从燃烧到电流

写在前面

你上一次坐进一辆燃油车，踩下油门是什么感觉？

发动机转速上去的那个过程有一种独特的质感。不只是声音，而是声音和推背感之间的时间差。发动机在你的脚踝和车轮之间有一个延迟，像是在问你”你确定吗”，然后才把力量推出来。转速表的指针扫过四千转、五千转，声音在某个点变硬、变粗，推力涌上来。这个过程有一种体感上的层次感，有热、有震动、有机械在运转的那种存在感。

然后你去试一辆纯电动车。踩下油门的瞬间什么都没有。没有声音，没有延迟，没有转速表往上爬的过程，就是一股沉默的力量从静止把你推出去。第一次遇到这种体感的人几乎都有同一个反应：这东西好像不对劲，像是物理上少了什么东西。

这种”少了什么”的感觉是真实的。电动车确实少了很多东西，多达几千个零件。但它同时也多了一些东西，一种更直接的、没有中间环节的物理过程。

这篇文章回答三件事：

1. 内燃机到底在干什么，从气缸里的气体膨胀开始，每一个设计背后都有一个热力学约束在驱动它；
2. 电动车为什么在物理上优于内燃机，以及电池为什么是唯一真正卡住电动车的瓶颈；
3. 自动驾驶的感知物理，激光雷达和摄像头之争不是纯粹的技术路线争论，是两种不同的物理原理在工程上的权衡。

写这些不是为了成为汽车工程师，而是为了当你下次踩下油门（无论是燃油还是电动）能把那股推背感接到一个更大的坐标系上。电动车的崛起不只是”车变好了”，是一次底层物理原理的更换。这和当年蒸汽机被内燃机替代的逻辑完全一样，只是这次发生在你这一代人的眼前。

---

一、内燃机到底在干什么

四冲程：气缸里发生的事

内燃机（internal combustion engine）的核心发明只有一句话：把燃料的化学能在封闭空间里转换成气体膨胀的机械能，再把这个膨胀力变成旋转运动。

实现这个过程的最成熟方案是四冲程循环，四个依次发生的活塞动作：

第一冲程（进气）：活塞向下运动，进气阀打开，空气（汽油机）或空气（柴油机）被吸入气缸。这个”向下”的运动由飞轮的惯性或其他气缸的膨胀冲程带动。

第二冲程（压缩）：进气阀关闭，活塞向上运动，气缸内气体被压缩。汽油机在压缩末期通过火花塞点火，柴油机靠压缩后的高温自燃。这个冲程是消耗功（外部对气体做功），气体温度和压力急剧上升。

第三冲程（做功）：这是唯一一个气体对活塞做功的冲程。点火后燃气迅速膨胀，推动活塞向下，这个力通过连杆转变成曲轴的旋转扭矩。四冲程里只有这一个冲程在”产生动力”。

第四冲程（排气）：排气阀打开，活塞向上把废气推出气缸。然后进气阀再次打开，进入下一个循环。

你踩下油门时，节气门（throttle）开得更大，每次进气的空气量更多，喷油嘴喷入的燃油量也增加，每次做功冲程的爆发更猛，输出扭矩更大，推背感更强。发动机转速和油门踏板之间的连接，就是这个充气量的控制。

补一段：Otto循环的热力学

汽油机的工作循环在热力学上叫奥托循环（Otto cycle），以1876年获得专利的德国工程师尼古拉斯·奥古斯特·奥托（Nikolaus August Otto）命名。这个循环由四个热力学过程组成：

过程1-2（等熵压缩）：活塞向上，气体被绝热（没有热量交换）压缩，温度和压力上升，遵循等熵关系 T₂/T₁ = (V₁/V₂)^(γ-1)，γ是比热比（对空气约为1.4）。

过程2-3（等容加热）：点火燃烧，体积近似不变，大量热量Q_in被快速释放，温度压力急剧跃升。这是化学能转换为热能的瞬间。

过程3-4（等熵膨胀）：高温高压燃气推动活塞向下做功，绝热膨胀，温度压力下降。这是热能转换为机械能的过程。

过程4-1（等容冷却）：排气阀打开，废热Q_out排出，系统”复位”。在理想化处理里视为等容散热。

Otto循环的理论热效率公式是：η = 1 - 1/r^(γ-1)，其中r是压缩比（进气体积/压缩后体积），γ≈1.35（真实混合气体）。

以压缩比10:1计算：η = 1 - 1/10^(0.35) = 1 - 1/2.24 ≈ 55%。

但这是理想循环的理论效率，真实发动机要损失约一半：摩擦损耗（活塞、轴承、凸轮轴）约5-8%，传热损耗（气缸壁散热）约10-15%，泵气损耗（进排气的流动阻力）约5-7%，不完全燃烧约3-5%。叠加所有损耗后，实际热效率约25-38%。

