订单狂翻几十倍：全世界搞AI的，为啥都在抢中国电池？

这两年，AI领域的军备竞赛异常激烈，无论在中国还是美国，都成了推动投资的核心动力。

GPU、存储、光模块、液冷等算力基础设施的市场热点接连涌现，一波未平一波又起。

此外，GPU芯片的耗电量相当惊人。一座大型AI算力中心一年光是电费就可能高达数十亿元，这差不多相当于一个中小城市的用电规模。

即便你愿意掏出几十亿元，也未必能顺利获得电力供应。

在美国某些地区，AI算力中心想要接入电网，可能需要排队等候3到7年。因此，像马斯克、扎克伯格这样的人已经等不及了，纷纷采购燃气轮机来建设自己的电厂。

这种情况导致了一大批与AI算力看似无关的电力设备——比如燃气轮机、变压器、高压开关等——也跟着水涨船高，迎来了发展机遇。

然而，在一个大多数人尚未留意的领域，与AI相关的储能业务，也就是电池业务，同样在迅猛增长。

2026年前5个月，全球AI算力中心的储能出货量已达到10GWh，按电池容量换算相当于1000万度电，这已经超过了2025年全年的水平。行业预测，到2030年，AIDC储能锂电池的出货量将突破300GWh。按照当前的出货量级来看，短短几年内就有几十倍的增长空间。毫不意外的是，这些新增订单大部分都流向了中国电池制造商。

为什么AI计算需要如此多的电池呢？今天我们就来深入探讨一下。

01 几万块GPU同时猛踩油门

你印象中的数据中心可能是这样的：一排排服务器安静地闪烁着绿灯，发出嗡嗡声，用电量也相对稳定。

传统数据中心确实如此，单个机柜的功耗在4到8千瓦之间，负荷平稳，就像定速巡航一样，电网能够轻松应对。

但AI算力中心则完全不同。

例如，一块英伟达B200 GPU在满负荷运行时，功耗可达1200瓦；而一套GB200超级芯片的功耗则能达到2700瓦。

一个NVL72机柜内装有72块GPU，整个机柜的功耗飙升至120到140千瓦，是传统机柜的20倍。

英伟达GB200 NVL72液冷机柜 | 来源：NVIDIA

然而，功耗大并不是最致命的问题，最致命的是AI的功耗会“跳跃”。

在大模型训练过程中，成千上万块GPU会同时进行计算，并在每轮结束后交换计算结果，这个过程被称为AllReduce。你可以把它想象成一个几万人的大型合唱团，每唱完一段所有人都必须停下来对谱，等待最慢的那个人跟上，然后再一起开唱。

结果就是，所有GPU要么同时满功率运转，要么同时空转等待。用电曲线变成了“方波”：满功率→空转→满功率→空转，如此不断重复。

方波大概长这样

有储能工程师曾打过一个比方：GPU的用电就像一辆每秒从怠速踩到满油门又松开的跑车。

Vertiv的实测数据显示，GPU机柜的负荷可以在极短时间内从约10%跃升至满载，甚至超出额定功率的150%，呈现出高频脉冲式的波动。

这种波动如果放大到几万张卡的集群上，处理不好，就相当于你的显卡在用电磁脉冲震荡攻击你的电源。

当年Meta训练Llama 3时，使用了两个各有约24000块H100 GPU的集群。在单个集群中，仅服务器等IT设备的合计用电功率就达到数十兆瓦。大规模训练时，成千上万块GPU同步切换状态，汇聚到电网侧，就会形成数十兆瓦的功率冲击。

有人可能会觉得，跳就跳呗，电网不是专门干这个的吗？

问题在于，电网是为平稳用电设计的。调度指令下达后，从电厂增容到电流送到用户端，反应以秒计；但GPU的功率跳动以毫秒计，根本不是一个节奏。

电网来不及响应，电压就可能突然下跌。

你家里的灯闪一下，你可能感觉不到；但对正在训练大模型的GPU来说，电压异常哪怕只持续10毫秒，也可能导致这一轮训练失败。轻则回滚到上一个检查点，重则整段重新计算。

