尊敬的股东： 在这封特别信中，我想谈论一下生成式人工智能和大型语言模型（LLMs）对任何行业的重大影响。AI代表了本世纪的关键发展。这一变革性技术将打破行业格局，从寻求下一个创新S曲线的行业到应对收缩利润的行业，都将受到影响。 事实是，今天的电动汽车电池市场与三年前甚至一年前完全不同。现有的电池制造商统治着全球市场。下一代电池公司必须提供截然不同且领先的产品才能变得相关。我们无法按照他们的条件竞争。 此前，我们宣布将进军空中移动市场，包括城市空中移动或UAm（大型飞机）和无人机（小型飞机），另外还有我们现有的电动汽车业务。要想使下一代电池与现有电池竞争，我们必须在商业规模上克服三个障碍：质量、安全和未来材料的开发。传统的人工方法需要太长时间。这就是为什么引入下一代电池技术一直非常缓慢的原因。 作为锂金属领域的全球领导者，并与全球汽车制造商签订了A样品和B样品的联合开发协议（JDAs），我们已经将人工智能战略性地整合到了我们的业务中，包括技术开发、制造和售后支持。自从我们将人工智能嵌入锂金属，我们意识到人工智能的价值体现在它从根本上重塑了商业模式。通过采用主题式的方法和平台构建思维方式，我们旨在产生内部和外部价值。我们很高兴分享我们的初步成果。 今天，我们正在推出一种新的范式。我们的AI解决方案将加速所有下一代电池技术的商业化。锂金属代表了这种新方法的前沿，但我们的AI最终会对任何电池技术都是不可知的。 “记住你将死去是我知道的避免陷入认为你有什么可以失去的陷阱中最好的办法。你已经一无所有了。跟随你的心没有理由不行。” 史蒂夫·乔布斯

1. 电动汽车 上个季度，我们宣布与现代汽车合作，与其在韩国Ui-Wang的电气化中心内建立一个生产线。据我们最新的消息，我很高兴地分享，我们正在按照计划完成该生产线，预计将在今年第四季度完成。这将产生全球最大规模的锂金属生产线之一，并将生产50 Ah至100 Ah的大型汽车锂金属b-sample电池。我们继续与汽车OEM合作，目标是在2025年达到EV-C样品，并在2026年开始生产（SOP）。 2. 空中移动和无人机 我们继续看到来自空中移动和无人机市场的强劲需求。对于空中移动，我们正在将先前的EV A样品线路转换为UAm线路。我们预计8月完成现场验收测试（FAT），9月完成站点验收测试（SAT）并在10月开始生产电池。两个UAm生产线将生产20 Ah至30 Ah的中型锂金属电池和模块。我们正在进行大量测试，针对航空认证的严格安全测试，测试这些锂金属模块。我们已经与几家领先的UAm OEM签订了几项电池测试协议，并计划在年底再与几家公司签订协议。 对于无人机，我们看到来自工业和国防客户的需求不断增长，尤其是对于小型群集无人机。无人机市场预计将在2023年达到280亿美元（Skyquest），约为2023年AR / VR眼镜估计市场规模的1.8倍（Consegic Intelligence）的160亿美元。我们已经将我们的小型电池线转换为4 Ah至6 Ah小型锂金属电池和模块的生产线（配置从2个电池到12个电池）。 3. 数据收集 没有数据就没有智能。人工通用智能（AGI）的开发在很大程度上依赖于人类物种积累的大量数据，包括故事，书籍，写作，社交媒体档案和在线数据。但是，目前并不存在等同于电池数据的数据，至少不是在同样的规模范围内。收集大量标记和高质量数据变得对于电池的人工智能成功发展至关重要。 6.电池的AI制造 优化电池设计，流程和提高制造质量的传统方法是通过人类经验实现的，其中人类工程师定义并优化质量规范，通常需要至少8年时间。电池制造通常更多地是一种艺术而不是科学，特别是在优秀的电池和最佳电池之间。虽然这种传统的基于人类经验的方法在过去和今天的成熟锂离子电池技术成功应用，但它会拖慢下一代电池技术的大规模商业化。我们相信，制造业的人工智能可以将时间线缩短10倍。它使用机器学习根据收集的制造过程数据定义和微调质量规范，这比人类工程师要快得多且更准确。 我们的EV-b样品、UAm和无人机生产线产生了大量的数据，是全球最大的锂金属电池制造数据。我们每条生产线每月生产1000多个电池，并不断增长。每个电池有超过1000个质量检查点，并不断增长，包括Ct、X-ray、超声波和视觉等时间序列数据和图像数据。有成千上万的过程步骤，具有复杂的个人和群体关系。我们的AI for Manufacturing模型已经在超过15,000个锂金属电池上进行了预训练。 我们非常高兴地宣布，在我们的所有锂金属线路上，从EV-b样品到UAm到小型无人机，都已经安装了AI for Manufacturing。我们希望它将提供非常详细和准确的单个电池和过程步骤水平的质量和群体步骤关系分析。这将进一步加速制造质量的优化，为EV-C样品和规模更大的UAm和无人机制造做好准备。除了内部的AI for Manufacturing开发之外，我们还打算与大型科技公司合作，并采用半导体行业最新的AI for Manufacturing方法。 随着我们继续与汽车OEM合作进行EV-C样品和SOP，这种AI制造能力使我们能够为汽车OEm和大型电池制造合作伙伴带来巨大的价值。 开发的AI工具用于辅助生产过程中单个电池的Ct分析。