压缩比不能无限提高。汽油在过高压缩比下会在火花点火前自燃，产生”爆震（knocking）“，即气体在不该燃烧的时候燃烧，冲击波反向打活塞，轻则损失功率，重则损坏发动机。汽油的辛烷值（octane number）就是表征其抗爆震能力的指标，普通汽油92号、高标汽油95号、98号，数字越高越耐爆震，允许使用更高压缩比，因此效率潜力更高。

补一段：柴油机为什么效率更高

柴油机（diesel engine）采用的是狄塞尔循环（Diesel cycle），以1893年获得专利的德国工程师鲁道夫·狄塞尔（Rudolf Diesel）命名。柴油机和汽油机的本质区别只有一个：点火方式不同。

柴油机不用火花塞。它先把空气单独吸入气缸，压缩到极高压力（约35-50个大气压，温度达到550-700℃），然后再喷入柴油。柴油与高温高压空气接触后自燃，过程接近等压燃烧（而不是汽油机的等容燃烧）。

因为不需要火花塞点火，柴油机不存在”爆震”这个限制，压缩比越高越好，只要机械结构能扛住。柴油机的压缩比通常是16:1到23:1，而汽油机是8:1到13:1。根据η = 1 - 1/r^(γ-1)，更高的压缩比直接带来更高的理论效率。

效果：柴油机实际热效率35-45%，汽油机25-38%。差距约10个百分点，这在内燃机领域是非常显著的差异。

代价是：柴油的分子量更大，燃烧需要更长的时间，转速（RPM）上不去，所以柴油车的最高转速通常只有3000-4500转，而汽油机可以到6000-8000转。低转速就意味着低功率密度（单位排量功率），这是为什么柴油发动机多用于卡车、公交、重型机械，而不是运动汽车。

还有一个副作用：柴油在高压喷射下燃烧会产生碳烟微粒（PM2.5）和氮氧化物（NOx），这是柴油车排放标准越来越严格的物理根源。解决方案是颗粒捕捉过滤器（DPF）和选择性催化还原（SCR）系统，但这又增加了重量和维护成本。2015年大众”排放门”事件（Dieselgate）的本质，就是柴油机在真实驾驶条件下很难同时满足NOx排放标准和燃油经济性。大众选择了用软件在检测时造假。

卡诺定理的诅咒

不管发动机工程师做出多大努力，内燃机都过不了一个效率上限。这不是工程问题，是热力学第二定律。

1824年，法国物理学家萨迪·卡诺（Sadi Carnot）在一篇只有118页的论文里证明了：任何在高温热源和低温冷源之间工作的热机，其理论最大效率由两个温度决定：

η_Carnot = 1 - T_cold / T_hot（温度必须用开尔文计量，K = ℃ + 273）

这个定律有一个不容商量的含义：效率永远小于1，只要冷源温度不是绝对零度。

对于汽油发动机：燃气温度约1800-2500K（燃烧室最高温度），废气排出温度约600-800K。理论卡诺效率上限 = 1 - 700/2000 = 65%。实际效率25-38%，是理论极限的约40-60%。

表面上看，工程上似乎还有”潜力”，如果能让实际效率更接近理论极限呢？

问题在于理论极限本身就受到限制。提高效率的途径只有两个：要么提高燃烧温度，要么降低排气温度。燃烧温度受限于材料（气缸壁、活塞、气门能承受的最高温度，约300-500℃，超过就软化变形），排气温度受限于涡轮增压回收技术（已经有阿特金森循环、米勒循环等方案在充分利用）。当前最顶尖的量产汽油发动机（如马自达SkyActiv-X）热效率约42-43%，已经相当接近工程上的实际极限。

这是一条真实存在的物理红线。本田、丰田、梅赛德斯的工程师们每年花几十亿美元的研发预算，整体效率的提升也只是在这条红线下方的几个百分点里挣扎。他们没有失败，是热力学让这场游戏规则如此。

汽车工业一百多年的发展史，一半是在和这条热力学红线的博弈里挤出每一个百分点的效率改进。

变速箱为什么存在

把热力学讲完，来看一个看起来更机械的问题：为什么内燃机需要变速箱，而电动车通常不需要？

答案在两条扭矩曲线的对比上。

内燃机的扭矩（torque，单位N·m）不是在所有转速下都相同的。它在特定转速区间（通常2000-4000转附近）达到峰值，低转速时扭矩很小（因为进气量不足），高转速时扭矩也开始下降（进排气流动阻力增大），超过红线区域（通常6000-8000转）就会损坏发动机。这是内燃机的”最佳效率岛”，即一个特定转速和负荷组合的区域，效率最高、扭矩最大。

但驾驶需要的扭矩模式完全不同：起步时需要极大扭矩（克服静止摩擦和加速惯性），高速巡航时需要很小扭矩（只需要克服空气阻力和滚动阻力）。这两种需求在内燃机的扭矩曲线上几乎是相反的方向。

