尊敬的股東： 在這封特別信中，我想談論一下生成式人工智能和大型語言模型（LLMs）對任何行業的重大影響。AI代表了本世紀的關鍵發展。這一變革性技術將打破行業格局，從尋求下一個創新S曲線的行業到應對收縮利潤的行業，都將受到影響。 事實是，今天的電動汽車電池市場與三年前甚至一年前完全不同。現有的電池製造商統治着全球市場。下一代電池公司必須提供截然不同且領先的產品才能變得相關。我們無法按照他們的條件競爭。 此前，我們宣佈將進軍空中移動市場，包括城市空中移動或UAm（大型飛機）和無人機（小型飛機），另外還有我們現有的電動汽車業務。要想使下一代電池與現有電池競爭，我們必須在商業規模上克服三個障礙：質量、安全和未來材料的開發。傳統的人工方法需要太長時間。這就是為什麼引入下一代電池技術一直非常緩慢的原因。 作為鋰金屬領域的全球領導者，並與全球汽車製造商簽訂了A樣品和B樣品的聯合開發協議（JDAs），我們已經將人工智能戰略性地整合到了我們的業務中，包括技術開發、製造和售後支持。自從我們將人工智能嵌入鋰金屬，我們意識到人工智能的價值體現在它從根本上重塑了商業模式。通過採用主題式的方法和平臺構建思維方式，我們旨在產生內部和外部價值。我們很高興分享我們的初步成果。 今天，我們正在推出一種新的範式。我們的AI解決方案將加速所有下一代電池技術的商業化。鋰金屬代表了這種新方法的前沿，但我們的AI最終會對任何電池技術都是不可知的。 “記住你將死去是我知道的避免陷入認為你有什麼可以失去的陷阱中最好的辦法。你已經一無所有了。跟隨你的心沒有理由不行。” 史蒂夫·喬布斯

1. 電動汽車 上個季度，我們宣佈與現代汽車合作，與其在韓國Ui-Wang的電氣化中心內建立一個生產線。據我們最新的消息，我很高興地分享，我們正在按照計劃完成該生產線，預計將在今年第四季度完成。這將產生全球最大規模的鋰金屬生產線之一，並將生產50 Ah至100 Ah的大型汽車鋰金屬b-sample電池。我們繼續與汽車OEM合作，目標是在2025年達到EV-C樣品，並在2026年開始生產（SOP）。 2. 空中移動和無人機 我們繼續看到來自空中移動和無人機市場的強勁需求。對於空中移動，我們正在將先前的EV A樣品線路轉換為UAm線路。我們預計8月完成現場驗收測試（FAT），9月完成站點驗收測試（SAT）並在10月開始生產電池。兩個UAm生產線將生產20 Ah至30 Ah的中型鋰金屬電池和模塊。我們正在進行大量測試，針對航空認證的嚴格安全測試，測試這些鋰金屬模塊。我們已經與幾家領先的UAm OEM簽訂了幾項電池測試協議，並計劃在年底再與幾家公司簽訂協議。 對於無人機，我們看到來自工業和國防客户的需求不斷增長，尤其是對於小型羣集無人機。無人機市場預計將在2023年達到280億美元（Skyquest），約為2023年AR / VR眼鏡估計市場規模的1.8倍（Consegic Intelligence）的160億美元。我們已經將我們的小型電池線轉換為4 Ah至6 Ah小型鋰金屬電池和模塊的生產線（配置從2個電池到12個電池）。 3. 數據收集 沒有數據就沒有智能。人工通用智能（AGI）的開發在很大程度上依賴於人類物種積累的大量數據，包括故事，書籍，寫作，社交媒體檔案和在線數據。但是，目前並不存在等同於電池數據的數據，至少不是在同樣的規模範圍內。收集大量標記和高質量數據變得對於電池的人工智能成功發展至關重要。 6.電池的AI製造 優化電池設計，流程和提高製造質量的傳統方法是通過人類經驗實現的，其中人類工程師定義並優化質量規範，通常需要至少8年時間。電池製造通常更多地是一種藝術而不是科學，特別是在優秀的電池和最佳電池之間。雖然這種傳統的基於人類經驗的方法在過去和今天的成熟鋰離子電池技術成功應用，但它會拖慢下一代電池技術的大規模商業化。我們相信，製造業的人工智能可以將時間線縮短10倍。它使用機器學習根據收集的製造過程數據定義和微調質量規範，這比人類工程師要快得多且更準確。 我們的EV-b樣品、UAm和無人機生產線產生了大量的數據，是全球最大的鋰金屬電池製造數據。我們每條生產線每月生產1000多個電池，並不斷增長。每個電池有超過1000個質量檢查點，並不斷增長，包括Ct、X-ray、超聲波和視覺等時間序列數據和圖像數據。有成千上萬的過程步驟，具有複雜的個人和羣體關係。我們的AI for Manufacturing模型已經在超過15,000個鋰金屬電池上進行了預訓練。 我們非常高興地宣佈，在我們的所有鋰金屬線路上，從EV-b樣品到UAm到小型無人機，都已經安裝了AI for Manufacturing。我們希望它將提供非常詳細和準確的單個電池和過程步驟水平的質量和羣體步驟關係分析。這將進一步加速製造質量的優化，為EV-C樣品和規模更大的UAm和無人機制造做好準備。除了內部的AI for Manufacturing開發之外，我們還打算與大型科技公司合作，並採用半導體行業最新的AI for Manufacturing方法。 隨着我們繼續與汽車OEM合作進行EV-C樣品和SOP，這種AI製造能力使我們能夠為汽車OEm和大型電池製造合作伙伴帶來巨大的價值。 開發的AI工具用於輔助生產過程中單個電池的Ct分析。

