從算力到電力，誰在搭建AI時代的“能源基座”？

作者 |辰紋

來源 |洞見新研社

4月1日，北京，中關村儲能展如期開幕。

作為全球儲能行業規模最大的展會，今年的人潮中多了一些特殊的面孔——來自AI算力領域的技術負責人和投資機構代表，他們此行的目的并非尋常的設備采購，而是尋找一個關乎AI未來走向的答案：在算力指數級增長的今天，電力基礎設施是否還能撐得住？

這個焦慮并非空穴來風，2024與2025年，美國PJM電網區域多次發生算力集群因電壓微調瞬間“撤離”的脫網事故，險些誘發區域電網崩潰。

算力可以堆砌，但電網無法瞬間擴容。AI的擴張卡在了能源關口。

在AI指數級增長的背景下，誰掌握了穩定、廉價、綠色的能源調度能力，誰就掌握了AI時代的入場券，而儲能，這個曾經在電力系統邊緣默默運轉的角色，正在從“充電寶”進化為“智能中樞”，成為決定AI發展上限的關鍵基礎設施。

今年的中關村儲能展，能給出AI領域想要的答案么？。

01

AI的“新基建”，能源供給決定算力上限

AI的爆發式增長，直接刺激了能源需求的指數級膨脹。

這絕非夸大其詞，國際能源署在《Electricity 2024》報告中指出，全球數據中心用電量在2022年約為460TWh，到2026年預計翻倍。

中國的情況同樣觸目驚心，華金證券研究報告預測，2024年至2030年，中國數據中心用電量將達到4051億至5301億千瓦時。這相當于一個中等省份全年的用電量，將被濃縮進一個個冰冷的服務器機柜中。

然而，AI對能源的索取，遠不止于“量大”，它對電力供給的穩定性更是提出了近乎苛刻的要求。

與傳統的工業生產負荷不同，AI大模型的訓練過程呈現出一種“同步波動”的獨特負載特征。想象一下，數十萬塊GPU像一支紀律嚴明的軍隊，在同一時刻接收到計算指令，瞬間滿負荷運轉；又在下一個瞬間，因等待數據同步或檢查點保存而幾乎同時降至空載。

如此劇烈的負荷波動，可以在毫秒級的時間內完成，幅度可達數十兆瓦甚至上百兆瓦。這就像是給一臺精密的發動機，突然踩死油門又瞬間松開，其沖擊力足以讓整個系統震顫。

這種特性，正在挑戰著運行了一個多世紀的電網基本法則。英國曼徹斯特大學的研究指出，當這種由邏輯驅動的“可編程”負荷大規模接入由逆變器主導的新型電力系統時，可能引發多節點電壓驟降和頻率變化率（RoCoF）飆升，甚至在未發生發電機組脫網的情況下，就足以觸及系統穩定的臨界閾值。

另外一個更棘手的問題在于物理慣性的枷鎖。能源行業本質上是一個受限于物理空間與長周期的“重資產游戲”。

我們知道，芯片算力可以遵循摩爾定律在18個月內翻倍，可是電網的擴容卻受限于征地、環評與工程建設，其周期往往以3到5年為單位。

這種“時間鴻溝”正在成為制約AI發展的最大瓶頸——在美國硅谷，多個新建數據中心項目的并網等待時間已經排到了2027年；在愛爾蘭，都柏林地區因電網負荷過高對新建數據中心實施了事實上的“禁入令”。

在電網基建無法瞬間變魔術的現實下，建設周期更快、部署更靈活的儲能系統，成為了彌補電網響應遲緩、承接AI商業擴張瓶頸的唯一“緩沖層”。

事實上，這背后還隱藏著一場成本的終極博弈，未來的AI競賽，終將從模型參數的博弈轉向單次推理成本的博弈——也即電力成本的博弈。

華金證券研報顯示，電費占數據中心運營成本的57%，這意味著電力支出已成為算力中心最大的可變成本。當電力成本占據如此高的比重時，儲能就從“備用電源”蛻變為“成本調節器”，通過“低谷充電、高峰放電”以及參與電網頻率調節，儲能系統直接重塑了算力中心的用電成本曲線。

