本文來自微信公眾號： 羅蘭貝格管理咨詢 ，作者：羅蘭貝格

引言

人工智能大模型的高速普及，不僅重新搭建了全行業(yè)的生產(chǎn)效率框架，更在實體基礎(chǔ)設施領(lǐng)域掀起了一場影響深遠的能源變革。羅蘭貝格長期追蹤全球數(shù)據(jù)中心與新能源產(chǎn)業(yè)的發(fā)展動向，我們觀察到，人工智能數(shù)據(jù)中心也就是Artificial Intelligence Data Center，簡稱AIDC的規(guī)模正在極速擴張，這場擴張也將儲能的定位從傳統(tǒng)的“備用電源”，重塑為支撐算力基礎(chǔ)設施穩(wěn)定運轉(zhuǎn)的核心戰(zhàn)略性資產(chǎn)。本文將從技術(shù)發(fā)展路徑、中美市場差異以及未來市場空間等多個角度，拆解這個影響未來十年算力產(chǎn)業(yè)發(fā)展方向的核心議題。

1

市場整體情況：AIDC帶動全球電池儲能高速增長，儲能成為產(chǎn)業(yè)核心節(jié)點

當前全球電池儲能系統(tǒng)也就是BESS的市場需求，正保持著23%的年復合增長率快速擴張，在AI數(shù)據(jù)中心的強勁需求拉動下，數(shù)據(jù)中心儲能已經(jīng)成為固定式BESS市場中增長活力最強的細分領(lǐng)域。傳統(tǒng)的UPS供電方案僅能實現(xiàn)秒級供電橋接，完全無法應對AI訓練帶來的功率振蕩、負載快速爬升等全新問題。雖然純軟件調(diào)度或是GPU層面的調(diào)度方案能夠部分緩解這類問題，但會額外增加能耗，還會加速硬件損耗，因此儲能已經(jīng)成為解決這類問題最優(yōu)方案中不可或缺的核心部分。

AIDC正在重構(gòu)從芯片到電網(wǎng)的全鏈路能源與電氣架構(gòu)，供電、儲能、散熱、綠電、芯片五大技術(shù)方向正在同步協(xié)同升級。在儲能系統(tǒng)領(lǐng)域，AI訓練產(chǎn)生的毫秒級功率振蕩與負載快速爬升，會引發(fā)電壓閃變，提升服務器掉電風險；同時，綠電接入比例的提升，也需要儲能來平抑綠電出力的間歇性特征。這些需求共同推動儲能從“后備保障”轉(zhuǎn)向“主動參與功率調(diào)節(jié)”，也讓高倍率、長循環(huán)壽命電池的需求迎來爆發(fā)?，F(xiàn)代數(shù)據(jù)中心儲能已經(jīng)不再只有單一的備電功能，同時可以解決綠電消納、備用電源替代、供電橋接以及AI負載平滑四大問題，政策層面的變化還會進一步推動儲能在AIDC領(lǐng)域的滲透速度。

2

技術(shù)難點：AI訓練瞬態(tài)負載帶來兩大核心問題，坐實儲能剛需定位

AI訓練的計算-通信-檢查點循環(huán)會產(chǎn)生瞬態(tài)負載，帶來功率振蕩頻率波動以及負載快速爬升兩大挑戰(zhàn)，也讓儲能成為必不可少的剛需配置。在AI訓練運行過程中，單個GPU在完成小批量計算、跨GPU通信聚合梯度、跨GPU保存訓練進度也就是檢查點時，功耗會出現(xiàn)非常劇烈的波動。

第一個核心問題是毫秒級功率振蕩。AI訓練會產(chǎn)生亞毫秒級、最高達到峰值功率65%的功率振蕩，如果不做處理，會損傷發(fā)電設備，還會引發(fā)電壓閃變。深度學習負載本身自帶的同步特性，會導致非常明顯的功耗波動，不僅會提升發(fā)電機或者渦輪機的機械疲勞風險，還有可能威脅并網(wǎng)發(fā)電機的穩(wěn)定運行。雖然目前有純軟件方案、調(diào)整GPU配置文件等備選解決思路，但這些方案都會產(chǎn)生額外的能源浪費，額外耗電量最高可以達到總功耗的10%，還有可能無法滿足全部要求，甚至存在縮短GPU使用壽命的潛在風險。因此，不會浪費能源、又能滿足最高要求的儲能方案，被公認為最優(yōu)解決方案的核心組成部分。

第二個核心問題是訓練啟動階段的負載快速爬升。在快速爬升階段，現(xiàn)場的發(fā)電設備無法按照需求速度響應電力增長。當機械功率和電磁功率不匹配時，發(fā)電機轉(zhuǎn)速會出現(xiàn)異常的加速或減速，進而造成機械疲勞。不管是燃氣輪機、燃氣往復式發(fā)動機還是固體氧化物燃料電池，都需要額外的儲能設備比如BESS來匹配AI訓練啟動階段的負載變化，填補電力供需之間的缺口。