怎么办？

传统数据中心的标配方案叫做UPS，也就是不间断电源。本质上就是一组大型铅酸电池放在楼下配电间，平时充满电待命，外部电源一断就顶上去，撑到柴油发电机启动。

数据中心UPS

备用柴油发电机 | 来源：Google Data Centers

过去几十年，数据中心就是靠这套系统维持运行的。

但UPS是为防止突然停电设计的，而不是为电压跳动设计的。铅酸电池的响应速度在10毫秒以上，而且是集中式部署，一栋楼共用一套UPS，中间隔着长长的输电线路。

GPU需要的是毫秒级、分布式的贴身供电，UPS从架构上就不行：反应太慢，离GPU太远，一出故障还会影响一大片。

离GPU最近的第一道防线，是电容。

英伟达在GB300机柜的电源架里，把剩余的空间都装上了电容。GPU功率一冲高，它就放电；功率一回落，它就充电，把最频繁的那些小尖峰就地削平。

电容依靠物理方式储存电能，不像电池需要依赖化学反应，每隔几秒就充放一轮也不会影响寿命。但它储存的电能非常有限，每块GPU只分到65焦耳，差不多够一个60瓦灯泡亮一秒，所以它只能处理抖动，处理不了波动。

AI算力中心催生出来的电池需求叫做BBU，也就是电池备份单元。

它与UPS最大的区别在于：BBU不在楼下，就在机柜里面，和GPU住在同一个柜子里。

一台NVL72机柜里装有24个BBU，电芯是21700高倍率圆柱锂电池，放电倍率≥10C，响应时间不到2毫秒。

当GPU功率骤升的瞬间，旁边的BBU在2毫秒内放电补位，撑住电压，等电网几秒后完成调节，BBU再平滑退出。

但电容和BBU只能处理机柜内部毫秒级的急救。一个大型AI数据中心有成百上千个机柜同时暴跳，叠加起来的冲击达到几十兆瓦。

这就需要整个园区级别的储能系统来应对：几十个集装箱大小的储能柜围在园区周边，总容量几百兆瓦时，专门应对所有机柜叠加起来的秒级到分钟级的功率波动。

总的来说，传统储能像蓄水池，慢慢蓄、慢慢放，讲究的是容量大、成本低。

AIDC储能则像是急救队，GPU一喊饿，电得瞬间到位。电容和BBU处理毫秒级，园区储能处理秒到分钟级，三层合在一起，才算把GPU这个电力黑洞喂饱。

02 算力中心开始抢电池

AIDC储能需求的爆发是全球性的。

机柜级BBU正在迅速变得供不应求。2025年全球BBU市场规模约35亿元，预计2030年达到350亿元，五年翻十倍，年复合增长率接近六成。

这股需求来得如此急切，最直接的原因是算力中心建设速度比电网快。

接入电网往往需要排队3到7年，但老板们等不了。晚投产一个月，就是真金白银的算力收入在流失。

那怎么办呢？一般有两条路，而这两条路都越来越离不开储能。

一条是自己发电。但独立小电网的稳定性和响应速度远远比不上大电网。燃气轮机调节出力以秒甚至分钟计，跟不上GPU的忽高忽低，光伏更是看天吃饭。自建电站想稳住，中间得垫上一大片电池。比如马斯克在美国孟菲斯建设的超算中心，除了用来发电的燃气轮机，额外还配备了一百多台特斯拉Megapack储能柜，专门应对停电和用电冲击；

另一条是先接入一部分电网。电网公司最怕的，是用电高峰时再接进一个忽高忽低的大负荷。数据中心配上储能，高峰时段就能少从电网取电甚至自己扛，电网不用大改，审批就能往前排。谷歌资助的一项研究测算，数据中心自带储能等电源，再配合这种“灵活接入”，能比传统排队提前3到5年通电。

因此，对越来越多的项目来说，储能已经成为算力中心能否按时开机的前置条件。

最先感受到这种变化的是在外跑业务的销售。

据《经济观察报》报道，一位在欧洲跑储能销售的中国从业者说，2024年在欧洲跑生意，客户关心的还是如何储存风电光伏，以及如何利用电价差降低成本；2025年，主动询问算力配套储能的客户增加了大约一半；到2026年，几乎每个客户都在问算力中心的事情。

需求变了，方案也不能再一套走天下。磷酸铁锂电池循环寿命长，是储能市场的主力，但低温性能会下降；钠离子电池更耐寒，适合北欧冬季，却要牺牲一部分能量密度；到了中东，又需要针对45°C高温重新设计热管理。

过去一套方案走遍全球市场的做法，已经行不通了。

而且，算力中心对储能的要求是极端的；建设算力中心的地方，很多时候也有着奇怪的天气气候环境。

比如，北欧有一家做风电的公司KK Group，近年开始闻着味道进军算力中心领域。他们在下单一个储能订单时，要求储能变流器在10毫秒内响应，电池能够持续以2C放电、短时达到4C，系统可用率达到99.999%，输出电压波动控制在±2%以内。