以河南移動在鄭州航空港區數據中心建設的1MW/2MWh儲能項目為例，該項目通過峰谷套利模式，全生命周期預計可累計獲得收益577萬元。

在峰谷價差巨大的海南省，兩部制工商業用戶峰谷價差可達1.03元/kWh，對于年用電量1億千瓦時的中型數據中心，僅峰谷套利一項，每年可節省電費超過2000萬元。

不難看出，誰能利用儲能抹平昂貴的用電高峰，誰就能在單次推理成本上獲得碾壓級的競爭優勢，從而決定AI商業化落地的真實規模上限。

02

能源的“新邏輯”：儲能必須“會思考”

儲能改變了AI，AI也在改變儲能。

過去幾年，儲能企業比拼的是電芯循環次數和集成成本。在那套邏輯里，儲能電站只是一個被動的“電力搬運工”——獨立儲能只需要接受電網調度、工商業儲能盯著固定的峰谷價差，在低買高賣的簡單套利中維持運營。

這種模式在新能源滲透率尚低的階段尚可運轉，但當風電、光伏裝機占比突破50%，電網波動性劇增時，粗放的商業模式便難以為繼。

AI時代，儲能的邏輯必須重構。除了最基本的能量存儲功能，它還需要承擔起“電網穩定器”和“電力交易員”的雙重角色。

要理解這種轉變，需要先厘清兩個關鍵概念：“電力交易”和“構網”。

所謂電力交易，通俗來說就是讓儲能系統像一位訓練有素的股票交易員，在電價低時買入（充電），在電價高時賣出（放電），賺取差價。

與炒股相比，電力交易的難度有過之而無不及——電力市場每15分鐘形成一次電價，全天96個交易節點，每個節點都牽涉著氣溫、風速、光照、負荷、燃料價格等數十個變量，任何一個微小偏差都可能導致預測南轅北轍。

傳統算法模型在處理這類問題時力不從心。

2019年山東電力現貨市場試運行初期，不少儲能電站嘗試人工預測電價，結果往往是“猜對趨勢猜不對節點”，頻繁出現“高買低賣”的尷尬局面。一位儲能運營商曾自嘲：“像是在沒有K線圖的情況下炒期貨。”

AI的介入徹底改變了這一局面，通過融合氣象大模型、歷史電價數據和實時負荷監測數據，AI可以將電價預測準確率提升到90%以上，并在毫秒級內完成最優充放電策略的計算。在山東、蒙西等電力現貨市場較為成熟的地區，搭載AI交易系統的儲能電站，全生命周期收益較傳統模式提升15%-20%。

同樣是在山東省電力市場，遠景濱州儲能電站就通過其自研的“天機”氣象大模型與“天樞”能源大模型的雙引擎驅動，完成了從預測到決策的“自動駕駛式交易”。

作為最早提出AI儲能概念的公司，遠景在本次中關村儲能展發布了全球首款12.5MWh AI儲能系統，并表示融合物理 AI 與全棧自研能力，遠景AI儲能系統可以實現儲能場站全鏈路自感知、自適應、自進化，推動場站全生命周期 IRR 提升4-8%。

2025年8月，濱州電站上線了新版AI阻塞電價預測算法模型。使阻塞預測精度提升10%。據最新數據，濱州電站實現了95%的峰谷價差預測準確率，較行業平均水平高出5-10個百分點，成為收益大幅提升的關鍵支撐，單月收益領跑山東全省。

如果說電力交易解決的是“如何賺錢”的問題，那么“構網”解決的則是“如何活下去”的問題，后者更為底層，也更為關鍵。

傳統儲能被稱為“跟網型”——它沒有自己的“主見”，只能被動跟隨電網的頻率波動。

這種機制在傳統電網中沒有問題，因為那時的電網有大量火電機組作為“壓艙石”，慣量大、頻率穩。但當風電、光伏滲透率超過50%，火電機組逐步退出，電網失去了慣性支撐——就像一個旋轉速度越來越慢的陀螺，稍微被擾動就可能倒下。