变速箱（transmission）就是一个”翻译器”。它在内燃机输出轴和驱动轮之间插入一组齿轮，通过改变传动比（齿轮比），把内燃机的输出特性”翻译”成车轮需要的特性：

• 低速档（低传动比）：发动机较少转数就能让车轮产生大扭矩，适合起步和爬坡
• 高速档（高传动比）：发动机维持高转速，车轮以更高速度但更小扭矩运转，适合高速巡航

手动变速箱靠驾驶员判断换档时机；自动变速箱（AT）用液力变矩器（torque converter）自动调节；双离合变速箱（DCT）用两组离合器交替预挂下一档，换档更快更平顺；无级变速箱（CVT）靠可变直径带轮实现连续传动比变化，让发动机始终工作在最佳效率区间。

电动车为什么通常不需要变速箱？因为电机的扭矩曲线天然就是内燃机用变速箱想达到的目标：从零转速开始就能输出接近最大扭矩，随着转速升高扭矩缓慢下降，在很宽的转速范围内都能维持较高效率。

电机的这个特性来自电磁学：当电流通过处于磁场中的导体时，产生的安培力（F = BIL）在低速时就能做功，不需要”预热”到某个转速范围。电动车直接把电机轴和驱动轮连接（通常只用一个固定速比的减速齿轮组），完全跳过了变速箱的复杂机构，这也是电动车传动系统结构简单得多的原因之一。

---

二、电动车的物理学

电机在效率上的绝对优势

如果只看一个数字来理解电动车为什么”物理上更好”，看这个：

内燃机的能量转换效率：25-43%。电机的能量转换效率：90-97%。

这不是工程差距，是物理原理层面的差距。

内燃机的效率低，是因为它绕了一大圈：化学能（燃烧）→ 热能（高温高压气体）→ 机械能（活塞运动）→ 旋转运动（曲轴）。中间每一次能量形式的转换都有不可避免的热力学损耗，而热力学第二定律保证了其中的热能转机械能这一步永远有理论上限。

电机的工作原理完全不同：电流在磁场中受到安培力（Lorentz force），电能直接转换为机械能，不经过热能这个中间环节，没有卡诺效率的限制。损耗只来自导线电阻发热（铜损）和铁芯中的涡流损耗（铁损），这两项都可以通过工程手段压到很低。

效率对比意味着什么？假设你有100焦耳的能量储备：

• 内燃机：约30焦耳用于驱动，70焦耳变成热量排进大气；
• 电动机：约93焦耳用于驱动，7焦耳以热量损失；

这个效率差距，加上再生制动能回收一部分动能（下文详述），是电动车百公里电耗（约15-20度电）比燃油车百公里油耗（约6-12升，热值折算约54-108度电当量）更经济的根本原因。

除了效率，电机还有三个对汽车来说重要的物理特性：

**第一，扭矩在零转速就能满载输出。**这是为什么电动车”起步猛”，不是因为功率特别大，而是因为扭矩到得早。Model 3 Performance百公里加速3.3秒，发动机功率并不比同价位燃油跑车更大，但从静止开始的扭矩输出是燃油车无法比拟的。

**第二，结构极简，运动部件少。**一台四缸汽油发动机有400多个运动零件：活塞、连杆、曲轴、凸轮轴、气门弹簧、正时链条、皮带轮、水泵……一台电机只有一个运动部分：转子（rotor）在定子（stator）磁场里旋转。运动部件少直接意味着：更少的摩擦损耗、更少的故障点、更低的维护成本、更长的使用寿命。燃油车一般建议每5000-10000公里更换机油，电动车的”机油”根本不存在。

**第三，再生制动（regenerative braking）回收动能。**这是内燃机汽车完全没有的功能。燃油车减速时，动能全部通过刹车片摩擦变成热量，散到空气里，永久损失。电动车减速时，驱动电机反转工作为发电机，把车辆的动能转换回电能，存入电池。这部分能量在城市工况（频繁加减速）中可以回收约10-25%的行驶能耗，这也是为什么电动车在城市道路（大量刹车）的能耗表现优于高速公路（较少刹车），和燃油车正好相反（燃油车高速效率更高，因为内燃机在高速巡航时工作在接近最佳效率区间）。

补一段：永磁同步电机和感应异步电机的区别

电动车里主要用两种电机，选哪种不只是技术问题，背后连着材料供应链和地缘政治。

永磁同步电机（PMSM, Permanent Magnet Synchronous Motor）：转子上嵌入永磁体（通常是钕铁硼NdFeB稀土永磁体），磁场由永磁体提供，不需要额外的励磁电流。优点是效率高（可达95-97%）、功率密度高（同等重量能输出更大功率）、体积紧凑。比亚迪、小鹏大多数车型，以及特斯拉Model 3的后轴电机，均采用PMSM。

