EV बैटरी रणनीति में AI: Ford-SK On JV क्यों टूटा

2021 में EV की चर्चा वैसी थी जैसी किसी आईपीएल सीज़न से पहले “इस बार रिकॉर्ड टूटेंगे” वाली हवा—हर तरफ़ उत्साह, नई फैक्ट्रियाँ, और बड़े-बड़े वादे। उसी माहौल में Ford और SK On ने अमेरिका में दो बैटरी प्लांट लगाने के लिए BlueOvalSK नाम का जॉइंट वेंचर घोषित किया था: एक केंटकी में, दूसरा टेनेसी में। कुल निवेश 11.4 बिलियन डॉलर, और सालाना 60 GWh उत्पादन क्षमता जैसी बातें सामने आईं।

चार साल बाद तस्वीर पलट गई। अमेरिका में EV मांग और नीतिगत सहारे की दिशा बदली, कई ऑटोमेकर्स ने अपने EV रोडमैप दोबारा लिखे, और बैटरी सप्लाई चेन की “जितनी ज़रूरत उतना” वाली सोच वापस आ गई। नतीजा: Ford और SK On ने अपना जॉइंट वेंचर खत्म करने का फैसला किया—Ford केंटकी साइट रखेगा, SK On टेनेसी साइट लेकर उसे energy storage (ग्रिड/सोलर-बैकअप) की तरफ़ मोड़ेगा।

मेरे हिसाब से यह खबर “EV फेल हो गया” वाली नहीं है। यह खबर बताती है कि बैटरी बिज़नेस में गलत अनुमान सबसे महंगा होता है—और यही जगह है जहाँ AI (आर्टिफिशियल इंटेलिजेंस) ऑटोमोबाइल और इलेक्ट्रिक वाहन इंडस्ट्री को ज़्यादा समझदार बना सकता है: मांग का अनुमान, बैटरी केमिस्ट्री का चुनाव (LFP बनाम NMC), फैक्ट्री कैपेसिटी प्लानिंग, और सप्लाई चेन रिस्क—सब कुछ डेटा से बेहतर किया जा सकता है।

Ford–SK On जॉइंट वेंचर का टूटना क्या संकेत देता है?

सीधी बात: जब EV बिक्री अनुमान नीचे जाते हैं, बैटरी फैक्ट्री की इकॉनॉमिक्स तुरंत दबाव में आती है। बैटरी प्लांट “ऑन/ऑफ” स्विच नहीं होते। कैपेसिटी प्लानिंग, उपकरण, केमिस्ट्री लाइनें, गुणवत्ता नियंत्रण, और श्रम—ये सब लंबे चक्र वाले निर्णय हैं।

इस ब्रेकअप के दो साफ़ संकेत हैं:

1. डिमांड अनिश्चित है, इसलिए पार्टनरशिप मॉडल भी बदल रहे हैं। 2021 में साझेदारी रिस्क शेयर करने का तरीका थी; 2025 में अलग-अलग रास्ते लेने का तरीका बन गई।
2. EV के अलावा “Energy Storage Systems (ESS)” बैटरी मार्केट बड़ा सेफ्टी-नेट बन रहा है। SK On का टेनेसी प्लांट ESS की तरफ़ जाना यही दिखाता है कि बैटरी सेल का ग्राहक सिर्फ कार नहीं, ग्रिड भी है।

यहां एक और व्यावहारिक बात: Ford के लिए केंटकी साइट “भूगोल” के हिसाब से दूसरे प्रोडक्शन हब्स के पास होना फायदेमंद माना जा रहा है, जबकि SK On टेनेसी आउटपुट को दूसरी केमिस्ट्री (जैसे LFP) और मार्केट (ESS) में शिफ्ट करके उपयोग कर सकता है।

EV मांग, सब्सिडी और “प्लान बदलने” की कीमत

सीधी बात: नीतियाँ और मांग साथ बदलती हैं—और ऑटो कंपनियों को सबसे ज्यादा चोट टाइमिंग में लगती है।

सोचिए, एक तरफ़ EV अपनाने की रफ्तार उम्मीद से धीमी, दूसरी तरफ़ कुछ सेगमेंट (जैसे पिकअप) में ग्राहकों की अपेक्षाएँ अलग: रेंज, टोइंग, चार्जिंग नेटवर्क, और कीमत। जब बिक्री अनुमान गलत हो जाए, तो ये चीजें होती हैं:

