这两年，AI 军备竞赛打得那叫一个昏天黑地，在中美都是拉动投资的主力。

GPU、存储、光模块、液冷，算力基建的市场热点一轮接一轮地爆发。

另外，GPU 芯片非常吃电，一座大型 AI 算力中心一年电费动辄几十个亿，顶得上一座小城市。

即便你掏得出几十亿，也不一定能抢到电。

在美国一些地区，AI 算力中心接入电网要排队 3 到 7 年。于是马斯克、扎克伯格这些人都等不及了，纷纷开始购买燃气轮机自建电厂。

这使得跟 AI 算力貌似不搭噶的一众电力设备，燃气轮机、变压器、高压开关等等，也跟着一起鸡犬升天了。

但在一个大多数人没有注意到的角落，AI 相关的储能，也就是电池业务，也在暴涨。

2026 年前 5 个月，全球 AI 算力中心储能出货量达到 10GWh，按电池容量计算相当于 1000 万度电，已经超过 2025 年全年。行业预计，到 2030 年，AIDC 储能锂电池出货量将突破 300GWh。按眼下的出货量级看，短短几年就是几十倍的增长空间，毫不意外的是，新增订单，大部分都流向了中国电池厂。

为啥 AI 计算需要这么多电池呢？今天我们就来深度聊聊。

你对数据中心的印象可能是这样的：一排排服务器安安静静闪着绿灯，嗡嗡作响，用电也相对平稳。

传统数据中心确实是这样，单个机柜功耗 4 到 8 千瓦，负荷稳稳当当，像定速巡航，电网轻轻松松，如沐春风。

但 AI 算力中心完全不一样。

比如一块英伟达 B200 GPU 在满负荷运行时，功耗可以达到 1200 瓦；一套 GB200 超级芯片可以达到 2700 瓦。

一个 NVL72 机柜里塞了 72 块 GPU，整柜功耗飙到 120 到 140 千瓦，是传统机柜的 20 倍。

但功耗大还不是最要命的，最要命的是 AI 的功耗会 " 跳 "。

大模型训练时，成千上万块 GPU 会同时计算，并在每一轮结束后交换计算结果，这个过程叫 AllReduce。你可以把它想象成一个几万人的大合唱团，每唱完一段所有人必须停下来对谱，等最慢的那个人跟上，然后再一起开唱。

结果就是所有 GPU 要么同时满功率运转，要么同时空转等待。用电曲线变成 " 方波 "：满功率→空转→满功率→空转，不断重复。

有储能工程师打过一个比方：GPU 的用电就像一辆每秒从怠速踩到满油门又松掉的跑车。

Vertiv 的实测数据显示，GPU 机柜的负荷可以在极短时间内从约 10% 跃升至满载甚至超出额定功率的 150%，呈现高频脉冲式波动。

这种波动放大到几万张卡的集群上，处理不好的话，就相当于你的显卡在用电磁脉冲震荡攻击你的电源。

当年 Meta 训练 Llama 3 时，使用了两个各有约 24000 块 H100 GPU 的集群。单个集群中，仅服务器等 IT 设备的合计用电功率就达到数十兆瓦。大规模训练时，成千上万块 GPU 同步切换状态，汇聚到电网侧，就会形成数十兆瓦的功率冲击。

有人可能会觉得，跳就跳呗，电网不是专门干这个的吗？

问题在于，电网是为平稳用电设计的，调度指令下达后，从电厂增容到电流送到用户端，反应以秒计；但 GPU 的功率跳动以毫秒计，根本不是一个节奏啊。

电网来不及响应，电压就可能突然下跌。

你家里的灯闪一下，你人可能感觉不到；但对正在训练大模型的 GPU 来说，电压异常哪怕只持续 10 毫秒，也可能导致这一轮训练失败，轻则回滚到上一个检查点，重则整段重新计算。

咋办？

传统数据中心的标配方案叫 UPS，也就是不间断电源。本质上就是一组大型铅酸电池放在楼下配电间，平时充满电待命，外部电源一断就顶上去，撑到柴油发电机启动。

过去几十年，数据中心就是靠这套系统活下来的。

但 UPS 是为防止突然停电设计的，不是为电压跳动设计的。铅酸电池响应速度在 10 毫秒以上，而且是集中式部署，一栋楼共用一套 UPS，中间隔着长长的输电线路。

GPU 要的是毫秒级、分布式的贴身供电，UPS 从架构上就不行：反应太慢，离 GPU 太远，一出故障还影响一大片。

离 GPU 最近的第一道防线，是电容。

英伟达在 GB300 机柜的电源架里，把剩下的空间都装上了电容。GPU 功率一冲高，它就放电；功率一回落，它就充电，把最频繁的那些小尖峰就地削平。

电容靠物理方式存电，不像电池要靠化学反应，隔几秒就充放一轮也不伤寿命。但它存的电能少得可怜，每块 GPU 只分到 65 焦耳，差不多够一个 60 瓦灯泡亮一秒，所以它只能管抖动，管不了波动。