电池的AI制造 优化电池设计、流程和提高制造质量的传统方法是通过人类经验实现的，其中人类工程师定义并优化质量规范，通常需要至少8年时间。电池制造通常更多地是一种艺术而不是科学，特别是在优秀的电池和最佳电池之间。虽然这种传统的基于人类经验的方法在过去和今天的成熟锂离子电池技术成功应用，但它会拖慢下一代电池技术的大规模商业化。我们相信，制造业的人工智能可以将时间线缩短10倍。它使用机器学习根据收集的制造过程数据定义和微调质量规范，这比人类工程师要快得多且更准确。 我们的EV-b样品、UAm和无人机生产线产生了大量的数据，是全球最大的锂金属电池制造数据。我们每条生产线每月生产1000多个电池，并不断增长。每个电池有超过1000个质量检查点，并不断增长，包括Ct、X-ray、超声波和视觉等时间序列数据和图像数据。有成千上万的过程步骤，具有复杂的个人和群体关系。我们的AI for Manufacturing模型已经在超过15,000个锂金属电池上进行了预训练。 我们非常高兴地宣布，在我们的所有锂金属线路上，从EV-b样品到UAm到小型无人机，都已经安装了AI for Manufacturing。我们希望它将提供非常详细和准确的单个电池和过程步骤水平的质量和群体步骤关系分析。这将进一步加速制造质量的优化，为EV-C样品和规模更大的UAm和无人机制造做好准备。除了内部的AI for Manufacturing开发之外，我们还打算与大型科技公司合作，并采用半导体行业最新的AI for Manufacturing方法。 尽管这种传统的人类经验方法在成熟的锂离子电池技术方面仍然奏效，但我们相信使用人工智能可以将时间线缩短10倍，从而成为实际应用的一种较新而易于高扩展性的方式。电池制造通常更多地是一种艺术而不是科学，特别是在优秀的电池和最佳电池之间。至于大规模商业化下一代电池技术，人工智能的崛起将成为一条成功的路线。

安全人工智能 传统车辆电池健康监测和安全预测是基于由人类确定的一组边界条件(基于物理的模型)。这些条件包括健康状态(SOH)、充电状态(SOC)、容量、电压、温度、电流、时间等。虽然人类清楚地理解边界条件，但它们不能准确预测电池的剩余使用寿命和事件。安全人工智能比最优秀的人类工程师更准确、更强大地检测异常情况。在安全人工智能中，我们不仅仅依靠由人类开发的边界条件，而是预训练了我们的大型语言模型(LLMs)，利用超过15,000个锂金属单元的电芯循环数据和各种任务分析数据集合以及使用我们的锂金属模块的100多个实际飞行小时。有趣的是，LLMs鉴定了可以检测到异常事件并发送更准确的预警信号的特征。这些由人工智能开发的特征表现出色，我们正在改进这些人工智能模型的可解释性。通过更多的车辆电池数据训练，我们相信安全人工智能可以帮助在领域内保证近100%的安全，解决Li-Metal和所有更高能量密度的新一代电池的核心问题—安全问题。在与我们的OEM合作伙伴合作中，我们的安全人工智能模型已经预测了40多次事件的100%。我们的模型比事件的发生提前10到30个环周期并发送警告信号。我们还继续对测试进行循环测试，直到实际事件以验证预测的准确性。相比之下，我们基于人类的模型只能预测大约80%的事件。 一架装备有锂金属模块的无人机正在测试飞行

