AI算力中心的电力黑洞：中国电池厂订单翻30倍

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。但你可能没意识到，即便你掏得出这些钱，也不一定等得到通电——在美国一些地区，接入电网要排队3到7年。

而在这之外，还有一个更隐蔽的变化正在发生：AI对储能的胃口，远超你的想象。

2026年前5个月，全球AI算力中心（AIDC）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全年。头部电池企业欣旺达的AIDC储能订单上半年同比增长近30倍；比亚迪与阳光电源联合落地的阿布扎比项目规模高达19GWh，是全球最大的单体储能订单。

AI军备竞赛打得越狠，跟它看似不搭界的电池生意就越火。

GPU的用电方式，变了

你对数据中心的印象可能是这样：一排排服务器安安静静闪着绿灯，用电相对平稳。

传统数据中心确实如此，单个机柜功耗4到8千瓦，负荷稳定如"定速巡航"，电网应付自如。

但AI算力中心完全是另一种生物。

一块英伟达B200 GPU满负荷运行时功耗可达1200瓦，一套GB200超级芯片达到2700瓦。一个NVL72机柜塞入72块GPU，整柜功耗飙到120到140千瓦——是传统机柜的20倍。

但功耗大还不是最致命的。致命的是AI的功耗会"跳"。

大模型训练时，成千上万块GPU同步计算后必须停下来交换结果（AllReduce），等最慢的那个跟上才能继续。这意味着所有GPU要么同时满载，要么同时空转。用电曲线变成高频方波：满功率→空转→满功率→空转，不断循环。

有储能工程师打了个比方：GPU的用电就像一辆每秒从怠速猛踩油门又立刻松掉的跑车。

Vertiv实测数据显示，GPU机柜负荷可以在极短时间内从10%跃升至满载甚至超出额定功率150%。这种脉冲式波动放大到几万张卡的集群上，如果处理不好，就相当于用电磁脉冲攻击你的电源。

Meta训练Llama 3时使用了两个各有约2.4万块H100的集群，仅IT设备的合计用电功率就达数十兆瓦。大规模训练时，这种功率冲击汇聚到电网侧尤为恐怖。

电网是为平稳用电设计的，调度指令从下达至电流送达以秒计；而GPU功率跳动以毫秒计——根本不在一个节奏。电压下跌哪怕只有10毫秒，也可能让一轮训练直接作废，轻则回滚到上一个检查点，重则整段重来。

这就是为什么储能不再是"锦上添花"，而是变成了"前菜"。

铅酸UPS退场，锂电池进柜

过去几十年，数据中心的标配是UPS——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，停电时顶上，撑到柴油发电机启动。

这套系统防得住突然断电，但对付不了电压跳动。铅酸电池响应速度在10毫秒以上，还是集中式部署，一栋楼共用一套。GPU要的是毫秒级、分布式的贴身供电，距离太远、反应太慢。

于是两条防线被重新定义。

第一道防线是电容。英伟达在GB300机柜电源架里把所有剩余空间都装上了电容，靠物理方式瞬间存放电，只管最频繁的小尖峰。但它存的电能极少——每块GPU分到65焦耳，差不多够60瓦灯泡亮一秒，所以只能管抖动，管不了波动。

第二道防线叫BBU（Battery Backup Unit），也就是电池备份单元。它和UPS的最大区别在于位置：BBU不在楼下，就在机柜里，和GPU住同一个柜子。

一台NVL72机柜装24个BBU，电芯采用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立刻放电补位，撑住电压，等电网几秒后调节完成再平滑退出。

这是过去没有的技术路线，也是过去没有的市场。2025年全球BBU市场规模约35亿元，预计2030年达350亿元，五年翻十倍。

与此同时，园区级别的储能系统也在成倍扩容。几十个集装箱大小的储能柜围在算力中心周边，总容量数百兆瓦时，专门应对所有机柜叠加起来的秒级到分钟级波动。

中国电池企业凭什么接住？

算力中心的储能需求是全局性的，但订单流向了中国。

据CESA统计，仅2026年一季度，中国储能企业拿到的海外订单已超过100笔，总规模超100GWh。中国一年生产全球83%的锂电池，产能优势显而易见。

但产能只是基础，真正决定谁能拿到这份订单的，是交付能力。

算力中心对电池的要求极其苛刻：北欧客户KK Group下单时明确要求变流器10毫秒内响应、持续2C放电短时达到4C、系统可用率99.999%、输出电压波动控制在±2%以内——传统储能通常只要求0.5C放电，响应时间以秒计。

更棘手的是极端环境下的工程挑战。阿布扎比项目位于高温干燥风沙地带，要求用清洁电力——白天光伏多时存电，夜间和阴天放出来，同时还要随时应对GPU突发的功率尖峰。

"光伏发电看天吃饭，算力负荷说拉满就拉满。这两套东西格调完全不同，偏偏要装进同一个系统。"一位现场工程师透露，硬件安装难度可控，真正拖慢工期的是光伏、储能、算力三类负荷叠加的联动调试。

中国企业能接住这些活，不是临时为AI攒出来的，而是过去十几年一步步练成的。新能源汽车产业链把正负极材料、电解液、隔膜、电芯和电池包这条链条在中国建立起来；风电光伏发展补齐了热管理、电力电子、系统集成和海外项目交付能力。

到了AI时代，这些能力被一次性打包验收。从机柜里的圆柱电芯，到园区级大容量储能系统，再到电池管理、储能变流和整套集成，中国企业已经具备了从产品供应到工地交付的全链条能力。

在全球都想尽快把算力中心跑起来赚钱的时候，谁能更快、更少出错地交付，就一定有人愿意付溢价。

别急着买股票，先看这三个指标

AIDC储能是一个真实的增量故事，但它离财报上的真金白银还有距离。订单不等于收入，合同金额也不等于当期利润。想跟踪这个赛道是否持续兑现，可以关注三个硬核指标：

一、头部储能企业的季度毛利率变化。 AIDC产品的定价远高于传统风光储能，如果营收结构中AIDC占比提升，毛利率应出现结构性抬升。一旦增速放缓甚至回落，说明竞争格局已开始恶化。

二、海外大客户订单的交付周期。 目前供不应求的阶段不会无限期持续。当供应商开始批量扩产且产能利用率回到正常区间，意味着蓝海转为红海的时间窗口就已经出现。

三、算力基础设施建设的实际审批进度。 储能的需求完全依附于算力中心的建设节奏。各国政府对算力的准入政策、电网接入的实际提速情况，决定了这个数字游戏还能玩多久。

从储能行业的角度看，以前是车，后来是风光，现在是AI。每一次产业往前走，储能都没有缺席。下一次呢？