AI热点 7小时前 57 阅读 0 评论

AIDC爆火,储能企业跨界抢滩AI能源“新战场”

作者头像
AI中国

AI技术专栏作家 | 发布了 246 篇文章

全国首个5A级智算中心——商汤临港智算中心内,一排排服务器高速运转,这些耗电巨大的算力机器正通过一套智能系统,与宁德时代的储能设备和电网进行着实时“对话”,精准匹配每一度电的消耗。

2025年,被称为“全球AIDC建设元年”,国内外主要云厂商资本开支迎来放量增长。在这场算力竞赛的背后,是巨大的能源需求——国际能源署预计,到2026年,全球数据中心总耗电量将突破800TWh,四年内增长75%。

当人工智能成为新生产力,承载算力的AIDC(人工智能数据中心)正从科技巨头的专属基建,演变为席卷产业的投资狂潮,而手握储能技术钥匙的跨界者,正试图在这场变革中改写行业规则。

算力围城,AIDC 爆火的双重推力

AIDC,即人工智能数据中心,不同于传统IDC,是AI算力驱动下的升级形态,堪称智能时代的“算力工厂”。

2025年初,幻方发布的Deepseek-R1大模型,以极具竞争力的成本实现卓越性能,极大激发了国内AI产业的投资热情,而AIDC的爆发性增长则主要源于两大核心驱动力。

一方面,随着大模型技术快速迭代,引发训练端和推理端算力需求的双重爆发。AI技术正从GenAI向Agentic AI、Physical AI演进,Agent智能体在编程、智能驾驶等复杂场景的应用正快速普及。

据OpenAI测算,从2012年开始,全球AI训练所用的计算量呈现指数增长,平均每3.43个月便会翻一倍。华为预测,2030年全球AI算力需求将达到2025年的16倍,中国市场2023-2028年复合增长率更是高达46.2%。

另一方面,全球云厂商掀起了资本开支的“军备竞赛”,海外头部四家云厂商资本开支合计超3000亿美元,同比增长超30%。

算力缺口倒逼下,腾讯、字节等巨头纷纷加码,方正证券数据显示,中国AIDC投资规模将从2024年的1875亿元飙升至2027年的4826亿元。阿里巴巴集团CEO吴泳铭更是直言,在云和AI的基础设施投入预计将超越过去十年的总和。

然而,算力激增背后隐藏着巨大的能源挑战。新一代AI芯片的功耗呈现跳跃式增长,英伟达H200算力板卡功耗约1700W,而新一代B200板卡功耗则跃升至3300W,增幅接近翻倍。

GPU运算性能的快速提升带来的是能耗的急剧增加。根据施耐德电气的数据中心投资成本模型,配电系统的投资已占总投资的36%,成为重要的资本开支部分。

AIDC建设需要大量投资,运营起来花费同样不小,其电力需求早已超出常规认知。

工信部原部长李毅中在去年年底举行的“2024中国制造强国年会暨电力及新能源高端装备发展大会”上透露,2024年中国数据中心与5G基站总耗电量达2500亿度,相当于北京与上海的年用电量之和,而一个万卡级AIDC集群年耗电量可达数亿度。

与此同时,北美电力可靠性公司(NERC)观察到一个惊人现象,某数据中心负荷可在40秒内从 450MW骤降至40MW,随后又快速回升。

正是AIDC这种“电力过山车”与“电老虎”的特性让储能从可选配件变成刚需,也由此催生出一个前所未有的储能市场机遇。宁德时代预测,2030年数据中心储能电池出货量将达2024年的30倍,对应市场规模约1500亿元。

跨界者的底气,储能企业的技术王牌

AIDC发展虽快,但在散热、供电与空间这三个方面也存在着不小的技术挑战。

我们先来看散热,英伟达H100单卡的功耗为700W,一个8卡服务器的总功耗超过5.6Kw,单柜功率则超过100kW,传统风冷技术的散热上限不超过15kW,液冷技术虽能解决高功率设备散热难题,但相比沿用已久的风冷机房,液冷机房的产业链和标准化建设尚待完善。

供电系统同样也需要革新,其中主要体现在供电的稳定性上,由于AI训练的连续性要求,使得AIDC必须实现“零中断供电”,加上上文提到AI训练时出现的“脉冲式用电”,能使AIDC的负荷在数十秒内完成百倍波动,这些因素都推动着AIDC的供电技术路线从传统的UPS方案向支流化、高功率、小体积的HVDC、SST等新架构过渡。

储能企业之所以能够切入到AIDC赛道,很大一部分原因在于能源领域的长期积累使得他们相比科技巨头们,在“用电”这一项的技术基因上有着天然的优势。

储能业务与AIDC建设的技术同源性构成了储能企业跨界入局最核心的竞争壁垒,AIDC 的核心能源需求可概括为“高效转换+稳定存储+智能调度”,这恰好是光储企业的立身之本。

像南都电源在固态电池领域取得突破,其半固态产品已中标2.8GWh新型电力储能项目,位居全国第一。

双登股份则将通信储能的高倍率技术迁移至AIDC 领域,其磷酸铁锂电池解决方案兼容HVDC和UPS场景,成功获取海外运营商数据中心高压锂电订单,打破海外高端市场准入壁垒。