感应异步电机（IM, Induction Motor）：转子是铸铝导体笼（不含永磁体），靠定子交变磁场在转子里感应出电流，感应电流再与磁场相互作用产生扭矩。效率略低于PMSM（约90-93%），功率密度稍低，但结构更简单（转子没有任何磁性材料，制造成本低），高速运行时电磁干扰更少，也不存在高温退磁风险。特斯拉Model 3的前轴电机用IM，Model S/X全系用IM（这是马斯克的一个刻意选择，特斯拉的很多技术方向和行业主流刻意不同）。

选哪种的关键权衡：PMSM需要钕铁硼稀土永磁体。钕（Nd）和铁（Fe）本身不稀缺，问题是硼（B）不是关键原材料，真正的关键是稀土分离加工的能力。中国控制全球约60%的稀土采矿产量，更重要的是控制约90%的稀土冶炼加工能力，即便原矿在其他国家开采，最终的永磁体材料加工几乎必须经过中国。

这意味着：一台依赖PMSM的电动汽车，其核心部件在供应链上有一个中国节点。这个逻辑同样适用于工业机器人（也大量使用稀土永磁电机）。

这不是说PMSM是坏的选择，在效率和功率密度上它确实更好。但这是理解电动车（和机器人）供应链脆弱性的一个关键节点：你买一辆比亚迪或者特斯拉，你的驱动系统里有多少是中国稀土加工能力的体现？

电池才是唯一的真实瓶颈

电机效率够高了，95%的效率几乎没有提升空间了。充电基础设施在全球快速铺设。电控系统（BMS、逆变器）已经成熟。

电动车真正的瓶颈只剩一个：电池。

三个维度同时卡住：

能量密度不够高。当前最好的商用锂离子电池能量密度约250-300 Wh/kg（电芯级别），折算成整包级别约160-200 Wh/kg。而汽油的能量密度约12,000 Wh/kg，是电池的40-60倍。即便考虑到电动系统效率（90%+）远高于内燃机（30%），有效能量密度的差距仍然在10-20倍。这个差距解释了为什么同等重量的能量来源，汽油车续航明显更长；也解释了为什么电池是电动车中最重的单一部件（一辆Model 3的电池包约480-500公斤，占整车重量的约30%）。

充电速度有物理上限。给电池充电本质上是把锂离子从正极推回负极（见下一节详述），这个电化学过程有速度限制：电流太大，锂离子在负极的嵌入速度跟不上，会在负极表面析出金属锂（锂枝晶），造成不可逆容量损失，严重时穿透隔膜引发短路。液冷热管理系统能带走更多热量，让快充更安全，但最终受限于电化学动力学。目前最快的量产充电方案（800V高压平台）在理论上可以做到”充5分钟续航150-200公里”，但这是相当极限的工况，需要同时满足：电池本身支持高倍率充电、充电桩功率足够大（500kW以上）、电池温度在理想区间内。

成本仍然偏高。2023年全球平均电池包成本约139美元/kWh，比2013年的732美元/kWh下降了约80%，但对于整车成本的贡献仍然是30-40%。一辆续航500km的电动车需要约75-85度电的电池包，按当前成本约10000-12000美元只是电池，这是燃油车同级别没有的成本。

这三个瓶颈背后都指向同一个问题：电池的物理化学原理。

---

三、电池化学

锂离子电池在做的一件事

1991年，索尼（Sony）商业化了第一款锂离子电池，把它用在摄像机里。这个决定影响了随后三十年的消费电子、电动车、储能产业的轨迹。

锂离子电池的工作原理从本质上说只有一件事：锂离子（Li⁺）在正极和负极之间来回移动。

充电时：外部电源提供电压，强迫锂离子从正极材料的晶格结构里脱出（正极”失锂”），穿越电解液，通过多孔隔膜（separator），嵌入负极材料（通常是石墨的层状结构）的间隙中（负极”嵌锂”）。同时，等量的电子从外部电路从负极流向正极，构成充电电流。

放电时：锂离子从负极材料的晶格里重新脱出，穿越电解液，嵌回正极；电子通过外部电路从负极经过负载（电机）流向正极，构成放电电流。这个电子流就是驱动电机的电能。

把这个机制想象成一个锂离子的”往返摆渡”：正极是出发港，负极是目的港，电解液是运河，隔膜是水闸（只让离子通过，不让电子通过，因为电子必须走外部电路做功），充电是把旅客从正极送去负极，放电是旅客自己回来。

电池的容量（Ah，安时）取决于正负极材料能容纳多少锂离子；电压（V）取决于正负极材料的电化学电位差。能量 = 容量 × 电压（Wh），所以能量密度的提升必须从这两个方向入手。