科学人工智能 电池材料的人类研发一直是商业化下一代电池技术最慢的步骤。例如，全球锂离子产业研究了不到1,000种独特分子花费了30年时间，而实际上有1000亿(1011)种独特的分子可以被使用和应该研究。人类科学家平均需要10年时间才能引入新的电池材料。我们相信科学人工智能可以在一年内实现这一目标。与收集生产线和车辆的实际数据不同，科学人工智能需要一个巨大的分子属性数据库，目前还不存在，合成这个属性数据库需要大量的计算能力。最近，我们启动了一个名为分子宇宙的新倡议，旨在集思广益，提供资助和免费计算资源来映射小分子的特性。几所大学，国家实验室和大型技术公司已参与该计划，我们已经绘制了大约10的6次分子。有了更多的GPU，我们希望映射足够大的分子宇宙，以使我们的人工智能模型的训练达到足够的精度。一旦我们拥有了这个地图，我们相信我们可以加快发现任何电池问题的材料。这不仅包括Li-Metal适用于EV、UAm和无人机，还包括适用于消费电子、网格存储、汽车和其他应用的锂离子电池。这些分子大部分是全新的，没有商业化。 这就是我们建立电解质铸造厂的原因，电解质铸造厂自今年四月份以来一直在运作，已被纳入我们2024年的指导方针。电解质铸造厂雇用了世界上最好的有机合成化学家之一。现在，我们从分子映射到新分子的生成人工智能模型，再到分子合成和纯化，到高通量电解质配方筛选，再到小型和大型电池测试的全面能力。我们相信在电池行业中没有任何人拥有这样的完整能力。我们在波士顿总部外部刚建立的新电解质铸造厂

4.部署和变现 这三种人工智能解决方案代表了我们预计将带来令人兴奋、即将到来的收入流和电动交通未来业务模式的。安全制造人工智能 为了真正确保领域内近100%的安全，必须将制造质量和车辆安全数据集成。这就是SES AI的作用。对于EV、UAm和无人机的Li-Metal电池，这将是第一次将制造和安全数据集成起来以确保近100%的安全。我们还与一些同行合作，包括下一代锂离子和Li-Metal电池，以整合制造和安全数据进行模型训练。数据越大、越多样化，模型就越准确。这个OEM的价值主张是，事件预测可以防止昂贵的召回，更准确的剩余使用寿命预测可以帮助延长电池使用寿命。

科学人工智能 SES AI拥有最强的电池电解液开发能力。许多电池公司和OEM没有开发好电解液材料的资源。我们可以内部获得情报，帮助他们解决问题。我们将首先寻求打破由人类科学家设定的Li-Metal电解液库仑效率记录。然后我们将扩大到Li-ion应用，例如低温性能和快速充电、非挥发性，从汽车到消费电子、网格存储和许多其他应用。这种对于科学人工智能业务模式的内部情报可以在拥有更高利润率的制药业找到类似的类比。我们一直在将这种制药业应用于锂金属材料的发现，预计我们也将将其应用于锂离子材料的发现。人工智能改变了一切。我们的安全制造、安全人工智能和科学人工智能模型加速了Li-Metal适用于EV、UAm和无人机的商业化、时间到收入和盈利能力。但它们也可以应用于更广泛的锂离子应用。 我在应对无数的工业周期时，尤其为从无到有的技术发展而感到自豪，许多人认为这是不可能的。与世界各地的一组优秀客户合作进一步验证了我们的努力。然而，我从未像现在一样对我们的业务感到更加兴奋，因为我们将人工智能整合到我们操作的每个方面中。我坚信这将使我们能够在全球范围内推动变革。能够生活在这个激动人心的交通、科学和人工智能时期，我感到非常幸运。 5.全力投入人工智能

财务亮点和展望 在第二季度，我们的GAAP营业费用为2460万美元。运营中使用的现金为2210万美元，资本支出为370万美元。我们以29470万美元的流动性结束了第二季度。由于我们继续非常谨慎地处理现金和支出管理，我们更新了2024年全年指导方针。我们现在预计总现金使用将在1亿美元至1.2亿美元的范围内(从之前的1.1亿美元至1.3亿美元下降)。这个范围由8500万至9500万美元的运营现金使用(与之前的9000万至1亿美元相比)和1500万至2500万美元的资本支出(与之前的2000万至3000万美元相比)组成。我们预计我们强大的资产负债表将为公司提供足够的流动性，直到2027年。在C样品测试和C样品测试后，我们预计将与OEM合作伙伴共享产能建设资本支出。UAM/无人机和我们的人工智能解决方案可能为早期商业化提供潜在的上行空间。 2024年的目标 除了我们为三个人工智能解决方案概述的愿景之外，我们今年的首要任务仍然是关注资本效率，吸引顶尖人才，继续在向EV、UAM和无人机伙伴交付Li-Metal电池方面取得进展，并引领电池行业的人工智能转型。 胡其超 高静 创始人、首席执行官兼执行董事首席财务官

