当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 现代汽车自建电池线曝光:软包先上,方形跟进

现代汽车自建电池线曝光:软包先上,方形跟进

2025-07-11 17:18:36 0浏览 收藏

现代汽车自建电池线规划曝光,初期聚焦软包电池,后期跟进方形电池,设备厂商已敲定。选址京畿道安城市,占地约20万平方米,首阶段年产能2~3GWh,预计2026年完成设备交付。此举标志着现代汽车减少对外部电池依赖,加速电动化转型。2025年建成软包电池生产线,2026年新增方形电池产线,2027年实现方形电池大规模量产。软包电池设计参考LG新能源方案,采用高镍正极材料,不涉及磷酸铁锂电池。现代汽车已与PNT、Hanwha Momentum等多家企业达成合作,这些企业曾是SK On的重要供应商。通过自建电池线,现代汽车不仅能灵活调配电池资源,更为未来电动化发展奠定技术基础。

据韩媒报道,现代汽车自建电池项目的规划近日逐渐明朗:初期将主攻软包电池(Pouch-type),后续再拓展方形电池(Prismatic)产线,相关设备厂商也已确定。此举相较之前“软包与方形同步推进”的策略有所调整。

现代汽车自建电池生产线规划曝光:软包先行、方形跟进

项目选址在京畿道安城市,占地约6万坪(约20万平方米),目前基础设施建设正有序进行中。首阶段目标年产能为2~3GWh,可支持约4万辆续航超过400公里的电动车生产需求,预计设备将于2026年完成交付。除纯电动车外,该电池也将用于混合动力车型(混动车所需电池容量仅为纯电车型的10~20%)。具体投产节奏如下:

2025年:建成1条软包电池生产线;

2026年:新增1条方形电池产线;

2027年:实现方形电池的大规模量产。

软包电池的基础设计参考了LG新能源的方案,其规格包括:

电芯长度处于中等水平(450~480mm);

采用高镍正极材料(镍含量≥60%);

不涉及磷酸铁锂(LFP)电池的制造。

在供应链方面,现代已与PNT、Hanwha Momentum、Woo Won Technology、M Plus及Apro等企业达成合作,其中部分公司曾是SK On的重要供应商。例如,PNT、Woojin Tech与Mplus此前均为SK On核心合作伙伴,助力其快速占领市场。

现代汽车自建电池生产线规划曝光:软包先行、方形跟进

韩媒指出,现代汽车在京畿道设立“新一代电池研究所”,标志着其加快脱离对外部电池供应的依赖。通过建立小规模自主生产线,现代不仅能够灵活调配电池资源(如已应用于第五代胜达混动版),也为未来的电动化发展奠定关键技术基础。

今天关于《现代汽车自建电池线曝光:软包先上,方形跟进》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

Python协程怎么用?async/await详解Python协程怎么用?async/await详解
上一篇
Python协程怎么用?async/await详解
ElserAIComics批量生成方法揭秘
下一篇
ElserAIComics批量生成方法揭秘
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    408次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    487次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    494次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    443次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    270次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码