独家调查｜“AI+储能”站上风口：宁德等企业抢滩，算力与数据安全瓶颈待破

AI与能源的融合，已不再停留于行业构想，而是正式被纳入国家战略体系。

近期，国家发改委、能源局印发《关于推进“人工智能+”能源高质量发展的实施意见》（下称《实施意见》），首次将“AI+储能”纳入国家能源战略，并提出到2027年，目标建成5个以上能源行业专业大模型、10个以上可复制示范项目、探索100个典型场景赋能路径；到2030年，能源AI技术总体达到世界领先水平，算力与电力协同机制全面完善。

具体到新能源储能环节，AI对储能系统的赋能体现在哪些环节？现在业内企业的应用落地进度如何？还有哪些风险或挑战亟待解决等话题值得探讨。

从安全运维到收益增值，AI如何重塑储能产业

目前产业内的共识是，AI技术可以提升储能系统的运行效率、安全性和经济性。基于此，相关能源企业正从安全保障、运维提效、收益增值等角度切入，加大其在AI领域的投入。

记者注意到，基于AI的资产运营理念正在头部公司形成共识。例如，10月15日，海博思创（688411.SH）在投资者平台公开表示，未来3~5年，公司将加大社会化资本投资的独立储能项目拓展与合作，基于公司现有的AI+大数据分析能力，规划储能资产的后端运营布局。

据其2025年半年报“在研项目”章节信息，公司“AI+储能应用场景解决方案研发项目”累计投入约201万元，以服务储能全生命周期的价值实现。

此外，跨界合作成为企业快速补齐AI能力短板的另一路径。今年9月，能辉科技（301046.SZ）与蚂蚁数科在外滩大会达成战略合作，共同开发“能源AI智能体”应用，从投资、运营、资产退出三大环节重构新能源项目的管理范式。

而对于大型电站的运营者而言，东方日升（300118.SZ）储能相关负责人道出了投资AI的必要性。他告诉第一财经记者，大型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。

在所有智能化应用的底层，是对系统核心部件—电池安全状态的精准管控。业内人士认为，作为储能系统的核心部件，电池的健康状态直接关系到储能系统的安全性和使用寿命。目前的AI融合诊断技术可以实现电池故障的精准识别与提前预警，对储能电站的安全有裨益。

“AI可以预测电池安全寿命，降低电芯的衰减率，从而达到延长电池使用寿命的效果。”一家国内储能系统集成企业的技术负责人何峰对第一财经记者表示，尤其是在发现潜在风险时，接入AI大模型可缩短公司解决问题的时间，在设备出现故障时自动生成报告，形成知识库，还可以降低后续的故障率。

“积累的故障电芯数据还可反推上游电芯厂商优化电池设计，进而使得新电芯故障率根源性降低。”何峰补充道。

AI的价值远不止于“治已病”，更在于“防未病”。多位产业内人士对记者表示，在储能后市场的运维环节，区别于人工运维，AI的运用可显著提升电站运营效率。

据国网综合能源服务集团有限公司储能事业部系统集成中心负责人周喜超介绍，当前大量项目已进入运营阶段，带来了海量运行数据、复杂的故障管理需求和更高的资产回报要求。 “传统运维是在故障出现后进行维修的被动链，但如果通过AI将其变为提前预警的主动链，运维人员角色将从‘修理工’转为 ‘决策把关者’，效率提升核心是流程重构而非技术替代。”

“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。”领储宇能相关负责人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已经引入了算法模型。在智能运维领域，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的运用可驱动安全检测的升级，包括声音监测、温度监测、视觉监测、气体监测等等。”何峰举例称，比如在储能电站内部安装声音采集设备后，可利用AI算法识别如电池阀门破裂声、短路火花声等异常声音，继而实现及时预警。企业还可以在关键部位安装温度传感器和红外热像仪，通过AI分析温度趋势，识别过热或火灾风险，自动启动预案。

据周喜超介绍，储能后市场整体服务市场规模预计在2030年将达到400亿元至500亿元。

从预测性维护到退役评估，AI可以驱动储能项目全周期的智能化升级。“比如在预测性维护方面，通过实时监测电池健康状态（SOH）等参数，可提前预警潜在故障，减少非计划停机。”周喜超表示。

“不过，AI不是替代运维人员，而是让运维更智能高效。”另一国内储能企业内人士对记者表示，比如通过利用AI对电站的历史运行数据进行训练，建立电池老化模型，实时评估单体电池及模组的健康状态，支持梯次利用决策与更换优先级排序。此外，借助AI还可以优化充放策略，最大化收益。

在夯实了安全与运维的根基后，AI的终极价值最终指向了项目的经济回报。 在电站交易运营环节，据海博思创介绍，基于AI模型的交易算法可以实现高精度的电价预测、整站调度决策、充放电策略优化、中长周期综合优化等，提升运营收益。