补一段：能量密度的电化学天花板

为什么电池的能量密度比汽油低那么多，且进步如此缓慢？这个问题有一个精确的电化学答案。

电池的质量能量密度（Wh/kg）= 电压（V）× 容量（Ah/kg）。这两个数字都有化学上的约束。

电压由正负极材料的电化学电位差决定。石墨负极电位约0.1V（vs. Li⁺/Li标准电极电位），常见正极材料（LFP约3.2V，NCM约3.6-3.8V，NCA约3.6-3.7V）。实际电池工作电压约3.2-3.7V。再往上提高电压需要寻找电化学电位更高的正极材料，但候选材料要么不稳定（会和电解液反应），要么没有锂可以嵌入/脱出，要么需要的稀有元素太多。锂硫（Li-S）电池理论电压2.1V但容量极高，锂空气（Li-air）电池理论能量密度极高但循环寿命极差，这些”下一代”方案每隔几年都会有新的研究进展，但距离商业化都还有若干年。

容量由单位质量正极材料能脱出/嵌入多少锂离子决定，单位mAh/g。LFP的理论容量约170 mAh/g，NCM811约200 mAh/g，金属锂负极的理论容量是3860 mAh/g（是石墨的约10倍！），这是为什么固态电池和锂金属负极的组合被认为是能量密度突破的关键路径，但锂枝晶问题让金属锂负极在液态电解质中无法安全使用（下文固态电池节详述）。

汽油的能量密度为什么高那么多：汽油（辛烷 C₈H₁₈）的化学键能非常密集，每个碳氢键被氧化时释放的能量约800 kJ/mol，而一升汽油重约0.72kg，含有大约15克氢和84克碳，总化学能约34 MJ/kg（=约9500 Wh/kg）。更重要的是，汽油本身只是”燃料”，氧化剂（氧气）来自外部大气，不需要携带。电池不同：正极、负极、电解液都必须全部装在电池里，正极里的氧化剂（过渡金属氧化物）也是重量的一部分。

这个”必须随身携带所有反应物”的原则，是锂离子电池能量密度受限的根本物理原因。唯一突破这个限制的路径是锂空气电池（负极用金属锂，正极用空气中的氧气），理论能量密度接近汽油，但反应产物（Li₂O₂）的问题让循环寿命极差。目前全球有数十个研究组在推进这条路线，没有人能准确预言何时到达。

磷酸铁锂和三元锂的选择题

当前电动车电池市场上，正极材料的竞争基本集中在两种路线：磷酸铁锂（LFP）和三元锂（NCM/NCA）。理解这两条路线的差异，既是理解材料物理，也是理解一个供应链地缘政治的故事。

维度	磷酸铁锂（LFP）	三元锂（NCM/NCA）
正极化学式	LiFePO₄	LiNixCoyMnzO₂ / LiNixCoyAlzO₂
电芯能量密度	180-220 Wh/kg	240-300 Wh/kg
电池包能量密度（整包）	140-170 Wh/kg	180-240 Wh/kg
热稳定性（热失控温度）	约500-700℃	约200-250℃
循环寿命	3000-5000次	1000-2000次
成本（$/kWh，2023年）	约90-100	约130-150
关键材料	锂、铁、磷（磷广泛存在，不稀缺）	锂、镍、钴、锰（钴尤其稀缺）
低温性能（-20℃衰减）	容量衰减约30-40%	容量衰减约15-25%
代表应用	比亚迪（刀片电池）、特斯拉标准续航版	特斯拉长续航版、宝马iX、奔驰EQS

热稳定性是安全性的核心指标。NCM正极在约200-250℃时会发生热分解，释放氧气，氧气和可燃有机电解液接触后引发热失控（thermal runaway），俗称”电池自燃”。LFP正极在约500-700℃才分解，安全窗口大得多，这是”刀片电池”通过针刺测试不起火的物理基础。

补一段：中国为什么押对了磷酸铁锂

2015年前后，全球电池行业的主流判断是”三元是未来”。逻辑非常清晰：三元锂能量密度更高，消费者能接受的续航里程更长，而中国政府的新能源补贴政策明确按能量密度分级，能量密度低于某个阈值的电池包不享受全额补贴。政策引导叠加市场需求，让几乎所有中国电池企业都在加速向三元转型。

但比亚迪在这个时间点仍然在做LFP。他们的工程判断是：LFP安全性更好、循环寿命更长、成本更低，能量密度差距是个工程问题而不是化学问题。

2020年，比亚迪发布”刀片电池”（Blade Battery）。核心创新不在化学，而在结构：CTP（cell to pack）技术，把电芯直接装进电池包，去掉了传统的”模组”中间层（通常模组外壳要占电池包体积的约20-30%）。刀片电芯本身做成扁长形，像刀片一样紧密排列，将LFP电池包的体积利用率从约40%提升到60%以上，整包能量密度从原来的约130 Wh/kg提升到约140-160 Wh/kg，几乎追平了当时三元方案的整包密度。

这个创新证明了：化学层面的能量密度劣势，可以被结构设计部分抵消。更重要的是，它重新校准了行业对”能量密度”的竞争框架：从”电芯能量密度”转移到”电池包有效能量密度”。比亚迪的刀片电池上市后，宁德时代、LG、松下相继推出自己的CTP方案。