電池的AI製造 優化電池設計、流程和提高製造質量的傳統方法是通過人類經驗實現的，其中人類工程師定義並優化質量規範，通常需要至少8年時間。電池製造通常更多地是一種藝術而不是科學，特別是在優秀的電池和最佳電池之間。雖然這種傳統的基於人類經驗的方法在過去和今天的成熟鋰離子電池技術成功應用，但它會拖慢下一代電池技術的大規模商業化。我們相信，製造業的人工智能可以將時間線縮短10倍。它使用機器學習根據收集的製造過程數據定義和微調質量規範，這比人類工程師要快得多且更準確。 我們的EV-b樣品、UAm和無人機生產線產生了大量的數據，是全球最大的鋰金屬電池製造數據。我們每條生產線每月生產1000多個電池，並不斷增長。每個電池有超過1000個質量檢查點，並不斷增長，包括Ct、X-ray、超聲波和視覺等時間序列數據和圖像數據。有成千上萬的過程步驟，具有複雜的個人和羣體關係。我們的AI for Manufacturing模型已經在超過15,000個鋰金屬電池上進行了預訓練。 我們非常高興地宣佈，在我們的所有鋰金屬線路上，從EV-b樣品到UAm到小型無人機，都已經安裝了AI for Manufacturing。我們希望它將提供非常詳細和準確的單個電池和過程步驟水平的質量和羣體步驟關係分析。這將進一步加速製造質量的優化，為EV-C樣品和規模更大的UAm和無人機制造做好準備。除了內部的AI for Manufacturing開發之外，我們還打算與大型科技公司合作，並採用半導體行業最新的AI for Manufacturing方法。 儘管這種傳統的人類經驗方法在成熟的鋰離子電池技術方面仍然奏效，但我們相信使用人工智能可以將時間線縮短10倍，從而成為實際應用的一種較新而易於高擴展性的方式。電池製造通常更多地是一種藝術而不是科學，特別是在優秀的電池和最佳電池之間。至於大規模商業化下一代電池技術，人工智能的崛起將成為一條成功的路線。

安全人工智能 傳統車輛電池健康監測和安全預測是基於由人類確定的一組邊界條件(基於物理的模型)。這些條件包括健康狀態(SOH)、充電狀態(SOC)、容量、電壓、温度、電流、時間等。雖然人類清楚地理解邊界條件，但它們不能準確預測電池的剩餘使用壽命和事件。安全人工智能比最優秀的人類工程師更準確、更強大地檢測異常情況。在安全人工智能中，我們不僅僅依靠由人類開發的邊界條件，而是預訓練了我們的大型語言模型(LLMs)，利用超過15,000個鋰金屬單元的電芯循環數據和各種任務分析數據集合以及使用我們的鋰金屬模塊的100多個實際飛行小時。有趣的是，LLMs鑑定了可以檢測到異常事件併發送更準確的預警信號的特徵。這些由人工智能開發的特徵表現出色，我們正在改進這些人工智能模型的可解釋性。通過更多的車輛電池數據訓練，我們相信安全人工智能可以幫助在領域內保證近100%的安全，解決Li-Metal和所有更高能量密度的新一代電池的核心問題—安全問題。在與我們的OEM合作伙伴合作中，我們的安全人工智能模型已經預測了40多次事件的100%。我們的模型比事件的發生提前10到30個環週期併發送警告信號。我們還繼續對測試進行循環測試，直到實際事件以驗證預測的準確性。相比之下，我們基於人類的模型只能預測大約80%的事件。 一架裝備有鋰金屬模塊的無人機正在測試飛行