此時，跟網型儲能非但無法提供支撐，反而可能因自身逆變器的快速響應而加劇波動。

構網型儲能的革命性在于，它能夠像一臺真正的發電機一樣，主動建立電壓和頻率支撐，它的核心算法模擬了傳統同步發電機的物理特性，能夠在電網波動時主動注入無功功率穩定電壓，在頻率下降時主動釋放有功功率支撐頻率，這種能力讓儲能系統從電網的“跟隨者”變成了“支撐者”。

業內有個生動的比喻，AI賦能的儲能系統就像近期火爆的“龍蝦”智能體——它是一種能源智能體，既有硬件設備護體，又有AI算法感知環境。它既能構網，響應電網的穩定需求；又能交易，追求利潤最大化。

當儲能擁有了“會思考”的能力，它就不再是被動的充電寶，而是主動的能源資產，這也正是AI時代儲能的本質進化，從“能量搬運”到“智能服務”，從硬件競爭到算法競爭。

03

誰在定義AI時代的“能源基座”？

從“能量搬運”到“智能服務”，會思考的儲能網絡正將能源從算力成本重塑為算力基石。

當AI的終點指向能源，當所有人都在談論算力與電力的關系時，一個更深層的問題浮出水面：誰能真正為AI提供穩定、智能、可持續的電力支撐？

要回答這個問題，必須先回到物理世界的極端場景中尋找答案。

在內蒙古赤峰，遠景運營著全球規模最大的綠色氫氨項目，也是全球首個實現100%綠電直連、全球首座全動態運行的零碳化工產業園。

這個年產數萬噸綠氫綠氨的超級工程，與AI大模型訓練有著驚人的相似性——氫能生產需要持續穩定的綠電供應，但風電光伏本身具有波動性，而電解槽的負荷響應又極為敏感，稍有波動就可能影響設備壽命與生產效率。

這種“源隨荷動”與“荷隨源動”的矛盾，正是AIDC（AI數據中心）面臨的核心挑戰。

依托一個100%離網可再生能源電力系統，當赤峰項目連續16個小時面臨無風無光的極端情況，依然保持100%綠電穩定運行，預示著遠景已經實現了零碳電力解決方案的閉環。

而赤峰只是一個起點。

圍繞AIDC“用電量大、綠電要求高、負載波動劇烈”的三大核心痛點，遠景構建了一整套從電網到負荷側的全鏈路解決方案。

遠景正式發布AIDC多場景能源解決方案

在電網側，通過“風光配儲+綠電直連”，將原本受限于電網容量的新能源直接引入算力場景，不僅加快并網節奏，也讓綠電消納從“被動接受”變成“主動配置”；在場站側，通過構網型儲能系統，實時平滑算力負荷帶來的劇烈波動，為電網提供穩定的電壓與頻率支撐，從源頭降低諧振、脫網等風險；而在負荷側，遠景用直流儲能系統替代傳統UPS，讓電力系統可以直接應對GPU集群毫秒級的功率沖擊，把“備電系統”升級為“實時調節系統”。

但真正決定這套系統上限的，不是硬件，而是“能源AI大腦”。遠景將“天機”氣象大模型與“天樞”能源大模型深度融合，構建了一套從預測、調度到執行的閉環系統：前者對風光出力進行高精度預測，后者在此基礎上完成源網荷儲的最優組合與實時調度，并通過物理AI直接控制儲能與電力電子設備，實現毫秒級的負載平滑與電網支撐。系統可以在弱網甚至離網環境下長期穩定運行，同時持續優化綠電消納比例與用電成本。

更重要的是，這套能力已經落地在大規模場景中被驗證。

目前，遠景已與騰訊在內蒙古赤峰落地全球首個100%綠電直供數據中心，綜合能源成本降低超40%，年碳減排達18萬噸，此外，公司還正攜手頭部AI公司在烏蘭察布打造的全球最大零碳AIDC園區，項目預計今年交付。

從赤峰的100%綠電實踐，到烏蘭察布的大規模算力園區，再到AIDC多場景解決方案的系統化輸出，遠景已經完成了一件更底層的事情——把電力系統從“被動供給”，升級為“主動匹配算力需求的智能基礎設施”。

AI的上限或許在云端，但它的根基，已經落在地面。

而這套電力底座，遠景已經造好。