2C大致相当于以半小时放完一块电池的速度输出，倍率越高，短时间释放大功率的能力越强。传统储能通常只要求0.5C放电，响应时间以秒计算。

所以他们的需求可谓是既要又要还要：反应要更快，短时间输出的功率要更大，供电要更稳定，而且一年最多只能意外停机几分钟。

所以这不是谁都能接得下的活。

阿布扎比的一个项目，更是重量级。

首先是项目规模：19GWh，是全球最大的单一储能订单，相当于把25万台特斯拉动力电池塞到一个项目里。

地处中东，干燥、高温、风沙环境下，大规模电池系统的温控、防护和运维都极大提升了交付难度。

更绝的是，这个项目要求使用清洁电力：白天光伏发电多时把电存下来，夜间和阴天再放出来；接入算力负荷后，储能还要随时应对GPU突然拉高功率。

说白了，光伏发电是看天吃饭的，而算力负荷是说拉满就拉满的。这两套东西的格调完全不一样，但偏偏要塞进同一个系统里，这也是整个项目最棘手的地方。

这个项目由比亚迪和阳光电源共同落地。

落地时，原来为普通风光储能准备的标准设计方案首先被推翻，两种负荷必须分区管理，现场摸索出了两种解法。一种是“分家过日子”：把算力舱和光伏舱物理隔开，再按照内阻等电性能指标给电芯分组；另一种是“一大家子共用一个存折”：硬件不拆，靠软件动态分配容量，谁急着用先挪给谁。两种方案都需要定制，设计方案改了好几版，配件排期也比标准产品明显更长。

真正拖慢工期的还是联动调试。光伏发电随云层忽强忽弱，GPU训练又有无规律的功率尖峰。两个没规律的信号同时涌进储能系统，电压像坐过山车。

更棘手的是，高温下电芯放电倍率被动下调，但算力中心偏偏要峰值大功率放电，安全温控和功率需求之间得反复找平衡。

现场工程师说：硬件安装难度可控，真正消耗工期的是光伏、储能、算力三类负荷叠加的联动调试。

所以可以这样说，算力中心的储能需求，把电池领域卷了这么多年攒下来的各种性能全部打包拿下了，要求拉满，钱也给够，只求快点完工。

03 中国企业为什么接得住

中国企业能接住这些活，不是临时为AI算力中心攒出来的能力，而是过去十多年一步步练出来的。

储能这个行业其实很年轻，算得上大规模发展，也就不到二十年的时间。

新能源汽车先把正负极材料、电解液、隔膜、电芯和电池包这条产业链在中国建立起来。风电、光伏大规模发展后，中国企业又开始做更大的储能系统，补上了热管理、电力电子、系统集成和海外项目交付能力。

AIDC带来的变化，是把技术门槛再次往上推。动力电池主要解决续航和能量密度，传统风光储能更看重容量和成本；到了AI算力中心，电池还要毫秒级响应，短时间释放更大功率，并把系统故障时间压到极低。

这种变化已经开始反映在订单上了。

头部电池公司欣旺达的AIDC储能订单上半年同比增长近30倍；AIDC领域的上市公司双登集团前段时间披露，公司上半年AIDC储能新增订单同比增长超过80%，AIDC锂电新增订单为去年同期20倍以上。

据CESA统计，仅2026年一季度，中国储能企业拿到的海外订单已经超过100笔，总规模也超过100GWh。无论看单家公司，还是整个行业，AIDC都已经进入快速增长阶段。

订单流向中国，中国庞大的电池产能是一方面的原因，咱们一年生产全球83%的锂电池嘛。

但更重要的是，中国企业提供的不只是电池。从机柜里的圆柱电芯，到园区级的大容量储能系统，再到电池包、电池管理、储能变流和整套系统集成，中国企业已经具备从产品供应到项目交付的完整能力。

在全球都想赶紧把算力中心建起来、跑起来赚钱的时候，谁能更快、更不出错地把工程交付，就一定不缺老板为此付出更高的溢价。

中国厂商在AIDC储能领域的产品布局，覆盖机柜级 BBU、UPS、储能系统和电芯等多个环节 | 来源：TrendForce

同时，国内市场也在快速推进。

2026年政府工作报告首次写入“算电协同”，也就是让算力项目建设和当地电力规划同步推进。这是一个全球性的需求，无论海外还是国内，