科學人工智能 電池材料的人類研發一直是商業化下一代電池技術最慢的步驟。例如，全球鋰離子產業研究了不到1,000種獨特分子花費了30年時間，而實際上有1000億(1011)種獨特的分子可以被使用和應該研究。人類科學家平均需要10年時間才能引入新的電池材料。我們相信科學人工智能可以在一年內實現這一目標。與收集生產線和車輛的實際數據不同，科學人工智能需要一個巨大的分子屬性數據庫，目前還不存在，合成這個屬性數據庫需要大量的計算能力。最近，我們啟動了一個名為分子宇宙的新倡議，旨在集思廣益，提供資助和免費計算資源來映射小分子的特性。幾所大學，國家實驗室和大型技術公司已參與該計劃，我們已經繪製了大約10的6次分子。有了更多的GPU，我們希望映射足夠大的分子宇宙，以使我們的人工智能模型的訓練達到足夠的精度。一旦我們擁有了這個地圖，我們相信我們可以加快發現任何電池問題的材料。這不僅包括Li-Metal適用於EV、UAm和無人機，還包括適用於消費電子、網格存儲、汽車和其他應用的鋰離子電池。這些分子大部分是全新的，沒有商業化。 這就是我們建立電解質鑄造廠的原因，電解質鑄造廠自今年四月份以來一直在運作，已被納入我們2024年的指導方針。電解質鑄造廠僱用了世界上最好的有機合成化學家之一。現在，我們從分子映射到新分子的生成人工智能模型，再到分子合成和純化，到高通量電解質配方篩選，再到小型和大型電池測試的全面能力。我們相信在電池行業中沒有任何人擁有這樣的完整能力。我們在波士頓總部外部剛建立的新電解質鑄造廠

4.部署和變現 這三種人工智能解決方案代表了我們預計將帶來令人興奮、即將到來的收入流和電動交通未來業務模式的。安全製造人工智能 為了真正確保領域內近100%的安全，必須將製造質量和車輛安全數據集成。這就是SES AI的作用。對於EV、UAm和無人機的Li-Metal電池，這將是第一次將製造和安全數據集成起來以確保近100%的安全。我們還與一些同行合作，包括下一代鋰離子和Li-Metal電池，以整合製造和安全數據進行模型訓練。數據越大、越多樣化，模型就越準確。這個OEM的價值主張是，事件預測可以防止昂貴的召回，更準確的剩餘使用壽命預測可以幫助延長電池使用壽命。

科學人工智能 SES AI擁有最強的電池電解液開發能力。許多電池公司和OEM沒有開發好電解液材料的資源。我們可以內部獲得情報，幫助他們解決問題。我們將首先尋求打破由人類科學家設定的Li-Metal電解液庫侖效率記錄。然後我們將擴大到Li-ion應用，例如低温性能和快速充電、非揮發性，從汽車到消費電子、網格存儲和許多其他應用。這種對於科學人工智能業務模式的內部情報可以在擁有更高利潤率的製藥業找到類似的類比。我們一直在將這種製藥業應用於鋰金屬材料的發現，預計我們也將將其應用於鋰離子材料的發現。人工智能改變了一切。我們的安全製造、安全人工智能和科學人工智能模型加速了Li-Metal適用於EV、UAm和無人機的商業化、時間到收入和盈利能力。但它們也可以應用於更廣泛的鋰離子應用。 我在應對無數的工業週期時，尤其為從無到有的技術發展而感到自豪，許多人認為這是不可能的。與世界各地的一組優秀客户合作進一步驗證了我們的努力。然而，我從未像現在一樣對我們的業務感到更加興奮，因為我們將人工智能整合到我們操作的每個方面中。我堅信這將使我們能夠在全球範圍內推動變革。能夠生活在這個激動人心的交通、科學和人工智能時期，我感到非常幸運。 5.全力投入人工智能

