随着Deepseek、Manus的爆火，人工智能（AI）正在席卷新能源行业，由AI驱动的新能源储能行业变革“一触即发”。同时，AI高能耗、技术安全性等现实问题也值得思考。
AI正在驱动储能行业变革，比如推动储能电站在安全与效率方面升级、扩大储能市场需求。据第一财经记者了解，目前国内的新能源企业已经在光伏、储能等业务中逐步引入AI技术，从大型电站到智能终端，推动能源管理向着更加智能、高效的方向发展。
“大型光伏电站每天面临不断变化的发电数据和市场波动，如果没有智能化的管理系统，运营者很可能无法及时作出最优的能源调度决策，进而影响电站收益的最大化。”东方日升（300118.SZ）储能相关负责人在接受第一财经记者采访时表示。
厦门科华数能科技有限公司总裁崔剑对第一财经记者表示，在AI+储能领域，公司的目标是把AI深度融入储能的全生命周期。“通过AI技术，提升储能系统的运行效率、安全性和经济性。”
“我们的战略方向包括三个方面。”崔剑向第一财经记者介绍道，首先，利用AI优化储能系统的能量管理和调度，通过利用AI算法预测光伏发电量和用户用电需求，优化储能的充放电策略。其次，公司通过AI实现智能运维和实时监控设备状态，降低设备故障率，提前预警潜在故障。比如我们的AI模型可以预测储能电池的健康状态，帮助客户提前维护，避免系统停机。
“AI大数据还可以提升储能系统在新能源消纳和电网调频中的应用价值。”崔剑进一步补充道，AI系统可快速响应电网调频需求，实现毫秒级的功率调节，提升电网稳定性。
以东方日升Risen Cloud能源管理系统为例。该公司储能业务负责人对记者介绍称，它可以通过分析电站数据和用户习惯优化电站运行，确保电站在各种条件下保持最佳状态。另外，该平台支持私有化部署，数据由客户自己掌控以确保隐私安全。
“公司在智慧运营、智能运维等多个场景内都引入了技术，正在尝试引入最近比较火的模型框架辅助训练和推理。“领储宇能助理总裁霍佳龙对第一财经记者介绍称，在智慧运营领域，公司正在以储能电站为载体，打造源网荷储一体化平台。“目前在发电预测、负荷预测以及电力交易都引入了算法模型。”
据霍佳龙介绍，在智能运维领域，公司正打造云端协同、以电芯大数据分析为核心的储能电站智能运维云平台。“公司在电芯的安全性诊断、寿命分析等方面都在训练具体的AI模型。”
AI算力需求的增长对储能行业的带动效应正在显现，而这一“苗头”正逐步反映在企业的订单表现端。
“AI算力需求的增长正在为储能行业带来新的市场机遇。”某国内储能企业负责人龙彦告诉第一财经记者，随着数据中心、云计算等领域的快速发展，对电力供应的稳定性和可靠性要求越来越高，这正是储能技术发挥作用的地方。储能系统作为保障电力供应的重要一环，可以更好地平衡电力供需。
“我们的订单确实反映了这一趋势。”崔剑向第一财经记者介绍道，能感受到近年来自数据中心、算力中心的储能订单正显著增加。公司近期为某大型云服务商的AI算力中心提供了光储一体化解决方案，保障其电力供应的稳定性，另外通过智能调度降低公司的运营成本。
霍佳龙在接受第一财经记者采访时表示，公司最近订单有比较明显的反应（带动效应）。“Deepseek出现后，算力的成本大幅度降低，再加上新能源电力价格市场化政策的颁布，推动储能企业从单纯地拼价格‘内卷’向综合解决方案厂商转型升级，而综合解决方案的内核就是AI技术。”
AI与储能等新能源行业“共赢共生”的背面，是“博弈矛盾”。
眼下，AI对电力需求的急剧增长与电力供应稳定性之间的矛盾，AI高能耗现状与绿色转型目标之间的冲突，成为亟待解决的现实问题。
AI大模型的训练，正驱动数据中心的电力需求呈爆发式增长。但目前新能源消纳能力受限，AI的发展进一步加重了电网在电力调配与承载方面的压力。第一财经记者从业内了解到，如果某个数据中心突然需要执行大量的AI计算任务，会在几秒内从电网获取大量电力，突如其来的电力激增会影响当地电网的稳定运行。
不过，在霍佳龙看来，AI能耗与绿色转型的冲突是暂时的、局部的。
“现在国家在西北部建设很多算力中心，用不掉的光能、风能直供给这些算力中心，可以缓解一部分，西北的绿电跨省给缺电力的省份使用也可以再消解一部分。”他进一步对记者介绍道，随着国家电力大市场的推进，包括各地能源消纳细则的出台，这种博弈矛盾的关系有办法逐步得到缓解。
“AI大模型的训练确实需要大量电力支撑，新能源的间歇性和波动性给电网带来压力，但这种冲突是暂时的。”崔剑也认为，随着技术进步，两者可以实现协同发展。比如通过技术创新，研发更高效的AI算法和硬件降低算力需求。
“目前AI大模型领域已经不再是单纯堆算力的比拼了，而是谁的算法效率更高的比拼。”霍佳龙告诉第一财经记者，新能源消纳能力不足主要是西北部的光能、风能没有得到很好地使用，这是电力有效调度和使用的问题。
以高能耗问题为例。崔剑告诉记者，AI训练和推理确实需要大量算力，但目前通过优化算法和硬件设计正在逐步降低能耗。“公司正在采用轻量化模型和低功耗芯片来减少算力需求。”
“AI在新能源领域的应用，机遇一定大于挑战。”霍佳龙对第一财经记者表示，随着大模型技术的日益发展，AI算力高能耗的问题也会得到一定的缓解。特别是DeepSeek出现后，AI的使用成本大幅度降低，对算力的需求也相应降低。
龙彦对第一财经记者介绍，企业可以利用AI优化储能系统的运行策略，在新能源出力高峰时段充电，在低谷时段放电。“新能源+储能”模式可以平抑新能源的波动性，保障电力供应的稳定性。
另外，很多新能源领域的AI场景对数据安全性的要求非常高。
某储能企业内人士告诉第一财经记者，比如电力现货交易，如果数据被篡改直接会导致经济损失。“随着安全性问题的不断暴露，对各大安全公司也是很好的市场蓝海，企业通过跟进给出有效的安全策略，再靠市场机制来推动安全性问题的解决。”
“通过加密技术和AI驱动的安全监控能够有效防范网络攻击和数据泄露。”崔剑总结道，这些挑战都是技术发展过程中的必经阶段，随着技术进步和行业协作，（问题）都会逐步得到解决。
“新能源领域的AI技术是比较多元化的，未来方向一定是多种AI技术的深度融合。”霍佳龙认为，（竞争）核心是面向场景以及谁能掌握更多有效数据。如果经济效益足够高，复杂度再高也值得尝试。如果没有足够的经济效益，技术再简单，做的价值也不大。