AI 算力中心催生出来的电池需求叫做 BBU，也就是电池备份单元。

它和 UPS 最大的区别在于：BBU 不在楼下，就在机柜里面，和 GPU 住同一个柜子。

一台 NVL72 机柜里装 24 个 BBU，电芯是 21700 高倍率圆柱锂电池，放电倍率 ≥10C，响应时间不到 2 毫秒。

GPU 功率骤升的瞬间，旁边的 BBU 在 2 毫秒内放电补位，撑住电压，等电网几秒后完成调节，BBU 再平滑退出。

但电容和 BBU 只管机柜内部毫秒级的急救，一个大型 AI 数据中心成百上千个机柜同时暴跳，叠加起来的冲击达到几十兆瓦。

这就需要整个园区级别的储能系统来扛：几十个集装箱大小的储能柜围在园区周边，总容量几百兆瓦时，专门应对所有机柜叠加起来的秒级到分钟级的功率波动。

总的来说，传统储能像蓄水池，慢慢蓄、慢慢放，讲究的是一个容量大、成本低。

AIDC 储能则像是急救队，GPU 一喊饿，电得瞬间到位。电容和 BBU 管毫秒，园区储能管秒到分钟，三层合在一起，才算把 GPU 这个电力黑洞喂饱。

AIDC 储能需求的爆发是全球性的。

机柜级 BBU 正在迅速变得供不应求，2025 年全球 BBU 市场约 35 亿元，预计 2030 年达 350 亿元，五年翻十倍，年复合增长率近六成。

这股需求来得这么急，最直接的原因是算力中心建得比电网快。

接入电网往往要排队 3 到 7 年，但老板们等不了，晚投产一个月，就是真金白银的算力收入在流失。

那怎么办呢？一般就两条路，而这两条路都越来越离不开储能。

一条是自己发电。但独立小电网的稳定性和响应速度远远比不上大电网。燃气轮机调节出力以秒甚至分钟计，跟不上 GPU 的忽高忽低，光伏更是看天吃饭，自建电站想稳住，中间得垫上一大片电池。比如马斯克在美国孟菲斯建的超算中心，除了用来发电的燃气轮机，额外还配了一百多台台特斯拉 Megapack 储能柜，专门应对停电和用电冲击；

另一条是先接一部分电网。电网公司最怕的，是用电高峰时再接进一个忽高忽低的大负荷。数据中心配上储能，高峰时段就能少从电网取电甚至自己扛，电网不用大改，审批就能往前排。谷歌资助的一项研究测算，数据中心自带储能等电源，再配合这种 " 灵活接入 "，能比传统排队提前 3 到 5 年通电。

所以对越来越多的项目来说，储能已经成为算力中心能不能按时开机的前置条件。

最先感受到这种变化的在外面跑的销售。

据《经济观察报》报道，一位在欧洲跑储能销售的中国从业者说，2024 年在欧洲跑生意，客户关心的还是如何储存风电光伏，以及如何利用电价差降低成本；2025 年，主动询问算力配套储能的客户增加约一半；到 2026 年，几乎每个客户都在问算力中心的事儿。

需求变了，方案也不能再一套走天下。磷酸铁锂电池循环寿命长，是储能市场的主力，但低温性能会下降；钠离子电池更耐寒，适合北欧冬季，却要牺牲一部分能量密度；到了中东，又需要针对 45°C 高温重新设计热管理。

过去一套方案走遍全球市场的做法，已经行不通了。

而且，算力中心对储能的要求，是极端的；建算力中心的地方，很多时候也有着奇怪的天气气候环境。

比如，北欧有一家做风电的公司 KK Group，近年开始闻着味道进军算力中心领域。他们在下单一个储能订单时，要求储能变流器在 10 毫秒内响应，电池能够持续以 2C 放电、短时达到 4C，系统可用率达到 99.999%，输出电压波动控制在 ±2% 以内。

