AI算力：驱动储能产业的“第三增长曲线”

文/杜碧红韩悦 摘要 AI算力的爆发式增长正从根本上重塑着能源基础设施的发展格局，伴随着大模型的快速落地，AI数据中心（AIDC）电力消耗呈现出急剧攀升的态势，推动储能系统的功能定位从传统备用电源升级为支撑算力运行的刚需配置，AI驱动的储能需求成为储能行业的“第三增长曲线”。然而，该领域规模化落地的进程仍面临多重核心瓶颈制约，如极端环境下稳定运行能力不足、全生命周期成本与收益失衡、算网储一体化协同运行机制尚未完善等问题。面向未来，长时储能、技术迭代进步、AI赋能的智能化调度优化等正在成为适配AIDC运行需求的三大核心技术方向。在政策顶层设计引导与下游市场需求拉动的双重驱动下，适配AI算力需求的储能产业将加速突破现有发展瓶颈，成为支撑我国算力基础设施高质量建设、引领储能产业转型升级的核心增长极。 正文 人工智能的产业发展高度依赖算力支撑，而算力的规模扩张则以充足的电力资源为基础。相较于芯片的供给问题，电力资源对当前人工智能产业发展的约束作用更为突出。数据显示，OpenAI开发的ChatGPT日均耗电量超50万度，相当于美国家庭日均用电量的1.7万倍。在生成式AI、大模型加速落地的背景下，作为算力核心载体的数据中心，成为电力消耗增长的主要驱动力。 稳定、充足的电力是大规模算力正常运行的必要前提。储能系统可以对电力供给形成有效缓冲与支撑，逐步成为AI不可或缺的基础设施。在此背景下，AI带来储能需求强增加，成为继新能源强制配储、海外大型储能项目之后，全新的“第三增长曲线”。 数据来源：公开资料，大公国际整理 一、算力驱动储能的三大核心逻辑 1.1经济性驱动：绿电降本成为必选项 随着算力基础设施规模化部署与高负荷运行，电力成本已成为影响算力设施运营效率与效益的核心要素，当前电力支出在部分算力中心运营总成本中的占比已攀升至70%～80%。因此，获取低成本、稳定可控的绿色电力，是实现算力运营成本显著下降的关键路径。国家层面也明确要求，到2030年，全国AIDC绿电使用占比须达到80%以上。在此背景下，“绿电直连+配套储能”成为当前AIDC实现降本增效与低碳合规的优选方案。 此外，储能配置可通过峰谷电价差进行套利，在负荷低谷时段储电、高峰时段放电，以此来降低综合用电成本，同时，储能系统也可参与电网调峰、需求响应等辅助服务，为AIDC创造额外收益。 1.2算电错配：供需结构矛盾倒逼储能配套 数据显示，国内AIDC耗电量由2022年的1300亿千瓦时增至2025年的1960亿千瓦时，对应占全社会用电量比重从1.5%上升至1.9%。根据预测，到2030年，数据中心用电量有望突破7000亿千瓦时，在全社会用电量中的占比也将超过5%，算力基础设施的用电压力将持续加大。 面对持续攀升的用电需求，新能源发电难以完全匹配算力基础设施对于“高稳定性”的要求，叠加算力枢纽与能源基地的空间错配问题，中东部作为算力核心区域用电需求旺盛，而优质风光资源集中于西北、华北北部等区域，长距离输电造成的能量损耗，进一步扩大了电力供需缺口。这使得AIDC同时面临两大发展难题：算力端对供电可靠性、用电成本提出严苛要求，电网端则需要兼顾系统稳定、新能源消纳两大目标。在多重约束条件下，储能系统成为破解AIDC电力供需矛盾、保障算力稳定运行的关键技术路径。 1.3双频共振：政策与市场的同向发力 2025年2月，工业和信息化部等八部门联合发布的《新型储能制造业高质量发展行动方案》，明确针对数据中心、智算中心这类用电规模大、供电可靠性要求高的场景，引导主体配套建设新型储能设施。国家能源局也表示将多措并举提升新型储能利用效率，推进规模化储能系统集群智能调度相关工作。2026年《政府工作报告》中首次将“发展新型储能”作为独立表述，同时“算电协同”也被列为超大规模新基建工程。一系列顶层政策相继落地，为算力场景配套储能产业划定发展方向，也为行业扩容释放了清晰的政策红利。 