科华数能总裁崔剑告诉第一财经记者，AI技术可以将电源、电网、负荷和储能系统深度融合。通过AI实时优化能源系统的运行策略，动态调整储能充放电、预测负荷需求等，最大化能源利用效率。“源网荷储优化后也可以为AI算力中心提供清洁电力，降低运营成本和AI算力中心碳排放。”

远景储能总裁田庆军认为，在电力市场化改革和离网模式并行发展的背景下，AI储能将成为破解源网荷储协同难题的关键技术路径。

市场的共识正在形成，头部企业的布局也已全面铺开。第一财经记者注意到，从电池厂商到系统集成商，海博思创（688411.SH）、宁德时代（300750.SZ）、阳光电源（300274.SZ）、比亚迪（002594.SZ）、华为、科华数能（002335.SZ）、远景能源、天合光能（688599.SH）等企业纷纷推出各自的解决方案。

比如，电池巨头宁德时代推出的天恒·智储平台，致力于通过融合AI大模型与机理算法，构建覆盖预警、分析、体检和运维的全套标准化能力；逆变器龙头阳光电源则聚焦电芯级安全，其iSolarBPS系统可实现50多项指标的五维诊断，百兆瓦电站诊断报告生成仅需1分钟，运维效率提升30%；而华为的AIBMS系统主打安全预警的精准性与前瞻性，能对热失控等关键故障实现24小时提前预警，并将误报率控制在每月0.1%的低水平。

“AI+储能”发展仍有瓶颈亟待突破

尽管AI作为高效的数字化工具，其降本增效的潜力有目共睹，但多位业内人士也提醒，其发展过程伴随着不容忽视的潜在风险。首当其冲的，便是AI大模型训练本身带来的电力供需矛盾问题。尤其在新能源消纳能力受限的背景下，AI的发展或进一步加重电网在电力调配与承载方面的压力。

何峰对记者介绍，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，已经可以缓解一部分电力供需矛盾，西北的绿电跨省给缺电力的省份使用也可以再消解部分缺口。“但这依赖于跨区域电网的输送能力和调度效率，是个复杂的系统性工程。”

另外，考虑到AI在储能应用中涉及大量数据，数据安全与隐私保护至关重要。

“比如在电力现货交易环节，如果数据被篡改直接会导致经济损失。”另一储能企业内人士认为，安全性问题的不断暴露，对各大安全公司是很好的市场蓝海，企业可通过跟进给出有效的安全策略，以及市场机制来推动安全性问题的解决。

多位储能业内人士告诉记者，企业可以通过建立健全数据安全管理体系，加强技术防护等方式，保障数据安全和用户隐私。

此外，针对数据安全的潜在问题，两部门近期发布的《实施意见》提出，针对能源领域高质量数据集构建和数据安全需求，推动数据智能标注、智能增强、数据合成等技术应用，推进能源数据分类分级技术、隐私计算技术以及智能数据动态加密和跨域可信溯源等技术研发，优化数据分享机制，加快形成能源领域高质量数据集，确保能源数据全流程安全可靠。

解决了数据安全的“软肋”，“AI+储能”还面临着一个“硬约束”——算力。随着应用场景向长时储能和高性能分析深入，整个系统对算力的需求水涨船高，甚至可能出现“算力饥渴”。而这一瓶颈的解决，依赖于算力基础设施AIDC（人工智能数据中心），“AI+储能”的发展趋势正转化为驱动AIDC赛道增长的新引擎。

不过，这种协同背后存在深刻的商业逻辑挑战。一位电力新能源行业分析人士对第一财经记者表示，“AI+储能”与AIDC的协同，本质可视作算力与电力的相互赋能。“但当前AIDC的高能耗与储能项目的收益不确定性，使得两者的深度耦合仍然面临商业模式的考验。”

阳光电源（300274.SZ）近期宣布成立AIDC事业部切入AIDC电源赛道。公司管理层近期在电话会上表示：“公司在电源端和电子电力转换技术上有技术沉淀和待应用的创新成果，与AIDC电源有很好的技术协同。目前正抓紧研发，争取明年出一些产品。”

全球计算联盟（GCC）秘书处CTO苗福友表示，从多方预测来看，未来两三年内，AIDC建设仍将保持每年40%以上的年增速，随后每年新增建设量还会增加，然后慢慢趋于平缓，预计到2030年前后，年增长率或在10%左右。

尽管有上述瓶颈和潜在风险待解，业内认为，AI在新能源领域的应用是机遇大于挑战。“比如数据安全性的问题可通过加密技术和AI驱动的安全监控来防范网络攻击和数据泄露。”上述储能企业内人士举例并强调称，未来竞争的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。

（应受访者要求，何峰为化名）