財務亮點和展望 在第二季度，我們的GAAP營業費用為2460萬美元。運營中使用的現金為2210萬美元，資本支出為370萬美元。我們以29470萬美元的流動性結束了第二季度。由於我們繼續非常謹慎地處理現金和支出管理，我們更新了2024年全年指導方針。我們現在預計總現金使用將在1億美元至1.2億美元的範圍內(從之前的1.1億美元至1.3億美元下降)。這個範圍由8500萬至9500萬美元的運營現金使用(與之前的9000萬至1億美元相比)和1500萬至2500萬美元的資本支出(與之前的2000萬至3000萬美元相比)組成。我們預計我們強大的資產負債表將為公司提供足夠的流動性，直到2027年。在C樣品測試和C樣品測試後，我們預計將與OEM合作伙伴共享產能建設資本支出。UAM/無人機和我們的人工智能解決方案可能為早期商業化提供潛在的上行空間。 2024年的目標 除了我們為三個人工智能解決方案概述的願景之外，我們今年的首要任務仍然是關注資本效率，吸引頂尖人才，繼續在向EV、UAM和無人機夥伴交付Li-Metal電池方面取得進展，並引領電池行業的人工智能轉型。 胡其超 高靜 創始人、首席執行官兼執行董事首席財務官

SES AI公司 簡化合並資產負債表 （未經審計） （千美元，除每股及每股的金額）2023年6月30日，2023年12月31日 資產 流動資產 現金及現金等價物 $ 54,816 $ 85,671 短期投資 239,939 246,775 應收款項（來自關聯方） 590 3,911 存貨 519 558 預付費用及其他資產 14,275 11,712 流動資產合計 310,139 348,627 固定資產和設備，淨額 41,236 37,959 無形資產，淨額 1,281 1,345 使用權資產，淨額 11,123 13,099 遞延所得税資產 1,057 1,057 其他非流動資產 3,535 4,723 資產總額 $ 368,371 $ 406,810 負債及股東權益 流動負債 應付賬款 $ 2,363 $ 4,830 租賃負債 2,474 2,404 應計費用及其他負債 9,121 13,121 流動負債合計 13,958 20,355 贊助商收益分成負債 1,880 4,166 非流動租賃負債 9,348 11,316 未賺政府補助 9,023 9,270 其他非流動負債 2,589 2,753 負債總額 36,798 47,860 股東權益 優先股，$0.0001 面值；20,000,000 股已獲授權的股份，截至2024年6月30日和2023年12月31日分別未發行和未持有 — — 普通股：A類股，$0.0001 面值，2,100,000,000 股已獲授權；截至2024年6月30日和2023年12月31日分別已發行並流通 312,025,684 和310,266,922 股；B類股，$0.0001 面值，200,000,000 股已獲授權；截至2024年6月30日和2023年12月31日分別已發行並流通43,881,251 股 35 35 額外支付的資本 568,199 559,214 累計赤字（234,140）（198,686） 累計的其他綜合損失（2,521）（1,613） 股東權益合計 331,573 358,950 負債及股東權益總額 $ 368,371 $ 406,810

SES AI公司 簡化合並損益表 （未經審計） 截至2024年6月30日的三個月，截至2023年6月30日的六個月 （千美元，除每股和每股的金額）2024年 2023年 2024年 2023年 營業費用： 研究開發 $ 15,057 $ 6,347 $ 26,822 $ 14,836 總和管理 9,570 12,924 19,076 26,047 營業費用總額 24,627 19,271 45,898 40,883 營業虧損 (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 贊助商收益分成負債公允價值變動收益 1,411 2,926 2,286 3,495 雜項（支出）收入，淨額 (580) (405) 294 415 其他收入淨額 4,826 6,650 10,737 12,179 税前虧損 (19,801) (12,621) (35,161) (28,704) 所得税負債 (96) (327) (293) (470) 淨虧損 (19,897) (12,948) (35,454) (29,174) 其他綜合損失，税後： 外幣折算調整 (93) (1,492) (550) (1,420) 短期投資未實現損失 (59) (721) (358) (254) 其他綜合損失總額，税後 (152) (2,213) (908) (1,674) 總綜合虧損 $(20,049) $ (15,161) $ (36,362) $ (30,848) 歸屬普通股股東的每股淨虧損： 基本和攤薄 $(0.06) $ (0.04) $ (0.11) $ (0.09) 加權平均發行股本： 基本和攤薄 320,833,854 314,578,498 319,812,287 314,003,663

