储能重塑AI时代绿色算力未来？从DeepSeek到算电协同

碳索储能 · 公众号 · · 2025-02-11 18:30

正文

人工智能的爆发式增长正推动全球电力需求进入新阶段。以DeepSeek为代表的低能耗模型虽显著降低了单位算力能耗（如R1推理模型能耗仅为传统模型的十分之一），但AI整体电力需求仍因算力规模扩张呈指数级增长。

OpenAI创始人山姆·奥特曼直言，AI的未来取决于能源技术突破，核聚变、太阳能及储能是关键方向。据预测，到2030年，AI驱动的数据中心电力需求将占全球总需求的7%-9.1%，仅美国年电力消耗可能增加300-510TWh。

在传统模式中，储能更多扮演的是风光大基地的配套角色，通过“源网荷储”一体化实现绿电向算力的转化。例如，中国张家口的合盈数据产业园整合300MW光伏、240MW风电及微电网储能，直接支撑京津冀算力枢纽的实时需求。

然而，储能与算力中心的深度协同仍面临多重制约。比如容量与成本矛盾，大型智算中心需冗余配置储能，导致建设成本激增。再如空间与性能限制，大容量储能设备占用空间，且需匹配高倍率电芯以满足瞬时电力需求。还有安全与可靠性的挑战，锂电储能系统的火灾风险及长时供电能力不足成为隐患。

以DeepSeek为代表的低能耗模型为储能容量需求“减负”，而新型储能技术则开辟了更多可能性，有望成为平衡算力增长与碳中和目标的“关键枢纽”。

首先是虚拟储能的创新，例如特斯拉推出的算力电池系统,通过将闲置GPU算力转换为虚拟容量实现储能的智能调度,开创了数字储能新形态，实现电力资源的动态平衡。其次是重力储能的应用，例如中国天楹在河北张北打造全球首个服务于算力中心的重力储能项目，利用AI算法控制重力块移动，直连数据中心消纳风光绿电。

此外，液冷技术的普及则降低了安全隐患。华为、英伟达的高功耗服务器推动液冷技术规模化应用，国联证券高登团队预计2027年中国液冷服务器市场规模达70亿美元，降低PUE值的同时减少储能调峰压力。

算电协同的新模式也将重构资源分配逻辑，将推动储能与算力协同从被动适配到主动融合。

2025年1月13日华为发布的“数据中心能源十大趋势”提出，算电协同将成数据中心建设的新模式，其核心是通过动态调度实现算力与电力的双向优化，即在电网低谷期，增加非实时计算任务（如模型训练），充分利用低价绿电；在用电高峰期，减少非关键负载，或通过储能系统放电缓解电网压力。

随着政策支持与技术突破，储能正从算电协同中的“配套角色”升级为“核心引擎”之一。中国《算力基础设施高质量发展行动计划》明确支持储能技术应用，目标到2025年智能算力占比达35%；预计2027年，中国数据中心UPS锂电池需求达10GWh，SMR（小型模块化反应堆）和SOFC（固态氧化物燃料电池）市场空间分别达591亿和523亿元；同时，AI大模型在能源预测、设备维护及电力交易中的深度应用，将进一步提升储能效率。

碳索储能网认为，AI与储能的“双人舞”正从能源消耗的困局中破茧，通过算电协同、技术创新与政策赋能，储能不仅支撑算力可持续发展，更将成为重构全球能源版图的核心变量。未来，绿色算力的边界将由储能技术的突破重新定义。