这个选择背后有一个资源逻辑，值得单独说。三元锂（NCM）里的”C”是钴（Cobalt）。钴主要产自刚果民主共和国（约占全球70%），是地缘政治风险最高的电池原材料之一。2018年钴价格一度达到约95,000美元/吨，之后虽然回落，但供应链集中度带来的风险始终存在。镍（Ni）主要产自印尼（约40%全球份额）和菲律宾，中国对这两种金属的定价权有限。

LFP里没有钴，没有镍。磷酸铁的原材料磷和铁在中国都有充足储量和成熟加工产业。锂虽然主要来自南美（阿根廷、智利、玻利维亚的锂三角）和澳大利亚，但中国在锂加工提炼环节有极强的控制力（全球约65%的锂加工在中国完成）。

押LFP路线，让中国电动车产业在材料供应链上的自主程度，远高于押三元路线的情形。这不是技术路线选择，也不是商业决策，而是资源安全的战略布局。比亚迪或许没有完全按照这个逻辑一步步计算，但结果是一致的。

固态电池：下一个真实的台阶

当前锂离子电池的所有问题，追溯到根本，都源于液态电解质：

• 液态电解质是有机溶剂（通常是碳酸酯，如碳酸二甲酯），可燃。热失控和自燃的根源在这里；
• 液态电解质在低温下黏度上升，离子导电性下降，导致低温续航缩水；
• 金属锂负极（能量密度极高，见上文）在液态电解质中会形成锂枝晶（lithium dendrite），枝晶生长穿透隔膜引发短路，所以目前不能使用金属锂负极，只能用能量密度低一个数量级的石墨。

固态电池（solid-state battery）的想法简单：把液态电解质换成固态的。固态电解质不可燃（从根本上消除热失控风险）、对锂枝晶的物理抑制更强（固态材料能阻止枝晶穿透），而且可以兼容金属锂负极（因为枝晶生长被抑制），理论能量密度可达400-500 Wh/kg。

固态电解质的候选材料主要三大类：氧化物（如LLZO，石榴石结构锂镧锆氧化物）、硫化物（如LGPS，室温下离子导电率可达液态电解质水平）、聚合物（如PEO，柔性好但需要60-80℃才有足够导电性）。

问题在哪里？固态电解质和电极之间的界面接触极难处理。液态电解质的优势之一是它会自然润湿固体电极，充分接触。固态和固态之间的接触是点接触或面接触，充放电过程中电极体积变化（锂嵌入/脱出时体积变化约5-15%）会让固固界面产生裂纹、接触变差、内阻升高，导致循环寿命快速衰减。

全球正在推进固态电池的主要力量：

• 丰田（Toyota）：持有固态电池专利数量全球第一，2023年宣布已攻克部分关键问题，计划2027-2028年小批量搭载；
• 三星SDI：与Stellantis合作，目标2027年量产；
• QuantumScape（德国大众战略投资）：多层固态原型电池已展示，商业化时间表反复调整；
• 宁德时代（CATL）：2024年发布”凝聚态电池”（半固态），正极采用高镍NCM，能量密度约500 Wh/kg，已小批量量产用于航空；全固态电池预计2027年小批量、2030年前大规模；
• 比亚迪：较少公开披露时间表，但内部研发持续。

乐观预期是2027-2030年的小批量量产，悲观预期是2035年后才有规模化。争议的核心不是能否做到，而是做到商业量产时的成本是否能降到足够低（固态电解质的制造成本目前远高于液态电解质）。

---

四、自动驾驶的感知物理学

感知、决策、执行这三件事

自动驾驶（autonomous driving）从外部看是一个AI问题，从内部看是三个独立的工程问题串联在一起：

感知（perception）：车辆需要知道周围环境是什么。前方100米有一辆车，左侧有一个行人，右侧有一个路锥，正前方的红绿灯是绿色。这些信息从物理传感器的原始数据开始，经过处理才成为”可用的语义信息”。感知的物理极限决定了系统能”看到”多远、多精确、在什么天气条件下能工作。

决策（planning）：有了感知结果，车辆需要决定做什么。是跟随前车减速，还是变道超车？何时踩刹车，踩多少？这是AI算法的问题，也是”自动驾驶有多聪明”的问题。当前深度学习方案（神经网络端到端）和传统规则+地图方案（高精度地图+行为预测）之间的争论，就发生在这一层。

执行（control）：决定了做什么之后，控制系统向方向盘、油门、刹车发出指令并精确执行。这一层的技术已经相当成熟，线控转向（steer-by-wire）、电子稳定控制（ESC）、电子制动（EBS）都是十年前就量产的技术。