SES AI公司 简化合并资产负债表 （未经审计） （千美元，除每股及每股的金额）2023年6月30日，2023年12月31日 资产 流动资产 现金及现金等价物 $ 54,816 $ 85,671 短期投资 239,939 246,775 应收款项（来自关联方） 590 3,911 存货 519 558 预付费用及其他资产 14,275 11,712 流动资产合计 310,139 348,627 固定资产和设备，净额 41,236 37,959 无形资产，净额 1,281 1,345 使用权资产，净额 11,123 13,099 递延所得税资产 1,057 1,057 其他非流动资产 3,535 4,723 资产总额 $ 368,371 $ 406,810 负债及股东权益 流动负债 应付账款 $ 2,363 $ 4,830 租赁负债 2,474 2,404 应计费用及其他负债 9,121 13,121 流动负债合计 13,958 20,355 赞助商收益分成负债 1,880 4,166 非流动租赁负债 9,348 11,316 未赚政府补助 9,023 9,270 其他非流动负债 2,589 2,753 负债总额 36,798 47,860 股东权益 优先股，$0.0001 面值；20,000,000 股已获授权的股份，截至2024年6月30日和2023年12月31日分别未发行和未持有 — — 普通股：A类股，$0.0001 面值，2,100,000,000 股已获授权；截至2024年6月30日和2023年12月31日分别已发行并流通 312,025,684 和310,266,922 股；B类股，$0.0001 面值，200,000,000 股已获授权；截至2024年6月30日和2023年12月31日分别已发行并流通43,881,251 股 35 35 额外支付的资本 568,199 559,214 累计赤字（234,140）（198,686） 累计的其他综合损失（2,521）（1,613） 股东权益合计 331,573 358,950 负债及股东权益总额 $ 368,371 $ 406,810

SES AI公司 简化合并损益表 （未经审计） 截至2024年6月30日的三个月，截至2023年6月30日的六个月 （千美元，除每股和每股的金额）2024年 2023年 2024年 2023年 营业费用： 研究开发 $ 15,057 $ 6,347 $ 26,822 $ 14,836 总和管理 9,570 12,924 19,076 26,047 营业费用总额 24,627 19,271 45,898 40,883 营业亏损 (24,627) (19,271) (45,898) (40,883) 其他收入（支出）： 利息收入 3,995 4,129 8,157 8,269 赞助商收益分成负债公允价值变动收益 1,411 2,926 2,286 3,495 杂项（支出）收入，净额 (580) (405) 294 415 其他收入净额 4,826 6,650 10,737 12,179 税前亏损 (19,801) (12,621) (35,161) (28,704) 所得税负债 (96) (327) (293) (470) 净亏损 (19,897) (12,948) (35,454) (29,174) 其他综合损失，税后： 外币折算调整 (93) (1,492) (550) (1,420) 短期投资未实现损失 (59) (721) (358) (254) 其他综合损失总额，税后 (152) (2,213) (908) (1,674) 总综合亏损 $(20,049) $ (15,161) $ (36,362) $ (30,848) 归属普通股股东的每股净亏损： 基本和摊薄 $(0.06) $ (0.04) $ (0.11) $ (0.09) 加权平均发行股本： 基本和摊薄 320,833,854 314,578,498 319,812,287 314,003,663

