AI“吃電”如何應對？儲能重要性愈發凸顯
【谷騰環保網訊】近年來AI的快速發展，離不開算力、電力的支撐。AI是目標，算力是橋梁，電力是基石，三者構成了一個“黃金三角”。作為這個“黃金三角”的“穩定器”，儲能的重要性愈發凸顯，正迎來前所未有的變革。
日前，國家數據局等多部門發布的《關于促進可再生能源綠色電力證書市場高質量發展的意見》提出，加快提升鋼鐵、有色、建材、石化、化工等行業企業和數據中心，以及其他重點用能單位和行業的綠色電力消費比例，到2030年原則上不低于全國可再生能源電力總量消納責任權重平均水平；國家樞紐節點新建數據中心綠色電力消費比例在80%基礎上進一步提升。
今年以來，中國企業在AI領域取得了一系列突破，為了更好地搶占科技高地，有幾道“必答題”亟須破解：如何建立安全、穩定的算力基礎設施？如何應對數據中心的電力需求波動？
“儲能不僅能夠應對電力供應的波動，還能通過優化電力的使用，降低計算任務中的能源消耗。”中國化學與物理電源行業協會儲能應用分會首席分析師馮思遙在接受記者采訪時表示，AI發展帶來了龐大的算力需求，而儲能在保障相關領域電力供應中扮演著重要角色，不僅能提高電力的使用效率，也能保障電力的穩定性。
AI“吃電”如何應對？
AI的終極目標是通過算法與數據的結合，實現各行業的效率躍升和智能化轉型。然而，AI的每一次突破都離不開海量數據的處理與復雜模型的訓練，而這些過程的核心支撐是“算力”。
“算力”是AI落地的核心驅動力。AI迅速發展，帶動算力需求指數級增長，能源消耗問題也隨之凸顯，算力核心基礎設施——數據中心用電量激增。
據國際能源署預測，2025年至2027年，中國數據中心以及5G網絡電力消耗量快速增長，數據中心電力消耗量占比將從目前的3%增長到6%左右。
AI對電力的巨大消耗被形容為“吃電”。中國化學與物理電源行業協會儲能應用分會專家委員楚攀解釋稱，與傳統的數據中心相比，AI數據中心單個機柜的功率增加了5倍至8倍，這就導致了同等建筑規模的數據中心對電力的需求增加5倍至8倍。楚攀認為，隨著DeepSeek等開源LLM大模型（大型語言模型）的普及，AI算力中心會越來越多。
國盛證券有限責任公司近期發布研報稱，從全球范圍看，海外科技巨頭均持續加碼AI算力，預計AI基建需求大幅增加，數據中心將開啟新周期。據SemiAnalysis數據預測，數據中心關鍵IT電源總需求將從2023年的49GW翻倍增長至2026的96GW，其中90%增長來自AI相關需求。
AI算力基建端的快速推進，對數據中心的穩定運行也提出了更高的要求。具體而言，一方面，數據中心的電力需求呈現出波動性，尤其是在計算密集型任務時，電力消耗激增；另一方面，數據中心通常需要24小時不間斷供電。由此，數據中心對電力可靠性需求不斷提升。
對此，楚攀表示，為應對AI數據中心對電力多樣化需求，不僅需要電力系統提供低成本且可靠的電能，還需要電力系統提升電能質量。AI芯片的單價高，不合格的電能會增加AI芯片的損壞概率，降低AI芯片的使用壽命，進而影響數據中心的正常運行。
在全球能源轉型的發展態勢下，數據中心也在積極探索綠色低碳高質量發展的道路，這對電力供應的清潔性和可持續性提出了更高要求。
算力電力如何協同？
儲能可以在提高供電穩定性、降低能耗等方面助力破解數據中心的用電痛點。
馮思遙向記者介紹，隨著AI產業發展以及數據中心的興起，我國在多個重要的數據中心和智算中心配備了儲能系統，尤其是在一些風光資源豐富的地區，風能和光伏發電結合儲能系統已經成為常見的配置。
為保證數據中心可再生能源使用比例，數據中心與儲能、綠電直供、源網荷儲等結合的創新機制及政策也在不斷落地。日前，工業和信息化部等八部門印發的《新型儲能制造業高質量發展行動方案》提出，面向數據中心、智算中心、通信基站、工業園區、工商業企業、公路服務區等對供電可靠性、電能質量要求高和用電量大的用戶，推動配置新型儲能。
目前，已有不少公司將光伏、儲能等綠色能源解決方案與數據中心規劃建設相結合，降低智算中心用電成本，提升能源利用效率，打造綠色算力新引擎。
楚攀對記者解釋稱：“傳統的數據中心應對非計劃停電的方案還是采用‘UPS（不間斷電源）+柴發’的方式，UPS一般只需要配置半小時，剩下的需求由傳統的柴油發電系統提供，這依然是成本最低的保供電方案。”
業內普遍認為，AI數據中心的需求越來越多，與之相對應的能耗也將越來越大。企業可以給AI數據中心配置一定比例的儲能系統，用于替代傳統的UPS。
“比如中國電信安徽的智算中心就配置了25MW/200MWh（8小時）的儲能系統。”楚攀表示，AI數據中心的功耗比較穩定，利用小時數高（一般在6000小時以上），若“新能源+儲能”的綜合供電成本低于傳統的供電方式，AI數據中心大規模配儲將成為趨勢。
AI驅動儲能產業變革
儲能為數據中心提供了綠色新引擎，AI也在驅動儲能產業開展新一輪變革。AI數據中心對儲能技術的需求有兩個核心點：一是大容量存儲；二是安全，儲能企業正在朝著這兩個方向努力。
長時儲能（4小時以上的儲能技術）近幾年受到廣泛關注，引發研究和投資熱潮。近期，安徽中電鑫龍科技股份有限公司回復投資者時表示，公司新能源技術團隊目前已在開展長時儲能技術攻關及相關產品研發。
“風光發電由于其間歇性特點，不能始終提供穩定電力，因此長時儲能技術變得尤為重要。”馮思遙對記者表示，長時儲能技術不僅能夠保障數據中心的電力供應穩定，還能促進綠色電力的消納，支持AI行業的可持續發展。
此外，在AI變革的驅動下，儲能系統正在經歷從技術架構到運營模式的全方位革新。據了解，作為最早一批投身儲能領域的企業，北京海博思創科技股份有限公司率先布局儲能系統的全生命周期數智化賦能，是首批將AI與大數據應用于儲能領域的廠商。
“通過智能化管理，儲能系統能實現精準的電力調度與監控，提高運行效率，降低能耗。”馮思遙說。
盡管儲能領域的變革正在不斷推進，但儲能系統的建設和運營成本仍然較高，尤其是在大規模部署的情況下，儲能設備本身的采購、安裝以及后期的運維成本，可能成為算力配儲項目的主要瓶頸。
“AI產業的算力需求持續增長，如何在保障電力供應的同時，降低儲能系統的建設成本，是當前需要思考的主要問題。”馮思遙表示，當前儲能系統建設還面臨著一定的技術瓶頸。對于算力密集型應用來說，現有的儲能技術可能無法完全滿足高強度、高頻次的需求。因此，繼續攻關大規模長時儲能、高效能儲能系統的開發與應用尤為重要。
使用微信“掃一掃”功能添加“谷騰環保網”