这三层里，执行层已经不是瓶颈；决策层是AI研究的主战场；感知层的物理极限是最经常被公众忽视、但工程上最基础的约束。

激光雷达和纯视觉之间的物理差异

自动驾驶感知方案之争的核心，是以下这个问题：要不要用激光雷达（LiDAR）？

这不是纯粹的技术路线争议，两种方案依赖不同的物理原理，各有不同的能力边界。

激光雷达（LiDAR, Light Detection and Ranging）的工作原理：发射激光脉冲（通常是近红外激光，905nm或1550nm波长），测量激光从发射到返回的飞行时间（Time of Flight, ToF），得到目标的距离信息。旋转扫描或固态相控阵扫描，得到周围环境的三维点云（point cloud）。

LiDAR的物理优势：不依赖环境光，黑暗中能正常工作；测距精度约±2-5厘米（在100米距离内）；能直接给出目标的三维几何形状，不需要算法推断深度。

LiDAR的局限：激光在雨、雪、浓雾中散射严重（水滴会强烈散射近红外激光），探测距离大幅缩短；无法识别目标的颜色、纹理和文字（只有点云，没有语义信息）；量产成本虽然下降很快，但仍然比摄像头贵一到两个数量级（当前量产LiDAR约300-1000美元一颗，摄像头约10-50美元）。

摄像头（camera）的工作原理：光学传感器捕捉可见光图像，包含极丰富的语义信息（颜色、纹理、文字、表情），但深度信息（目标距离）需要通过算法从图像中推断（利用透视关系、双目视差等）。

摄像头的物理优势：信息密度远高于LiDAR点云，一帧图像就能提供颜色、纹理、运动模糊等丰富信息；成本极低；分辨率可以做得很高；对烟雾的穿透性比LiDAR稍好（可见光波长比近红外短，在某些雾况下反而有优势）。

摄像头的局限：深度估计从本质上是一个不适定问题（从二维图像恢复三维深度需要假设条件），强依赖算法精度；夜晚和强逆光情况下图像质量急剧下降；在无特征场景（空旷雪地、均匀墙面）中深度估计失效。

特斯拉（Tesla）从2022年开始逐步移除超声波雷达和毫米波雷达，推进”纯视觉（vision-only）“方案，只用摄像头。理由来自马斯克（Elon Musk）的一个类比：“人类只有两只眼睛就能开车，一个足够好的AI也应该只需要摄像头。”

这个类比有一定道理：人类视觉系统确实能从单目图像或双目视差里推断深度，而且在各种天气条件下工作。但也有一个反驳：人类的视觉系统经过亿年进化，有一个非常成熟的深度感知神经网络，训练数据是人类几亿年的物种经历。神经网络能否在只有约十年训练时间（数亿公里驾驶数据）的条件下达到同等稳健性，目前仍有争议。

华为、小鹏、蔚来、理想等中国主要电动车品牌，以及Waymo（Google旗下），选择了”多传感器融合”方案：LiDAR + 毫米波雷达（能穿透雨雾，但精度和分辨率较低）+ 摄像头，让不同传感器互相补充各自的盲区。

补一段：从L2到L4到底有多难

自动驾驶能力按SAE标准分L0-L5六级。L2（部分自动化，如特斯拉Autopilot、蔚来NOP）意味着系统能同时控制方向和速度，但驾驶员必须随时监控，随时接管。L4（高度自动化）意味着在特定场景（如城市道路或高速公路）内系统完全负责驾驶，驾驶员不需要监控。L5是任何场景任何条件下全自动。

L2已经在数百万辆量产车上运行。L4目前只在少数城市的有限区域（如Waymo在旧金山和凤凰城运营的无人出租车）试运营，车队规模在数百辆到数千辆。L5实际上还不存在。

从L2到L4的技术鸿沟为什么这么深？不在于常见场景，而在于”长尾”（long tail）。

想象一个分布：98%的驾驶场景是标准的（车道行驶、路口停让、正常超车），2%是罕见的（施工区域临时改道、逆光中的无头盔摩托车、突然从绿化带冲出的儿童、电动自行车逆行穿越路口、散落在路面上的纸箱）。L2系统处理98%的场景足够了，因为驾驶员在监控，遇到2%时会接管。L4系统必须独立处理100%的场景，因为没有驾驶员监控。

这个2%的”长尾”在数量上远比表面数字看起来庞大。一辆普通乘用车每年行驶约20,000公里，在城市道路上每公里可能遇到数十个不同的场景决策点。一年约50万个决策点，2%的罕见场景对应约1万次，每年1万次需要独立正确处理的”非标准场景”，每次处理失误可能造成事故。

更本质的问题是数学上的：要证明一个L4系统达到”比人类驾驶员更安全”的可靠性（假设人类每1.6亿公里发生一次死亡事故），需要在等效条件下行驶超过数十亿公里来统计验证。真实路测无法完成这个数量级的里程（Waymo截至2024年的累计测试里程约2000多万公里，仍然差了几个数量级）。

行业的解决方案是两条路并行：仿真（simulation），在虚拟环境里以数倍于真实路测的速度跑无数种场景；自动标注（auto-labeling），让AI辅助标注海量真实数据，加速训练数据的生产。但仿真和真实世界之间总有”仿真到现实（sim-to-real）“的差距，而这个差距在极端场景下可能恰好是最危险的盲区。

