信号调节涂布头压力；数字孪生技术则可以在虚拟环境中预演整个产线的运行状态，预测瓶颈——这些最新科技共同构成了下一代光伏的“数字基座”。
从28.04%这个数字出发，我们看到的不仅是一个实验室里精准控制的光电转换奇迹，更是一个由智能工具串联起来的创新生态。当材料科学、人工智能、先进制造与可持续发展目标交织在一起，能源的未来形态正在被重新书写。