在政策的带动下，市场端落地节奏持续加快，算力配套储能商业化应用进入实质推进阶段。目前国内多个大型AI数据中心项目已启动储能配套方案招标工作。2026年4月，双登集团股份有限公司官宣中标江天数据120MW/240MWh AIDC储能项目，与此同时，阳光电源股份有限公司、海辰储能科技股份有限公司等头部储能企业也纷纷成立专门的算力储能事业部，加大该领域资源投入。此外，国内多地已将储能配置要求纳入数据中心项目审批硬性标准。政策引导与市场需求形成双向合力，推动算力储能产业逐步由单一政策驱动，向市场化自主发展阶段过渡。 二、规模化落地的关键瓶颈 2.1极端环境下的稳定运行能力 AIDC为充分消纳绿色电力、降低用电成本，多选址布局于风光资源富集的偏远地区。然而，此类区域自然环境复杂、电网支撑条件较弱，普遍存在高温、低温、高海拔以及电网基础设施薄弱等特征，对储能系统的环境适应性与运行稳定性提出了极高要求。更为关键的是，AIDC对供电连续性的要求远高于传统储能应用场景的要求，环境适应性不足所引发的储能系统故障，将会直接传导至算力运行层面，给AI企业带来不可挽回的损失。现有常规储能产品多针对普通新能源配储场景设计，针对AIDC极端运行环境的专用储能产品研发仍处于起步阶段，产品性能验证和迭代优化仍需要更多落地项目的积累，成为制约规模化推广的瓶颈之一。 2.2成本控制与收益平衡 AIDC属于资本密集型基础设施，配套的储能系统初始投资成本与全生命周期运维成本，直接决定项目整体经济效益与可持续运营能力。 从初始投资来看，为适配AIDC的7×24小时高负载、高功率、高可靠性的供电需求，储能系统需采用更高的功率配置倍率与更长的备电时长设计，直接推高系统单位投资规模。从长期运营来看，AI算力用电负荷动态波动大、调度频次高、充放电深度大，导致储能系统工作强度显著高于传统新能源配储场景，因此也导致储能电池衰减速度加快，循环寿命大幅缩短，电芯更换周期相应提前，持续推高设备更换、运维检修等全生 命周期成本，进一步压缩项目盈利空间。此外，部分地区峰谷电价价差空间有限，难以支撑储能系统通过峰谷套利实现稳定收益，导致项目整体投资回报周期被显著拉长。对于追求高资金周转效率的市场化AIDC运营主体而言，过长的投资回报周期将直接放大项目现金流压力与投资风险。 2.3算网储协同机制待完善 随着AIDC产业迈入规模化发展新阶段，行业发展逻辑正从分散式、分段式的传统机房配套模式，向算电深度协同、源网荷储一体化的系统性工程加速演进，然而，当前产业协同体系仍存在体制机制壁垒，算力、电网、储能三大核心环节尚未实现高效联动，成为制约行业高质量发展的短板。 从运营主体与管理体系来看，算力设施、电力网络、储能系统分属不同市场主体，各方在调度运行规则、数据交互、利益分配机制等层面存在一定割裂。算力侧难以实时感知电网负荷状态及市场化电价波动信号，储能侧无法依据算力负载的动态变化实施精准充放电调度，电网侧难以充分调动算力负荷与储能系统的灵活调节能力以平抑供需波动。这种协同缺失不仅造成储能调节资源的低效利用，也使得算力设施在绿电消纳、电网支撑等方面的综合价值难以最大化释放。 三、适配AIDC的核心方向 3.1长时储能：破解“算力等电力”的结构性矛盾 面对算力设施迭代速度快、电力基础设施建设周期长所形成的结构性错配矛盾，行业头部主体已开始从能源供给源头寻求系统性解决方案，长时储能技术凭借跨周期能量吞吐与持续供电能力，逐步成为破解供需时序错配的核心技术路径。长时储能系统能够提前将西北、华北北部等能源基地富余的风光电量存储起来，持续稳定地输送给算力中心，有效破解“算力等电力”的痛点。同时，长时储能更长的放电时长，也能更好匹配风光出力的长周期波动，充分消纳富余新能源电力，进一步提升AIDC的绿电使用占比，帮助企业满足绿电使用的政策要求，还能通过更长周期的容量套利摊低用电成本。 