36氪获悉，电池数据分析和决策平台「Fova Energy」已完成数百万美金天使+轮融资，投资方为顺为资本，本轮融资大多数都用在团队拓展、产品研究开发与市场推广。Fova Energy曾于2020年12月获得真格基金的百万美金天使轮投资。至此，该公司在2个月内连续完成两轮融资。

  Fova Energy成立于2020年，专注于中长期电池健康预测。该公司的核心产品为基于AI的电池全生命周期数据分析与健康风险管理平台，为电池产品提供风险分级、问题电芯定位、风险处理解决的建议等服务，提高电池使用的安全性，并延长电池常规使用的寿命。该平台能轻松实现即插即用、自动化数据处理，且在电池健康状态预测的时效性和准确度上有着较为良好的表现。

  近年来电池行业快速地发展，但同时也面临着安全风险隐患无法有效预测、研发测试周期长且费用高、产品一致性很难保证等挑战。Fova Energy的CEO苗昰告诉36氪，客户对电池服务的需求覆盖电池研发、生产、售后和回收的全生命周期。在电池研发和生产阶段，电池厂希望能够通过技术缩短电芯循环测试时间，并对电池使用寿命进行预判，以加快产品上市过程、减少相关成本。针对这一需求，Fova可通过少量电芯循环的数据有效预测电池使用寿命，同时提供更精准的电池分级策略，在出厂前即筛选出有问题的电池。在售后阶段，面向已上市的电池产品的安全保障服务是电池厂的需求所在。Fova会根据电池在使用的过程中的数据，预测每个电芯中长期的健康状态，把控电池产品的安全性。

  与依赖物理模型、有源信号注入等传统电池预测技术的厂商不同，Fova采用的是纯AI数据分析技术路线氪，前两类技术以经验为基础，监控电压、电流、温度等关键指标，确保其处于安全区间内。但是电池使用的过程中的影响因素复杂多样，不同的使用者、使用地点、驾驶习惯以及外因都可能对结果造成干扰，基于工程经验得到的安全运行区间的可靠性未知。同时，这两类技术没办法追踪处在安全区间内的电池组异常。

  在智能化程度和数据分析的深度方面有着较为显著的提升，能更加快速准确地洞察电池异常。

  通用性较强。传统技术由于经验属性较强，在应用时应该要依据特定场景、特定条件进行定制化设计，可迁移性较差。而基于数据驱动的智能预测在使用时只需要做细节上的微调，可以大范围的应用于不一样的客户和场景。

  从实验室环境向工业场景的应用升级，是Fova的另一技术突破。苗昰表示，复杂工业场景下的电池健康预测面临许多难点：一方面，真实场景下，不可控的干扰因素较多；另一方面，受限于实际应用的要求，工业场景下可以获取到的信息维度不足。与以物理学第一性原理为基础的传统解决办法不同，Fova通过技术创新，从数据方面出发，提供与高度耦合高度复杂的环境有机结合的AI解决方案，实现对电池异常信息的深度挖掘和高效精准提取。

  车辆平台每10秒采集一个数据，积累的行驶片段覆盖从出厂到回收约15-20万公里的全过程。同时，在储能场景下，公司已接入运行中的设备，这中间还包括兆瓦级储能电站。

  商业化产品目前处于内测阶段，预计于2021年中旬正式对外发布，同时公司将于2021年下半年进行大规模的市场推广。

  至2030年，全球电动汽车电池市场规模将从2018年的1340亿美元增长至9530亿美元，全球储能电池市场规模将从2018年的116亿美元增长至300亿美元。看到广阔的市场空间，众多电池服务公司涌现，包括Fova、Twaice、Voltaiq、Qnovo等。