← 資訊首页 | 货源大厅

AI数据中心储能前5月出货10GWh,订单涌向中国电池厂

2026-09-26 · 来源:虎嗅·中继

AI数据中心储能前5月出货10GWh,订单涌向中国电池厂

GPU功耗方波冲击电网催生储能刚需,AI数据中心储能出货已超去年全年,新增订单大多流向中国电池厂。从电力饥渴到毫秒级功率跳动,储能正被推上AI基建的舞台中央。

AI算力基建的市场热点正从GPU、存储、光模块、液冷一路蔓延到电池。2026年前5个月,全球AI算力中心储能出货量达到10GWh,折合1000万度电,已超过2025年全年;行业预计到2030年,AIDC储能锂电池出货量将突破300GWh——短短几年就是几十倍的增长空间,而这些新增订单大部分流向了中国电池厂。

背后是算力中心的电力饥渴:一座大型AI算力中心年电费动辄几十亿元,顶得上一座小城市。美国部分地区数据中心接入电网要排队3到7年,马斯克、扎克伯格等科技巨头等不及,纷纷购买燃气轮机自建电厂,燃气轮机、变压器、高压开关等电力设备随之水涨船高。但自建电厂解决的是“电力总量”问题,解决不了“电力节奏”问题——这正是储能切入的缝隙。

电池为何成为AI刚需?答案在GPU的功耗曲线里。传统数据中心单机柜功耗4到8千瓦,负荷平稳如定速巡航;而英伟达B200满负荷运行功耗可达1200瓦,一套GB200超级芯片达2700瓦,一个NVL72机柜塞进72块GPU,整柜功耗飙至120到140千瓦,是传统机柜的20倍。这意味着供电系统、母线、开关乃至储能容量的配置逻辑,都要按照一个数量级以上的新标准重写。

更棘手的是功耗会“跳”。大模型训练时,成千上万块GPU同步计算,每轮结束经AllReduce交换结果,芯片要么同时满载、要么同时空转,用电曲线呈方波状。Vertiv实测显示,GPU机柜负荷可在极短时间内从约10%跃升至满载甚至超出额定功率的150%。Meta训练Llama 3时使用两个各约24000块H100 GPU的集群,单个集群IT设备合计功率达数十兆瓦,同步切换汇成电网侧的功率冲击。对电网而言,这不是平稳的大用户,而是一个以毫秒为周期反复“跺脚”的负荷。

矛盾在于节奏:电网调度响应以秒计,GPU功率跳动以毫秒计,来不及响应就可能电压骤跌——对正在训练的大模型,哪怕只持续10毫秒的电压异常也是风险。储能由此被推上AI基建的舞台中央。电池储能的响应速度天然在毫秒级,恰好填补了电网秒级调度与芯片毫秒级跳动之间的空档,既可以在功率跃升瞬间“补一口”,也可以在空转瞬间“吃掉”多余出力,平抑方波、保护设备。

从行业影响看,这一轮需求对AI算力买家具有直接意义。首先,储能不再是可选的绿色配套,而是与GPU集群同步交付的“供电基础设施”,在选址和预算时必须与机柜功率、液冷容量一并测算。其次,美国并网排队3到7年的现实,使得“储能+自建电源”成为缩短交付周期的主流路径,储能采购节奏将直接决定算力上线时间。第三,中国电池厂凭借产能、成本与交付速度占据订单大头,海外买家在供应链安全与价格之间需要做出权衡,这也解释了订单为何大部分流向中国厂商。

在采购考量上,买家应重点评估三点:一是响应速度与放电倍率,储能系统必须匹配毫秒级功率波动,而非按传统峰谷套利逻辑选型;二是循环寿命与安全,方波工况下的高频充放对电芯寿命是严峻考验,质保条款和消防设计要写进合同;三是容量测算方法,建议按NVL72机柜120到140千瓦的整柜功耗、叠加150%瞬时超载的极端场景预留裕量,而不是按平均功率配置。

【真实行情数据】该型号当前无在售挂价数据。投资者与采购方在参考具体报价时,应以交易所及厂商最新挂价为准,本报告编号项下暂无更新。

综合来看,AI算力的竞争已经从芯片延伸到电力系统,储能是这场竞争中被低估的一环。前5个月10GWh的出货只是起点,若2030年300GWh的预期兑现,AIDC储能将从细分赛道成长为电池行业的主战场之一。

Q: 2026年前5个月AI数据中心储能出货量是多少,与2025年全年相比如何?

A: 2026年前5个月全球AI算力中心储能出货量达到10GWh,折合1000万度电,已超过2025年全年水平。

Q: 英伟达NVL72机柜功耗有多高,行业预计2030年AIDC储能出货多少?

A: 一个NVL72机柜塞进72块GPU,整柜功耗飙至120到140千瓦,是传统机柜的20倍;行业预计到2030年AIDC储能锂电池出货量将突破300GWh。

主题标签: Elon Musk · Mark Zuckerberg · NVIDIA GB200 · Meta Llama 3 · Energy Storage · Data Center


相关阅读


萬安算交所 AIXX · 萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