美国消费品安全委员会(CPSC)近日提出了一项重大安全新规,有望从根本上重塑电动自行车行业格局,尤其是在锂电池与电气系统安全层面。
目前,许多知名电动自行车品牌已在设计时参照现行UL安全标准,但此次提案将在联邦层面将这些要求上升为强制性规定,并在此基础上进一步增设多项新要求,旨在降低电池起火风险。
CPSC提出更严格规则的背景,是该机构认为现行UL安全标准未能充分覆盖电动自行车所用锂电池组的部分潜在危险。
值得注意的是,该提案的覆盖范围远不止于整车,还将延伸至更换用电池组、电池管理系统(BMS)、充电器、售后电气配件,以及将传统自行车改装为电动自行车的套件。换言之,电动自行车生态系统中几乎所有主要电气部件都可能纳入新规管辖范畴。
CPSC表示,此次提案旨在降低热失控事件的发生风险,此类事件可能引发火灾、爆炸、有毒烟雾及人身伤害。近年来,电池起火问题日益引发关注,尤其在人口密集的城市环境中,劣质电池、不匹配的充电器以及家庭自行维修电池已被认定与多起引人关注的火灾事故存在关联。
在具体要求上,CPSC并未简单沿用现有自愿性UL标准,而是提出了若干额外规定,包括:采用防拆封电池外壳以阻止用户自行拆解电池单元;增设新测试项目以确保电池管理系统能阻止对过热电池进行充电;增加防反接保护以降低不兼容充电器带来的风险;以及扩展警示标签内容,涵盖不安全充电行为和自制电池组的相关提示。
对于已生产UL认证产品的成熟制造商而言,此次变化或许仅需进行少量工程调整与补充测试。然而,该提案对低价进口产品、售后电池供应商以及改装套件制造商的影响可能更为深远,这些市场参与者历来所受监管相对有限。
此外,提案的适用范围还延伸至商业共享微型出行车队,这意味着租赁运营商同样须遵守相同的联邦安全要求。
目前,该规则仍处于提案阶段,CPSC将接受公众意见至8月24日,届时再决定是否正式落地。
电池安全是强化标准让各方受益的领域之一。过去几年中,绝大多数灾难性电动自行车火灾事故,都涉及劣质电池、不兼容充电器、受损电池组或DIY改装,而非来自知名制造商的正规工程系统。
同样值得关注的是,即便是在劣质电池中,此类火灾事故也属极小概率事件,绝对数字仅占极低的百分比。即便如此,当生命安全处于风险之中,哪怕一起火灾也是不可接受的。
一旦新规正式实施,将有助于阻止不安全电气配件流入消费市场,同时提升整个行业的公众信任度。当然,挑战在于如何确保监管精准指向真正不安全的产品,而不给合规创新设置不必要的障碍,也不让合规替换电池的价格变得高不可攀。好在行业中相对负责任的一端,大多已主动采用自愿性UL标准,对于这部分企业而言,新规或许只是一次小幅更新。而对另一部分企业来说,这可能是一次重大变革,甚至可能成为压垮低价企业与低端产品的最后一根稻草。
Q&A
Q1:CPSC提出的电动自行车电池安全新规具体包含哪些内容?
A:新规提案涵盖多项具体要求,包括:安装防拆封电池外壳防止用户自行拆解电池、确保电池管理系统阻止对过热电池充电、增加防反接保护以应对不兼容充电器风险,以及扩展警示标签内容,提醒用户注意不安全充电行为和自制电池组的危险。提案还将覆盖整车之外的替换电池组、充电器、售后电气配件及改装套件等。
Q2:CPSC新规对普通电动自行车消费者有什么影响?
A:对于消费者而言,新规的主要意义在于提升市场上电动自行车电气配件的整体安全水平,降低因劣质电池、不兼容充电器或DIY改装引发的火灾风险。但需注意,新规可能导致合规替换电池的价格有所上升,购买渠道也可能随之收窄,低价非认证配件将更难进入市场。
Q3:CPSC的电动自行车安全新规现在正式实施了吗?
A:目前该规则仍处于提案阶段,尚未正式实施。CPSC正在向公众开放意见征集,截止日期为8月24日,之后将根据反馈决定是否将提案正式转化为强制性法规。
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。