全球首款全固态电池量产:无锂无稀土,循环10万次实测
1月8日消息,在日前开幕的2026年国际消费电子展(CES)上,芬兰初创企业Donut Lab出人意料地宣布,推出“全球首款可量产的全固态电池”,并称已具备吉瓦时级别的量产能力,可为全球企业供货。
这款电池一经发布便吸引了全球的目光。之所以引发如此关注,是因为其规格参数堪称“炸裂”:
其能量密度高达400Wh/kg,充电5分钟即可充满。即便经历10万次循环,容量衰减也微乎其微。更令人称奇的是,在零下30摄氏度到100摄氏度的极端温度范围内,它依然能保持99%以上的容量。
然而,目前并没有公开的权威第三方测试报告来证实这些宣传内容,这也引发了多方质疑:
一家名不见经传的初创企业,突然拿出堪称“核弹”级别的产品,这于情于理都说不通。动力电池领域公认中国实力最强,可无论是宁德时代还是比亚迪,都未能拿出如此性能的产品。一家初出茅庐的公司凭什么让人相信?何况目前都还只是PPT展示,甚至感觉还不如贾跃亭的画饼来得“靠谱”。
更令人起疑的是,一位Donut Lab员工在接受媒体有关质疑的采访时回应称,电池的核心材料和生产工艺不便透露,也不会将具体技术细节写入论文公布,因为这是公司的专有技术。
该员工还表示,这款电池不含稀土元素,也没有使用锂。它采用了一种与主流全固态电池截然不同的技术路线,成本却能与磷酸铁锂电池持平,还能实现快速规模化量产。
这就更加说不通了。众所周知,全固态电池当前最大的短板之一就在于成本高昂。这家公司拿出的产品,成本竟然能和磷酸铁锂电池保持一致,比三元锂电池还低,这无疑更让人心生怀疑。

相关攻略
在第十八届中国国际电池技术交流会 展览会(CIBF 2026)上,德莎胶带(tesa)的展台成为行业焦点。本次展示聚焦新能源汽车动力电池领域,系统性地呈现了一套覆盖电池“生产制造”到“梯次回收”全生命周期的创新胶带解决方案。从电芯组装固定、电池热管理,到绝缘安全防护与全流程信息追溯,通过详实的技术演
固态电池,这个被业界寄予厚望的“终极方案”,正以其高能量密度、高安全性和出色的耐低温性能,悄然重塑新能源汽车的竞争版图。而在中国中部,一场围绕这项前沿技术的创新集结号已经吹响——由东风汽车牵头,汇聚18家产业链伙伴的湖北省固态电池产业技术创新联合体正式揭牌。这不仅是湖北在抢占下一代动力电池技术制高点
智通财经APP获悉,乘联分会秘书长崔东树发文称,2026年,锂电池作为我国“新三样”出口的优势品类,出口退税减少前的增速保持高位。2026年1-2月锂电池出口达到142亿美元,增46%。与同为“新三
3月30日消息,近期多家电池企业与车企接连公布全固态电池的研发突破和量产规划,让市场对这一技术的落地充满期待。而中国科学院院士、中国电动汽车百人会副理事长欧阳明高在2026年度车百会研究院专家媒体交
3月26日消息,雅迪在2026冠能智能科技嘉年华上,正式推出冠能星舰Ⅱ系列高端电摩,其中顶配200L版本搭载量产级半固态电池,标志半固态电池技术在两轮电动车领域正式落地商用。顶配版星舰Ⅱ-200L搭
热门专题
热门推荐
钉钉文档官网 在探讨企业级协同办公解决方案时,钉钉文档无疑是备受瞩目的核心工具之一。作为阿里巴巴钉钉官方推出的旗舰级应用套件,它深度融合了在线文档编辑、智能表格、思维导图等多种高效创作工具。其核心优势在于与钉钉平台生态的无缝衔接,能够直接同步企业内部组织架构与通讯录,实现团队成员间的即时协作与信息流
在数字化转型浪潮中,高效、易用的数据分析工具已成为企业提升决策效率的关键。商汤科技推出的“办公小浣熊”智能助手,正是基于自研大语言模型打造的一款创新产品,旨在彻底降低数据分析的技术门槛。用户无需掌握编程知识或复杂操作,即可通过自然对话完成从数据查询、处理到可视化洞察的全流程,让数据价值触手可及。 办
在人工智能技术快速发展的今天,MiniMax作为一家专注于全栈自研的AI公司,正以其独特的技术路径和前瞻性的布局,在业界脱颖而出。公司致力于构建覆盖文本、图像、语音和视频的新一代多模态智能模型矩阵,这不仅体现了对核心底层技术自主权的深度掌控,也展现了对未来人机交互与内容生成形态的前瞻思考。 那么,M
ApolloCreditFund(ACRED)作为连接传统信贷与DeFi的桥梁,其价格受市场情绪、协议基本面及宏观环境影响。其价值逻辑根植于现实世界资产(RWA)的收益捕获与链上流动性释放。短期价格波动难以预测,但长期发展取决于信贷资产质量、协议安全性和市场采用度。投资者需关注其底层资产表现、代币经济模型及整个RWA赛道的发展趋势。
在数字化转型浪潮中,一套能够深度适配业务、彰显品牌特色的智能客服系统,已成为企业提升服务效率与用户体验的关键工具。然而,市场上许多解决方案往往模式固化,难以满足个性化需求。如何让AI客服不仅具备基础的自动化应答能力,更能承载独特的品牌文化与服务哲学?其核心在于系统是否支持深度的自定义与持续的AI训练