在应用需求的牵引下，长时储能产业正进入技术多元化迭代的关键阶段，压缩空气储能、液流电池、长时锂电等不同技术路线都在针对AIDC场景进行适配优化，未来随着技术逐步成熟，长时储能将成为支撑算力基地建设的核心配置。 3.2技术变革：锂电+钠电互补融合 为适配AIDC对储能系统高功率响应、宽环境适应性、长时能量支撑的复合需求，行业内正在加速构建“锂电+钠电”双技术路线协同布局，通过性能互补实现对AIDC全场景储能需求的精准覆盖。钠电具有高倍率、宽温域的优势，适合用于AIDC机柜侧的功率支撑，解决毫秒级负荷波动平抑问题。锂电池则具备能量密度高、经济性好的特点，更适合用于电网侧或园区侧的长时储能。 “锂电+钠电”的混合储能架构，一方面可充分发挥钠离子电池在瞬时功率响应、宽温域运行、高频次循环等方面的性能特征，保障算力负载剧烈波动下的供电稳定性；另一方面可依托锂电池成熟的产业生态与高能量密度优势，满足长时储能、大容量备电的核心诉求。同时，通过对功率单元与能量单元的精细化容量配比，能够有效优化系统初始投资与全生命周期成本，实现不同运行场景、不同负荷特性下的储能需求精准匹配。 3.3智能化调度：从“被动响应”到“主动预测” 未来储能能量管理系统的运行模式将不再依托传统的气象预测手段，而是通过AI深度挖掘历史负荷变化特征与实时风光发电功率数据，驱动储能电站实现运行收益的最大化。借助大数据的分析能力，储能系统可精准预判负荷变动趋势，并据此动态优化充放电策略，在电价低谷时段完成储能充电，于电价高峰时段实施放电，从而实现峰谷价差套利。 传统调度机制通常在供电缺口形成或电价波动发生后，才对储能运行状态进行被动调整，响应滞后性突出，极易错失最优套利窗口。基于AI预测的智能化调度模式，可实现算力负载、风光出力、电网电价三类核心数据的高效打通，破除算力与电力系统间的数据孤岛与交互壁垒，完成对未来数小时至数日内用电需求、电价变动趋势及绿电出力情况的多维度预判，确保储能系统持续处于最优运行策略。 四、结论与展望 AI算力的爆发式增长，为储能产业开辟了全新的增量发展赛道，不仅在需求端形成强劲拉动效应，同时也对储能技术路线迭代、跨域协同机制构建提出了更高要求。从发展基础来看，需求侧已形成多重利好共振：算电错配引发的结构性矛盾、行业降本增效的内在需求，以及政策与市场的双向驱动，共同为AI适配型储能产业的发展筑牢了坚实根基。但从规模化落地进程观察，极端环境适应性不足、成本收益平衡机制缺失、算网储协同体系不完善等问题，是制约产业快速扩张的核心瓶颈。 面向上述关键制约因素，行业需从技术创新与机制完善两大维度同步发力，系统性破解发展障碍。在技术层面，需加速推进面向AIDC特定场景的专用储能产品研发，通过多元化技术路线的融合与创新，提升储能系统在极端环境下的运行稳定性。同时依托技术迭代升级与规模化生产效应，持续压缩综合成本，改善项目经济性。在机制层面，可以通过智能化建设加快构建跨产业协同体系，建立统一规范的数据共享标准与明晰合理的利益分配规则，推动算力、电网、储能系统实现高效深度联动。未来，在政策顶层引导与市场需求拉动的双重驱动下，行业突破瓶颈的节奏有望持续加快。 报告声明 本报告分析及建议所依据的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所依据的信息和建议不会发生任何变化。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，不构成任何投资建议。投资者依据本报告提供的信息进行证券投资所造成的一切后果，本公司概不负责。 本报告版权仅为本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。如引用、刊发，需注明出处为大公国际，且不得对本报告进行有悖原意的引用、删节和修改。