这不是说L4/L5不可能，而是说”足够安全的L4”需要的数据量，和工程成本之间是指数级而非线性关系。在特定受限环境（高速公路、特定园区）内达到L4安全性所需的工作量，比泛化到全场景的L4低了至少一到两个数量级。这就是为什么”高速NOA（Navigate on Autopilot）“出现得比”城市NOA”早了约五年。

---

五、汽车作为产品的物理约束清单

把全文涉及的物理约束汇总，看看它们共同框定了”一辆车可以是什么样子”。每一条产品设计决策的背后，都有一个物理方程在强制执行。

约束	物理来源	对产品的影响
内燃机效率上限约40%	卡诺定理（热力学第二定律）	油耗无法无限降低，多出的能量变成废热
电机效率约90-97%	无卡诺限制，电磁力直接做功	电动车能量利用率约3倍于燃油车
电池能量密度约250 Wh/kg	锂离子化学嵌入机制	同等重量储存的能量是汽油的约1/50
电池重量占整车约30%	能量密度 × 续航需求	车重增加，影响加速、刹车距离、轮胎磨损
充电时间不可压缩到零	电化学反应速率和热管理	快充15分钟已接近当前技术的极限
空气阻力正比于速度平方	流体力学	高速时能耗急剧增加，续航里程随速度非线性下降
LiDAR穿雨雾能力有限	近红外光的散射物理	自动驾驶在恶劣天气下感知降级
相机深度估计是不适定问题	光学成像本质	纯视觉方案依赖算法，存在不确定性
L4自动驾驶需要亿级里程验证	统计可靠性的数学要求	商业化进程受数据积累速度制约
锂枝晶生长	锂离子在固液界面的电化学动力学	金属锂负极在液态电解质中不安全，能量密度上限被限制
固固界面接触问题	固态材料在充放电体积变化下的力学	固态电池商业化时间表被拉长

数字感建立清单：

物理量	数值	体感对照
汽油能量密度	约12,000 Wh/kg	是当前最好电池的约50倍
最佳汽油机热效率（量产）	约42-43%（马自达SkyActiv-X）	剩余57%变成热量
最佳电机效率	约97%	3%变成热量，差距不可能被工程消除
特斯拉Model 3电池包重量	约480 kg	占整车约30%
当前量产LiDAR成本	约300-1000美元/颗	是摄像头成本的20-100倍
固态电池量产预期（乐观）	2027-2030年	现在的样品距离量产还有几个数量级的成本差距
当前全球电动车渗透率（2024）	约18%（新车销量口径）	中国约37%，是全球最高
全球钴资源刚果(金)占比	约70%	一半以上的三元锂电池依赖这一国家
Waymo累计测试里程（2024）	约2000+万公里	证明L4足够安全需要数十亿公里

还有一组数字值得放在一起看：

2023年，全球新能源汽车销量约1400万辆，中国占约900万辆，约64%。中国是全球最大的电动车生产国和消费国，同时控制着全球约65%的锂加工、约90%的稀土磁体加工、约60%的钴冶炼。电动车产业的供应链地图，从材料到整车，在很大程度上就是一张中国制造地图。

这个格局是怎么形成的？这是下一篇的问题。

---

六、留给下一篇的接口

这篇文章建立了汽车动力物理的骨架：从气缸里的热力学约束，到电机的电磁学优势，到锂离子的电化学停车场，到感知层的传感器物理，到L4的数学困难。

每一个物理约束背后都有一个产业权力结构，每一个产业权力结构背后都有一个国家战略。下一层故事等在这里：

• 指向 汽车产业的权力迁移：福特创造了流水线，丰田创造了精益生产，BYD在创造什么？内燃机时代，价值在发动机三巨头（博世、电装、大陆）和整车厂（丰田、大众、通用）；电动化之后，电池成为核心零件，软件定义体验，价值链如何重构？特斯拉为什么既是汽车公司又是软件公司？大众的”软件危机”是什么？CATL如何从零件供应商变成整个产业的权力节点？自动驾驶有没有可能让一家算法公司（Waymo、华为）控制整个行业的利润？
• 和具身智能的连接：电动车和人形机器人共享同一条核心供应链。电机（PMSM稀土永磁）、电池（锂离子化学，电量管理BMS）、传感器（激光雷达、摄像头、IMU）、控制算法（感知规划控制三层架构），这四类核心组件在电动车和机器人里是同一批技术的不同形态。理解电动车的物理约束，就是在理解机器人的上游。这不是比喻，是真实的供应链重叠：宁德时代在2023年明确表示进入人形机器人电池市场，特斯拉的Optimus用的驱动技术和Model 3共享同一套逻辑，波士顿动力的液压驱动方案在效率上对标的正是电机驱动方案。

从燃烧到电流，是一次物理原理的替换。从电动汽车到机器人，是同一批物理原理的迁移。

---