其次是储能企业擅长将单一产品升级为场景化解决方案,而这正是AIDC客户的核心诉求,出色的场景适配能力也让他们在AIDC赛道形成了各自的差异化优势。

例如,阳光电源在光伏逆变器领域深耕了20多年,其HVDC技术与AIDC电源的需求高度契合,阳光电源就利用自己的技术优势为AIDC提供“全链条解决方案”:

用光伏、风电为AIDC提供绿电,用储能系统平抑电力波动、保障供电稳定,再用HVDC电源实现高效供电,四大业务形成“绿电生产-储能调节-高效供电”的完整闭环,完美匹配AIDC的一体化需求。

这种协同性也让阳光电源在AIDC市场中区别于维谛、台达等“纯电源厂商”,具备了独一无二的竞争优势。

海辰储能推出革命性的∞Power锂钠混合储能解决方案,融合锂电长时储能与钠电峰值负载响应的双重优势:6.25MWh 8h锂电系统提供稳定基础负荷支撑;2.28MWh 1h钠电系统实现毫秒级峰值波动响应。

事实上,上述企业的跨界布局已经开始收获回报。

双登股份2025年中期业绩显示,公司AIDC数据中心电池及系统业务实现销售收入10.28亿元,同比大幅增长113.1%,占公司总营收的比例提升至47.2%。

南都电源的通信与数据中心储能业务同样表现亮眼,2025年上半年该板块收入达18.90亿元,同比增长34.09%,成为其三大业务中唯一实现正增长的部分。

科华数据在AIDC的驱动下,在2025年第二季度迎来总体业绩拐点:收入25.2亿元,环比大增107%;归母净利润1.8亿元,环比增长153%,创近8个季度新高。

阳光电源甚至成立专门的AIDC事业部,将AIDC业务进行了战略层面的升维,AIDC作为连接“新能源”与“AI”的纽带,与现有三驾马车形成协同共振,推动企业完成从“设备供应商”到“能源系统服务商”的转型。

前路未卜,跨界者的生存考题

尽管储能企业在AIDC领域初战告捷,但前行道路上仍面临诸多挑战。这些挑战不仅关乎企业的生存发展,更将决定整个行业能否顺利跨越从"能源供给"到"算力赋能"的关键转型期。

技术整合首当其冲成为一大挑战。AIDC作为复杂系统,其建设涉及供配电、制冷、计算、网络、存储、安全等多个技术领域的深度融合,要求企业具备前所未有的跨学科技术整合能力。在实际运营中,这种整合难度体现得尤为明显。

以液冷技术为例,虽然理论上能够有效解决高功率密度设备的散热问题,但在工程实践中却面临诸多难题。某头部互联网公司的实际案例显示,在其最新建设的液冷AIDC中,冷却液的物理特性、管路的布设方案、服务器的密封性能等细节问题,都需要与服务器厂商、机房基础设施供应商、冷却方案提供商进行反复磨合。

“我们花了整整三个月时间,才解决了一个看似简单的漏液检测问题”,该项目技术负责人透露。这种跨领域的技术整合,要求企业不仅要懂能源,还要懂计算、懂网络、懂土木工程,形成真正的“全栈”能力。

标准制定的滞后进一步加剧了整合难度。据中国电子技术标准化研究院数据显示,当前AIDC相关标准体系中,仅有约30%的标准完成制定,超过40%的标准仍处于起草或讨论阶段。这种标准缺失导致不同厂商的设备接口、通信协议存在差异,增加了系统集成的复杂性。

其二,AIDC作为智算时代的关键基础设施,需要整个产业链的紧密配合,其发展需要整个产业链的紧密配合,从芯片厂商到设备供应商,从能源企业到云服务商,都需要在技术路线、产品标准、商业模式上达成共识。

不久前,商汤大装置联合达卯科技、宁德时代旗下溥泉资本发布的临港AIDC算电协同平台,就是生态协同的一个成功范例。

该平台构建了从"数据-算法-策略-执行"的全链条智能调度系统,实现了算力需求与电力供给的精准匹配。实际运行数据显示,该平台将模型能源需求预测准确率提升至88%以上,单月节省电费支出超过200万元。

这种协同效应目前正在行业内扩散。

近期,包括双登股份、南都电源在内的多家企业联合发起成立了"AIDC产业生态联盟",旨在推动产业链上下游的协同创新。联盟首批成员涵盖设备商、运营商、解决方案提供商等30余家企业,计划在技术标准、测试认证、人才培养等方面开展深度合作。

最后,储能企业们还要直面国际化竞争。

全球范围内,AIDC建设热潮正在兴起,各国都在加大投入。奥地利近期启动的“LendAIDC”项目,依靠25兆瓦水力发电供能,堪称数字与人工智能领域可持续发展的典范。

这表明,全球范围内AIDC的竞争已经展开,中国储能企业需要加快技术创新与全球化布局的双轮驱动。

结语

AIDC战场的大门刚刚开启。随着算力需求继续飙升,谁能在高效与绿色间找到平衡,谁就能在这场关乎未来的竞赛中掌握主导权。

本文来自微信公众号“洞见新研社”(ID:DJXYS-0309),作者:辰纹,36氪经授权发布。

作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!