为啥全世界搞AI的都在抢中国电池 算力中心储能需求激增。近年来，AI军备竞赛在全球范围内如火如荼地进行，尤其在中美两国，成为拉动投资的重要力量。GPU、存储、光模块和液冷等算力基础设施市场热点不断涌现。值得注意的是，GPU芯片耗电量巨大，一座大型AI算力中心的年电费可能高达几十亿人民币，相当于一个小城市的用电量。即使资金充足，也可能面临电力供应不足的问题。在美国部分地区，接入电网需要排队3到7年，因此像马斯克和扎克伯格这样的企业家开始自建电厂，购买燃气轮机以解决电力问题。这使得与AI算力看似无关的电力设备，如燃气轮机、变压器和高压开关等，也迎来了市场需求的增长。
与此同时，AI相关的储能业务也在迅速增长。2026年前5个月，全球AI算力中心储能出货量达到10GWh，预计到2030年将突破300GWh。这一需求主要由中国电池厂承接。那么，为什么AI计算需要这么多电池呢？
传统数据中心功耗相对平稳，单个机柜功耗约为4到8千瓦。然而，AI算力中心则完全不同。例如，一块英伟达B200 GPU满负荷运行时，功耗可达1200瓦；一套GB200超级芯片可达到2700瓦。一个NVL72机柜内装有72块GPU，整柜功耗高达120到140千瓦，是传统机柜的20倍。更重要的是，AI计算过程中功耗波动剧烈，成千上万块GPU会同时计算并在每一轮结束后交换结果，导致用电曲线呈现“方波”状态：满功率→空转→满功率→空转，不断重复。这种高频脉冲式波动对电网造成极大压力，可能导致电压骤降，影响训练过程。
为应对这种波动，传统的UPS（不间断电源）已无法满足需求。电容可以快速响应小尖峰，但容量有限。因此，出现了BBU（电池备份单元），它直接安装在机柜内部，采用高倍率圆柱锂电池，放电倍率≥10C，响应时间不到2毫秒。此外，园区级别的储能系统也必不可少，总容量可达几百兆瓦时，专门应对所有机柜叠加起来的秒级到分钟级的功率波动。