• इन्वेंट्री प्रेशर: डीलर स्टॉक बढ़ता है, डिस्काउंट बढ़ते हैं, मार्जिन घटते हैं।
• कैपेक्स लॉक-इन: फैक्ट्री/लाइन में लगा पैसा तुरंत वापस नहीं आता।
• सप्लायर कॉन्ट्रैक्ट रिस्क: “टेक-ऑर-पे” जैसे एग्रीमेंट्स में लागत बढ़ सकती है।

यही वजह है कि Ford ने 2024 के बाद EV रणनीति में बदलाव किए और कुछ प्रोडक्ट योजनाओं को पुनर्गठित किया। जॉइंट वेंचर का खत्म होना उसी बड़ी कहानी का हिस्सा है: डिमांड के अनुसार बैटरी क्षमता का पुनर्संतुलन।

बैटरी केमिस्ट्री (LFP बनाम NMC) और AI की भूमिका

सीधी बात: केमिस्ट्री का चुनाव बिज़नेस मॉडल का चुनाव है।

• NMC (Nickel Manganese Cobalt): आम तौर पर उच्च ऊर्जा घनत्व, पर लागत/निकेल-कोबाल्ट सप्लाई और कीमत में उतार-चढ़ाव का जोखिम।
• LFP (Lithium Iron Phosphate): आम तौर पर लागत स्थिर, सुरक्षा और साइकल लाइफ अच्छी, ESS और किफायती EV में लोकप्रिय।

आर्टिकल में इंडस्ट्री एक्सपर्ट की बात का सार यह है कि ESS सेल अक्सर LFP की ओर जाते हैं, और एक ही साइट पर अलग केमिस्ट्री बन सकती है लेकिन क्रॉस-कंटैमिनेशन जैसी प्रैक्टिकल चुनौतियाँ आती हैं—मतलब फैक्ट्री डिजाइन/लाइन आइसोलेशन का खर्च और जटिलता बढ़ती है।

AI यहां “कहाँ” पैसा बचाता है?

मेरे अनुभव में कंपनियां अक्सर AI को सिर्फ ADAS/ऑटोनॉमी तक सीमित समझती हैं। असली ROI कई बार बैक-एंड में आता है:

1. केमिस्ट्री मिक्स ऑप्टिमाइज़ेशन
   • AI मॉडल यह सुझाव दे सकते हैं कि किस तिमाही/फैक्ट्री में LFP बनाना है और कहाँ NMC/नई केमिस्ट्री, ताकि मांग, मार्जिन और सप्लाई रिस्क संतुलित रहे।

1. प्रोडक्ट–प्लांट मैपिंग

   • कौन सा वाहन प्लेटफॉर्म किस प्लांट से बैटरी ले—यह नेटवर्क ऑप्टिमाइज़ेशन का मामला है। AI यहाँ दूरी, लॉजिस्टिक्स लागत, लीड टाइम और बाधाओं के हिसाब से बेहतर असाइनमेंट कर सकता है।

2. क्वालिटी और यील्ड प्रेडिक्शन

   • सेल निर्माण में सूक्ष्म बदलाव (नमी, कोटिंग यूनिफॉर्मिटी, कैलेंडरिंग प्रेशर) यील्ड पर असर डालते हैं। कंप्यूटर विज़न + प्रोसेस डेटा से स्क्रैप कम और फर्स्ट-पास यील्ड बढ़ सकती है।

3. कमोडिटी प्राइस और सप्लाई-रिस्क सेंसिंग

   • निकेल/लिथियम जैसी कमोडिटीज़ की कीमत और उपलब्धता में बदलाव का असर BOM पर आता है। AI आधारित early-warning सिस्टम बजटिंग और हेजिंग को ज्यादा सटीक बना सकता है।

एक लाइन में: EV बैटरी रणनीति अब “इंजीनियरिंग” के साथ-साथ “डेटा साइंस” भी है।

अगर AI पहले से लगा होता, तो JV फैसला अलग होता?

सीधी बात: AI निर्णय नहीं लेता, लेकिन गलत आत्मविश्वास जरूर घटाता है।

कई कंपनियां मांग को एक “सीधी रेखा” मानकर कैपेसिटी लगा देती हैं। बेहतर तरीका यह है कि scenario-based planning हो—और AI/ML इसे ज़्यादा व्यावहारिक बनाते हैं। उदाहरण के तौर पर:

1) मल्टी-सीनारियो डिमांड फोरकास्ट

• बेस केस: मध्यम EV वृद्धि
• डाउनसाइड केस: सब्सिडी घटने/चार्जिंग बाधा/उच्च ब्याज दर से धीमी बिक्री
• अपसाइड केस: फ्लीट और कमर्शियल EV में तेज़ अपनाना