3

中美市場對比：驅(qū)動因素與技術(shù)路徑出現(xiàn)分化，儲能應用側(cè)重各有不同

中美兩國在AIDC儲能需求上呈現(xiàn)出非常明顯的差異：美國市場側(cè)重發(fā)電資產(chǎn)保護和并網(wǎng)需求，中國市場側(cè)重政策合規(guī)、綠電消納以及負載平滑需求。

在美國市場，電網(wǎng)擴容速度慢、現(xiàn)場發(fā)電應用普及，讓儲能成為保護發(fā)電資產(chǎn)、保障項目按期投運的剛需。美國AIDC發(fā)展最突出的限制不是單純的電力容量不足，而是電網(wǎng)擴容周期太長，普遍需要7到10年，這迫使很多項目在開發(fā)早期就大量依賴現(xiàn)場發(fā)電，以自備燃氣輪機為主，大約占到規(guī)劃容量的30%。因此，儲能的核心價值首先不是長時備電，而是平滑AI負載、保護燃氣輪機資產(chǎn)，應對毫秒級振蕩和快速爬升帶來的轉(zhuǎn)速擾動與熱疲勞，幫助項目更快落地投運。美國市場比較典型的應用模式，就是項目開發(fā)早期以現(xiàn)場燃氣輪機為主供電、搭配儲能做平滑處理，并網(wǎng)之后轉(zhuǎn)為電網(wǎng)主供電，儲能繼續(xù)承擔功率平滑和切換支撐的功能。

在中國市場，高比例綠電直供、政策強制配儲以及800V/SST供電架構(gòu)升級，成為拉動AIDC儲能需求的三大核心動力。中國以電網(wǎng)供電為主，但同時面臨高比例綠電接入、AI脈沖負載、新一代供電架構(gòu)升級三重疊加帶來的靈活調(diào)節(jié)挑戰(zhàn)。對應的儲能核心價值在于優(yōu)化資源配置，平抑負載波動、降低需量電費，同時支撐新型供電架構(gòu)穩(wěn)定運行。國內(nèi)比較典型的應用場景分為兩類，一類是新建高算力智算園區(qū)，普遍采用風光直供+電網(wǎng)支撐+SST+儲能的技術(shù)路線，儲能的核心作用是平滑AI負載、支撐柴油發(fā)電機切換、配合SST穩(wěn)定電壓；另一類是舊機房改造，儲能主要承擔需量優(yōu)化、局部穩(wěn)壓以及橋接切換的功能。

4

發(fā)展方向：精準匹配應用場景，搭建系統(tǒng)級仿真能力

數(shù)據(jù)中心的儲能需求會根據(jù)計算類型、電力來源、電氣架構(gòu)的不同存在差異，AIDC對儲能的需求遠高于非AI場景，主流技術(shù)也正在從UPS轉(zhuǎn)向BESS。對于AI訓練數(shù)據(jù)中心來說，功率平滑的需求達到每日數(shù)千次，最高可以達到約8000次微循環(huán)，遠超非AI數(shù)據(jù)中心的需求水平。明確數(shù)據(jù)中心儲能要求的核心，需要確認幾個關(guān)鍵條件，分別是計算類型也就是推理還是訓練、AI訓練的運行方式也就是啟停頻率、檢查點間隔，以及電力來源也就是電網(wǎng)還是現(xiàn)場發(fā)電以及具體發(fā)電類型。

結(jié)語

整體來看，AI訓練負載帶來的功率振蕩與快速爬升問題，已經(jīng)成為全球算力生態(tài)必須突破的共性技術(shù)門檻。盡管中美兩國在宏觀電網(wǎng)環(huán)境、市場驅(qū)動因素上存在明顯差異，讓儲能的應用側(cè)重和技術(shù)路徑選擇各有特點，但供電架構(gòu)向高壓直流演進、用高倍率長循環(huán)壽命鋰電池全面替代傳統(tǒng)鉛酸方案，已經(jīng)成為非常清晰一致的技術(shù)發(fā)展趨勢。對于產(chǎn)業(yè)鏈上下游的企業(yè)來說，提前洞察不同場景的差異，深入理解從芯片底層瞬態(tài)功耗到宏觀電網(wǎng)的物理交互規(guī)律，搭建系統(tǒng)級最優(yōu)策略的仿真能力，將會是在這場AIDC重構(gòu)能源格局的產(chǎn)業(yè)變革中搶占先機、定義未來發(fā)展的破局關(guān)鍵。