近年来AI的快速发展，离不开算力、电力的支撑。AI是目标，算力是桥梁，电力是基石，三者构成了一个“黄金三角”。作为这个“黄金三角”的“稳定器”，储能的重要性愈发凸显，正迎来前所未有的变革。

　　日前，**数据局等多部门发布的《关于促进可再生能源绿色电力证书市场高质量发展的意见》提出，加快提升钢铁、有色、建材、石化、化工等行业企业和数据**，以及其他**用能单位和行业的绿色电力消费比例，到2030年原则上不低于**可再生能源电力总量消纳责任权重平均水平；**枢纽节点新建数据**绿色电力消费比例在80%基础上进一步提升。

　　今年以来，**企业在AI领域取得了一系列突破，为了更好地抢占科技高地，有几道“必答题”亟须破解：如何建立安全、稳定的算力基础设施？如何应对数据**的电力需求波动？

　　“储能不仅能够应对电力供应的波动，还能通过优化电力的使用，**计算任务中的能源消耗。”**化学与物理电源行业协会储能应用分会**分析师冯思遥在接受《证券日报》记者采访时表示，AI发展带来了庞大算力需求，而储能在保障相关领域电力供应中扮演着重要的角色，不仅能提高电力的使用效率，也能保障电力的稳定性。

　　AI“吃电”如何应对？

　　AI的**目标是通过算法与数据的结合，实现各行业的效率跃升和智能化转型。然而，AI的每一次突破都离不开海量数据的处理与复杂模型的训练，而这些过程的核心支撑是“算力”。

　　“算力”是AI落地的核心驱动力。AI迅速发展，带动算力需求指数级增长，能源消耗问题也随之凸显，算力核心基础设施——数据**用电量激增。

　　据**能源署预测，2025年至2027年，**数据**以及5G网络电力消耗量快速增长，数据**电力消耗量占比预计将从目前的3%增长到6%左右。

　　AI对电力的巨大消耗被形容为“吃电”。**化学与物理电源行业协会储能应用分会专家委员楚攀对《证券日报》记者解释称，与传统的数据**相比，AI数据**单个机柜的功率增加了5倍至8倍，这就导致了同等建筑规模的数据**对电力的需求增加5倍至8倍。楚攀认为，随着DeepSeek等开源LLM大模型(大型语言模型的普及，AI算力**会越来越多。

　　国盛证券有限责任公司近期发布研报称，从全球范围看，海外科技巨头均持续加码AI算力，预计AI基建需求大幅增加，数据**将开启新周期。据SemiAnalysis数据预测，数据**关键IT电源总需求将从2023年的49GW翻倍增长至2026的96GW，其中90%增长来自AI相关需求。

　　AI算力基建端的快速推进，对数据**的稳定运行也提出了更高的要求。具体而言，一方面，数据**的电力需求呈现出波动性，尤其是在计算密集型任务时，电力消耗激增；另一方面，数据**通常需要24小时不间断供电。由此，数据**对电力可靠性需求不断提升。

　　对此，楚攀表示，为应对AI数据**对电力多样化需求，不仅需要电力系统提供低成本且可靠的电能，还需要电力系统提升电能质量。AI芯片的单价高，不合格的电能会增加AI芯片的损坏概率，**AI芯片的使用寿命，进而影响数据**的正常运行。

　　在全球能源转型的发展态势下，数据**也在积极探索绿色低碳高质量发展的道路，这对电力供应的清洁性和可持续性提出了更高要求。

　　算力电力如何协同？

　　储能可以在提高供电稳定性、**能耗等方面助力破解数据**的用电痛点。

　　冯思遥向记者介绍，随着AI产业发展以及数据**的兴起，我国在多个重要的数据**和智算**配备了储能系统，尤其是在一些风光资源丰富的地区，风能和光伏发电结合储能系统已经成为常见的配置。

　　为保证数据**可再生能源使用比例，数据**与储能、绿电直供、源网荷储等结合的创新机制及政策也在不断落地。日前，工业和信息化部等八部门印发的《新型储能制造业高质量发展行动方案》提出，面向数据**、智算**、通信基站、工业园区、工商业企业、公路服务区等对供电可靠性、电能质量要求高和用电量大的用户，推动配置新型储能。

　　目前，已有不少公司将光伏、储能等绿色能源解决方案与数据**规划建设相结合，**智算**用电成本，提升能源利用效率，打造绿色算力新引擎。

　　楚攀对记者解释称：“传统的数据**应对非计划停电的方案还是采用‘UPS(不间断电源 柴发’的方式，UPS一般只需要配置半小时，剩下的需求由传统的柴油发电系统提供，这依然是成本**的保供电方案。”

　　业内普遍认为，AI数据**的需求越来越多，与之相对应的能耗也将越来越大。企业可以给AI数据**配置**比例的储能系统，用于替代传统的UPS。

　　“比如**电信安徽的智算**就配置了25MW/200MWh(8小时的储能系统。”楚攀表示，AI数据**的功耗比较稳定，利用小时数高(一般在6000小时以上，若“新能源 储能”的综合供电成本低于传统的供电方式，AI数据**大规模配储将成为趋势。

　　AI驱动储能产业变革

　　储能为数据**提供了绿色新引擎，AI也在驱动储能产业开展新一轮变革。AI数据**对储能技术的需求有两个核心点：一是大容量存储；二是安全，储能企业正在朝着这两个方向努力。

　　长时储能(4小时以上的储能技术近几年受到广泛关注，引发研究和投资热潮。近期，安徽中电鑫龙科技股份有限公司回复投资者时表示，公司新能源技术团队目前已在开展长时储能技术攻关及相关产品研发。

　　“风光发电由于其间歇性特点，不能始终提供稳定电力，因此长时储能技术变得尤为重要。”冯思遥对记者表示，长时储能技术不仅能够保障数据**的电力供应稳定，还能促进绿色电力的消纳，支持AI行业的可持续发展。

　　此外，在AI变革的驱动下，储能系统正在经历从技术架构到运营模式的全方位革新。据了解，作为最早一批投身储能领域的企业，北京海博思创科技股份有限公司率先布局储能系统的全生命周期数智化赋能，是首批将AI与大数据应用于储能领域的厂商。

　　“通过智能化管理，储能系统能实现精准的电力调度与监控，提高运行效率，**能耗。”冯思遥说。

　　尽管储能领域的变革正在不断推进，但储能系统的建设和运营成本仍然较高，尤其是在大规模部署的情况下，储能设备本身的采购、安装以及后期的运维成本，可能成为算力配储项目的主要瓶颈。

　　“AI产业的算力需求持续增长，如何在保障电力供应的同时，**储能系统的建设成本，是当前需要思考的主要问题。”冯思遥表示，当前储能系统建设还面临着**的技术瓶颈。对于算力密集型应用来说，现有的储能技术可能无法**满足高强度、高频次的需求。因此，继续攻关大规模长时储能、**能储能系统的开发与应用尤为重要。