SES AI公司 簡化合並現金流量表 （未經審計） 截至2024年6月30日的六個月 （千美元）2024年 2023年 從經營活動中的現金流量 淨虧損 $(35,454) $ (29,174) 調整為協調淨虧損的現金 來自贊助商收益分成負債變動公允價值的收益 (2,286) (3,495) 股票期權折價費用 9,586 13,787 折舊和攤銷 3,666 2,317 可供出售短期投資的增值收益 (3,889) (5,851) 其他 (1,478) (346) 營運資產和負債的變動： 來自關聯方的應收款項 3,321 (47) 存貨 22 63 預付費用及其他資產 (2,548) (6,602) 使用權資產 1,802 (812) 應付賬款 (274) 2,332 應計費用及其他負債 (1,824) (3,815) 租賃負債 (1,715) 778 從經營活動中使用的淨現金流量 (31,071) (30,865) 從投資活動中的現金流量 購買固定資產和設備 (10,454) (7,787) 購買短期投資 (133,999) (136,011) 從到期的短期投資中獲得的款項 145,000 120,000 投資活動中提供的淨現金流量 547 (23,798) 從融資活動中的現金流量 股票期權行權所得 128 77 融資活動提供的淨現金流量 128 77 現金的匯率變動 (501) (595) 現金，現金等價物和受限制的現金的淨減少 (30,897) (55,181) 期初的現金，現金等價物和受限制的現金 86,966 107,936 期末的現金，現金等價物和受限制的現金 $ 56,069 $ 52,755 補充的現金和非現金信息： 所支付的所得税 $ 203 $ 158 與購買固定資產和設備相關的應付賬款和應計費用 $ 2,081 $ 3,877 由於獲得使用權資產而產生的租賃負債 $ — $ 1,754

前瞻性聲明 本函件包含SES AI認為符合1995年《私人證券訴訟改革法案》（Private Securities Litigation Reform Act of 1995）的“前瞻性聲明”。 這些前瞻性聲明包括但不限於涉及未來財務業績、業務戰略或對我們業務的預期。這些聲明基於SES AI的管理層對於其計劃、意圖 和對這些前瞻性聲明所反映或暗示的期望的估計。儘管SES AI認為其計劃、意圖和對這些前瞻性聲明所反映或暗示的期望是 合理的，但無法保證其將實現或實現這些計劃、意圖或期望。這些聲明構成了投射、預測和前瞻性聲明，並不保證業績。此類 聲明可以通過它們未嚴格相關於歷史或當前事實來識別。在本新聞稿中使用諸如“預計”、“相信”、“能夠”、“繼續”、“可能”、 “可能”、“估計”、“期望”、“預測”、“打算”、“可以”、“潛能”、“預計”、“尋求”、“應該”、“努力”、“目標”、“將”、“Would”和類似的表達方式可能標識出前瞻性聲明，但這些詞的缺失並不意味着 某個聲明不是前瞻性。 你不應該過多依賴這些前瞻性聲明。如果發生已知和未知的風險和不確定性中的一個或多個，或者如果SES AI的任何一項 假定是不正確的，我們的實際業績或表現可能會與這些前瞻性聲明所表達或暗示的不同。一些可能導致實際結果與前瞻性聲明不 同的因素包括但不限於以下風險：與SES AI電池技術的開發和商業化以及達到預期的業務里程碑有關的風險；與實現和保持盈利壓力的不確定性有關的風險；與未來資本需求的不確定性有關的風險；SES有能力將其產品集成到電動汽車 ("EVs")和城市空中移動（"UAM"）、無人機和其他應用中的風險；SES AI電池電池生產的前期開發預計時間滯後可能對SES的業 務和前景產生不利影響的風險；用於空中移動市場並且用於將Li-Metal技術用於空中移動應用中市場仍在前期開發階段，可能無法 實現我們預期的增長潛力的風險；與開發UAm市場和從UAm行業需求電池有關的風險；潛在的供應鏈困難；SES AI成功吸引、培訓 和留住高技能員工和關鍵人員的能力；替代技術或其他化石燃料替代品的發展；與SES AI的知識產權有關的風險；與SES AI 在美國以外的業務運營有關的商業、管制、政治、業務、財務和經濟風險；SES AI已經在其內部財務報告控制方面確定了實質性缺 陷，可能會在未來確定重大缺陷，或者無法開發或維護有效的內部控制體系；SES AI普通股的波動和SES AI公共認股權證價值的變化； 以及我們在2023年12月31日提交給證券交易委員會（"SEC"）的年度報告的“第I部分，第1A. 風險因素”中所述的其他風險。還可能 有SES AI目前知道和認為是不重要的風險，也可能導致實際結果與前瞻性聲明不同。此外，前瞻性聲明反映了SES AI對未來事件和 觀點的期望、計劃或預測，僅限於本新聞稿的日期。SES AI預計隨後的事件和發展將會導致其評估的變化。但是，雖然SES AI可能在 將來的某個時候選擇更新這些前瞻性聲明，但SES AI明確否認有任何義務這樣做。這些前瞻性聲明不應該作為代表SES AI對任何日期以後 的評估，其應保留SES AI在前瞻性聲明使用日期的評估。