SES AI公司 简化合并现金流量表 （未经审计） 截至2024年6月30日的六个月 （千美元）2024年 2023年 从经营活动中的现金流量 净亏损 $(35,454) $ (29,174) 调整为协调净亏损的现金 来自赞助商收益分成负债变动公允价值的收益 (2,286) (3,495) 股票期权折价费用 9,586 13,787 折旧和摊销 3,666 2,317 可供出售短期投资的增值收益 (3,889) (5,851) 其他 (1,478) (346) 营运资产和负债的变动： 来自关联方的应收款项 3,321 (47) 存货 22 63 预付费用及其他资产 (2,548) (6,602) 使用权资产 1,802 (812) 应付账款 (274) 2,332 应计费用及其他负债 (1,824) (3,815) 租赁负债 (1,715) 778 从经营活动中使用的净现金流量 (31,071) (30,865) 从投资活动中的现金流量 购买固定资产和设备 (10,454) (7,787) 购买短期投资 (133,999) (136,011) 从到期的短期投资中获得的款项 145,000 120,000 投资活动中提供的净现金流量 547 (23,798) 从融资活动中的现金流量 股票期权行权所得 128 77 融资活动提供的净现金流量 128 77 现金的汇率变动 (501) (595) 现金，现金等价物和受限制的现金的净减少 (30,897) (55,181) 期初的现金，现金等价物和受限制的现金 86,966 107,936 期末的现金，现金等价物和受限制的现金 $ 56,069 $ 52,755 补充的现金和非现金信息： 所支付的所得税 $ 203 $ 158 与购买固定资产和设备相关的应付账款和应计费用 $ 2,081 $ 3,877 由于获得使用权资产而产生的租赁负债 $ — $ 1,754

前瞻性声明 本函件包含SES AI认为符合1995年《私人证券诉讼改革法案》（Private Securities Litigation Reform Act of 1995）的“前瞻性声明”。 这些前瞻性声明包括但不限于涉及未来财务业绩、业务战略或对我们业务的预期。这些声明基于SES AI的管理层对于其计划、意图 和对这些前瞻性声明所反映或暗示的期望的估计。尽管SES AI认为其计划、意图和对这些前瞻性声明所反映或暗示的期望是 合理的，但无法保证其将实现或实现这些计划、意图或期望。这些声明构成了投射、预测和前瞻性声明，并不保证业绩。此类 声明可以通过它们未严格相关于历史或当前事实来识别。在本新闻稿中使用诸如“预计”、“相信”、“能够”、“继续”、“可能”、 “可能”、“估计”、“期望”、“预测”、“打算”、“可以”、“潜能”、“预计”、“寻求”、“应该”、“努力”、“目标”、“将”、“Would”和类似的表达方式可能标识出前瞻性声明，但这些词的缺失并不意味着 某个声明不是前瞻性。 你不应该过多依赖这些前瞻性声明。如果发生已知和未知的风险和不确定性中的一个或多个，或者如果SES AI的任何一项 假定是不正确的，我们的实际业绩或表现可能会与这些前瞻性声明所表达或暗示的不同。一些可能导致实际结果与前瞻性声明不 同的因素包括但不限于以下风险：与SES AI电池技术的开发和商业化以及达到预期的业务里程碑有关的风险；与实现和保持盈利压力的不确定性有关的风险；与未来资本需求的不确定性有关的风险；SES有能力将其产品集成到电动汽车 ("EVs")和城市空中移动（"UAM"）、无人机和其他应用中的风险；SES AI电池电池生产的前期开发预计时间滞后可能对SES的业 务和前景产生不利影响的风险；用于空中移动市场并且用于将Li-Metal技术用于空中移动应用中市场仍在前期开发阶段，可能无法 实现我们预期的增长潜力的风险；与开发UAm市场和从UAm行业需求电池有关的风险；潜在的供应链困难；SES AI成功吸引、培训 和留住高技能员工和关键人员的能力；替代技术或其他化石燃料替代品的发展；与SES AI的知识产权有关的风险；与SES AI 在美国以外的业务运营有关的商业、管制、政治、业务、财务和经济风险；SES AI已经在其内部财务报告控制方面确定了实质性缺 陷，可能会在未来确定重大缺陷，或者无法开发或维护有效的内部控制体系；SES AI普通股的波动和SES AI公共认股权证价值的变化； 以及我们在2023年12月31日提交给证券交易委员会（"SEC"）的年度报告的“第I部分，第1A. 风险因素”中所述的其他风险。还可能 有SES AI目前知道和认为是不重要的风险，也可能导致实际结果与前瞻性声明不同。此外，前瞻性声明反映了SES AI对未来事件和 观点的期望、计划或预测，仅限于本新闻稿的日期。SES AI预计随后的事件和发展将会导致其评估的变化。但是，虽然SES AI可能在 将来的某个时候选择更新这些前瞻性声明，但SES AI明确否认有任何义务这样做。这些前瞻性声明不应该作为代表SES AI对任何日期以后 的评估，其应保留SES AI在前瞻性声明使用日期的评估。