2C 大致相当于以半小时放完一块电池的速度输出，倍率越高，短时间释放大功率的能力越强。传统储能通常只要求 0.5C 放电，响应时间以秒计算。

所以他们的需求可谓是既要又要还要，反应要更快，短时间输出的功率要更大，供电要更稳定，而且一年最多只能意外停机几分钟。

所以这不是谁都接得了的活。

阿布扎比的一个项目，更是重量级。

首先是项目规模，19GWh，是全球最大的单一储能订单，相当于把 25 万台特斯拉动力电池塞到一个项目里。

地处中东，干燥、高温、风沙环境下，大规模电池系统的温控、防护和运维都极大提升了交付难度。

更绝的是，这个项目要求用清洁电力：白天光伏发电多时把电存下来，夜间和阴天再放出来；接入算力负荷后，储能还要随时应对 GPU 突然拉高功率。

说白了，光伏发电是看天吃饭的，而算力负荷是说拉满就拉满的。这两套东西的格调完全不一样，但偏偏要塞进同一个系统里，这也是整个项目最难受的地方。

这个项目由比亚迪和阳光电源共同落地。

落地时，原来为普通风光储能准备的标准设计方案首先被推翻，两种负荷必须分区管理，现场摸索出了两种解法。一种是 " 分家过日子 "：把算力舱和光伏舱物理隔开，再按照内阻等电性能指标给电芯分组；另一种是 " 一大家子共用一个存折 "：硬件不拆，靠软件动态分配容量，谁急着用先挪给谁。两种方案都需要定制，设计方案改了好几版，配件排期也比标准产品明显更长。

真正拖慢工期的还是联动调试。光伏发电随云层忽强忽弱，GPU 训练又有无规律的功率尖峰。两个没规律的信号同时涌进储能系统，电压像坐过山车。

更棘手的是，高温下电芯放电倍率被动下调，但算力中心偏偏要峰值大功率放电，安全温控和功率需求之间得反复找平衡。

现场工程师说：硬件安装难度可控，真正消耗工期的是光伏、储能、算力三类负荷叠加的联动调试。

所以可以这样说，算力中心的储能需求，把电池领域卷了这么多年攒下来的各种性能全部打包拿下了，要求拉满，钱也给够，只求快点完工。

中国企业能接住这些活，不是临时为 AI 算力中心攒出来的能力，而是过去十多年一步步练出来的。

储能这个行业其实很年轻，算得上大规模发展，也就不到二十年的时间。

新能源汽车先把正负极材料、电解液、隔膜、电芯和电池包这条产业链在中国建立起来。风电、光伏大规模发展后，中国企业又开始做更大的储能系统，补上了热管理、电力电子、系统集成和海外项目交付能力。

AIDC 带来的变化，是把技术门槛再次往上推。动力电池主要解决续航和能量密度，传统风光储能更看重容量和成本；到了 AI 算力中心，电池还要毫秒级响应，短时间释放更大功率，并把系统故障时间压到极低。

这种变化已经开始反应在订单上了。

头部电池公司欣旺达 AIDC 储能订单上半年同比增长近 30 倍；AIDC 领域的上市公司双登集团前段时间披露，公司上半年 AIDC 储能新增订单同比增长超过 80%，AIDC 锂电新增订单为去年同期 20 倍以上。

据 CESA 统计，仅 2026 年一季度，中国储能企业拿到的海外订单已经超过 100 笔，总规模也超过 100GWh，无论看单家公司，还是整个行业，AIDC 都已经进入快速增长阶段。

订单流向中国，中国庞大的电池产能是一方面的原因，咱们一年生产全球 83% 的锂电池嘛。

但更重要的是，中国企业提供的不只是电池。从机柜里的圆柱电芯，到园区级的大容量储能系统，再到电池包、电池管理、储能变流和整套系统集成，中国企业已经具备从产品供应到项目交付的完整能力。

在全球都想赶紧把算力中心建起来、跑起来赚钱的时候，谁能更快、更不出错地把工程交付，就一定不缺老板为此付出更高的溢价。

中国厂商在 AIDC 储能领域的产品布局，覆盖机柜级 BBU、UPS、储能系统和电芯等多个环节 | 来源：TrendForce

同时，国内市场也在快速推进。

2026 年政府工作报告首次写入 " 算电协同 "，也就是让算力项目建设和当地电力规划同步推进。这是一个全球性的需求，无论海外还是国内，都在为中国企业提供新的增量空间。

从储能行业的角度来看，以前是车，后来是风光，现在是 AI，每一次技术往前走，储能都没有缺席。

这一次是 AIDC，这条从电芯到系统、从实验室到工地的能力链，就是中国储能的真正护城河，它是储能的又一场战事，也不会是最后一场。