AI मॉडल (टाइम-सीरीज़ + मैक्रो संकेतक + डीलर इन्वेंट्री + वेब सर्च इंटेंट + चार्जिंग उपयोग डेटा) इन सीनारियो की संभावना और उनके लिए आवश्यक बैटरी क्षमता निकाल सकते हैं।

2) कैपेसिटी का “मॉड्यूलर” डिज़ाइन

अगर AI संकेत दे कि मांग अनिश्चित है, तो फैक्ट्री को चरणों में बढ़ाने (phased ramp) का निर्णय बेहतर हो सकता है। इससे:

• शुरुआती कैपेक्स कम
• मांग बढ़ने पर स्केल करने की क्षमता
• मांग घटने पर नुकसान सीमित

3) EV से ESS की ओर स्विच—पहले से प्लान्ड

SK On का ESS फोकस बताता है कि बैटरी कंपनियों के लिए डुअल-मार्केट स्ट्रैटेजी जरूरी है। AI मांग-पैटर्न देखकर पहले से सुझाव दे सकता है कि किस साइट को “स्विचेबल” रखना चाहिए और किन उपकरणों में निवेश करना चाहिए।

ऑटोमोबाइल कंपनियों के लिए 6 व्यावहारिक कदम (AI-फोकस्ड)

सीधी बात: जो कंपनियां 2026-2028 की EV अनिश्चितता में टिकेंगी, वे डेटा को ऑपरेशन का हिस्सा बनाएंगी।

1. एक “Battery Demand Control Tower” बनाइए

   • सेल/पैक मांग, वाहन उत्पादन, सप्लायर ETA, और इन्वेंट्री को एक जगह जोड़िए।

2. केमिस्ट्री-लेवल P&L मॉडल तैयार कीजिए

   • LFP बनाम NMC का निर्णय सिर्फ तकनीकी नहीं; मार्जिन, वारंटी, और सप्लाई-रिस्क जोड़कर देखें।

3. डिजिटल ट्विन से फैक्ट्री रैम्प सिमुलेशन

   • लाइन स्पीड, यील्ड, स्क्रैप, बॉटलनेक—इनका सिमुलेशन AI-आधारित ऑप्टिमाइज़र से करें।

4. क्वालिटी डेटा को “बंद” न रखें

   • बैटरी क्वालिटी का डेटा अक्सर विभागों में बंटा रहता है। एक साझा डेटा लेयर से रीकॉल/वारंटी रिस्क कम होता है।

5. सप्लाई चेन में अर्ली-वॉर्निंग सिस्टम लगाइए

   • पोर्ट कंजेशन, कमोडिटी प्राइस स्पाइक, जियोपॉलिटिकल संकेत—इनसे लीड टाइम और लागत बदलती है।

6. फ्लीट/कमर्शियल EV और ESS को एक ही रणनीति में देखें

   • अगर पैसेंजर EV धीमे हों, तो ESS और फ्लीट ऑर्डर कैपेसिटी को सहारा दे सकते हैं।

इस पूरी कहानी का “AI वाला” सबक

Ford और SK On का जॉइंट वेंचर टूटना यह नहीं बताता कि इलेक्ट्रिक वाहन खत्म हो रहे हैं। यह बताता है कि EV और बैटरी इंडस्ट्री अब “हाइप-ड्रिवन” नहीं, “कैश-फ्लो और ऑपरेशन-ड्रिवन” हो रही है। और इस बदलाव में AI का रोल बहुत सीधा है: अनुमान बेहतर करो, बदलाव जल्दी पकड़ो, और फैसले छोटे-छोटे करके रिस्क घटाओ।

यह पोस्ट हमारी सीरीज़ “ऑटोमोबाइल और इलेक्ट्रिक वाहन में AI” के एक अहम मोड़ को छूती है: ऑटोमोबाइल में AI सिर्फ ड्राइविंग फीचर्स नहीं बनाता, वह फैक्ट्री, बैटरी और सप्लाई चेन को भी ज़्यादा समझदार बनाता है।

अगर आप ऑटो OEM, बैटरी सप्लायर, या EV स्टार्टअप में हैं, तो 2026 की आपकी बढ़त एक चीज से तय होगी—आपने निर्णय लेने में डेटा और AI को कितनी जगह दी। अगला बड़ा सवाल यही है: आपकी कंपनी का बैटरी प्लान “एक अनुमान” है, या “AI-सपोर्टेड सीनारियो”?