算电储协同，中国的AIDC储能跑出新的可能性

在激烈的中美AI竞赛中，一个不为公众熟知的行业正在发挥越来越重要的作用：电池储能(BESS)，而“算电储”三者协同已经成为必然趋势。

对美国的AIDC来说，储能解决的是电力供应的“从0到1”的问题，而在中国，故事远比这个精彩。

一

美国困境：储能成“电价友好”关键

电力对算力的约束，在美国已经不是新闻。本质上，这是美国上世纪的电力基础 设施 遇到了下世纪的 科技 。

彭博新能源（ BNEF ）则 预计，美国数据中心电力需求将从 2024 年的近 35 GW 增至 2035 年的 78 GW，增长逾一倍；平均每小时用电量更是接近三倍，从 2024 年的 16 GWh 飙升至 49 GWh。

算力需求狂飙突进 ，而电力供应捉襟见肘， 两者相遇，便形成了今日美国的困境： 与民争电 。

挥金如土的 科技巨头愿意为电力支付几乎任何溢价 ， 然而，它们在追逐电力容量的同时，也推高了电价基准，导致数百万普通家庭的电费账单不断攀升 —— 从2020年2月到2025年9月，美国居民电价飙升40%，从每千瓦时0.13美元涨至0.19美元。随着未来几十年AI对电力的需求预计将远超新增供应，这些价格势必继续攀升。

目前， 民主党人以降低电费为竞选承诺， 已 在新泽西州、弗吉尼亚州和佐治亚州的关键选举中大获全胜。种种迹象表明， 飙升的电价已成为美国国会中期选举关键。

因此 ，美国的AIDC面临 现实部署难题：从立项到满负荷运行平均 需要 约七年——前期 4.8 年，施工 2.4 年 。 而众所周知，AI的技术进步是以月甚至天的速度在进化。

要解决这一困境，可选项并不多。长期可能靠核电，短期则需要靠：储能。 其核心思路是： 如果数据中心同意在电网需求高时从电网获取更少的电力，则允许数据中心更快地上线。

2025年 10月22日，Aligned Data Centers宣布与储能开发商Calibrant Energy合作，在其位于美国太平洋西北部的一个数据中心部署电池储能系统（BESS）。这是美国首次专门为加速互连和使大型数据中心上线而构建的电池系统。

由于Aligned公司承担了所有费用，电力公司的其他客户无需为这家数据中心公司的发展壮大买单。

换句话说，通过储能，这个数据中心实现了对居民的 “电价友好” 。 对当今美国的民意而言，这种情绪价值尤为重要。

二

中国路径：储能助力“电网友好”

2025年8月， 硅谷著名投资人Rui Ma 在 X上写道 ： “我们走过的每一个地方，当地人都把电力当成理所当然。”她刚刚结束对中国人工智能中心的访问。

她告诉《财富》杂志，虽然她不是能源专家，但她参加了足够多的会议并与足够多的内部人士交谈，得出了一个能让硅谷脊背发凉的结论：在中国，为数据中心建设足够电力的议题已不再存在争议。

长期追踪中国电力发展的专家David Fishman 则 告诉《财富》，在中国，电力甚至不是一个问题。中国每年新增用电需求就超过德国的全年总消耗量 ， 其中一个省份的电力供应量就相当于整个印度的总量。

不过，故事并非如此简单。

当AI时代来临，智算中心的电力负荷本质上不同于传统数据中心——规模庞大的同时异常“尖峰化”且难以预测。 当科技公司启动AI训练算法，或大规模计算集群被激活时，所产生 的电力需求瞬时爆发、强度极高。这给电网稳定带来了紧迫挑战。

一位业内人士把这种用电特征称为： 频闪灯 。 TerraFlow Energy 的 CEO 则把之比喻为： “ 相当于开着一辆法拉利以每小时80英里的速度在高速公路上行驶，却不断地在一挡和五挡之间来回切换。 ”

当AIDC执行推理任务时，情况还相对好办。

“ 推理负荷则取决于应用场景的多样性，通常更平滑——比如用户早上打开手机使用 Instagram，Meta 的数据中心就会出现早高峰；如今人们打开 ChatGPT，也会产生类似的熟悉负荷曲线。 ” Emerald AI 的创始人兼首席执行官 Varun Sivaram 解释到。

但一到训练负荷，情况就完全不一样。

“ 如果你正在运行一个大型语言模型的训练任务，你会看到数据中心的用电量在训练启动时急剧上升；在训练过程中进行所谓 ‘ 同步检查点 ’ （synchronized checkpoints）时，会出现短暂的用电低谷；整体呈现出一种极难预测、剧烈波动的瞬态行为。数小时或数天后，当训练结束，用电需求会大幅下降。 ” 这一过程 中 ， 其“脉冲式”用电特征极易触发高额最大需量电费 。

此外， 单个数据中心在其生命周期内通常不会只做一件事。例如，一个大型数据中心最初可能专用于训练大语言模型，训练完成后，同一组 GPU 可能转而用于小型研究训练、推理或针对特定应用的模型微调 ，“ 因此，不能指望某个数据中心的负荷曲线在一年甚至更短时间内保持不变。 ”

另一方面， AI 的功率密度正以数量级提升——这在其他电力应用中极为罕见。几年前，一个机柜功耗约为 5 千瓦 ， 而英伟达 GB200（Blackwell 架构）机柜功耗已达 132 千瓦，采用液冷散热，且正朝着 1 兆瓦/机柜迈进。这意味着功率密度在短短几年内提升了两个数量级。这些巨型数据中心占地极小，却如同微型城市。 正是“电力需求指数级增长”与“高密度负荷集中于狭小空间”这两大趋势，叠加“不可预测”的波动性，正以前所未有的方式给电网带来压力。

而 数据中心 需要 向客户承诺近乎完美的可靠性，其服务等级协议（SLA）中通常要求“五个九”（即99.999%的正常运行时间）。这使得在关乎可靠性的关键因素——电力供应方面，几乎没有调整空间 。

由此，电池储能成为AIDC“电网友好”的关键。 储能系统可以像 “电力缓冲垫”一样， 助力AIDC提高负载率，同时 在 AIDC 负载尖峰时 毫秒级响应 放电，弥补 传统电网 缺口，避免越限跳闸 ， 确保GPU等关键设备持续稳定 运行， 防止设备宕 机或数据丢失。

以 国内 首个5A级智算中心 、获得“2 025 年度中国IDC产业算电协同先锋奖”的 商汤临港智算中心为例，项目 就 配置了宁德时代 18MW/36MWh 的储能项目 ，其电池 充放深度高达90% ，具备毫秒级响应能力。

储能系统投运前，AIDC负荷曲线呈现强随机性与高波动性，但引入宁德时代储能系统后，商汤AIDC项目的稳定性与算力平均负载量都大大提高。

具体来看，夜间0-3点的充电时段，随算力任务调度，AIDC净负荷出现多段突增及骤降的波动，大幅增加电网侧调节压力，同时负荷突变频率高，对电网侧调频调压能力也构成挑战，可能引发区域电压波动，影响周边的正常供电。

而同一时间段，引入受商汤自研多模态基座大模型与达卯科技的能源大模型调度的宁德时代储能系统实现了电力需量的精准稳定控制，AIDC的总关口表曲线出现显著的平滑效果， 波动幅度控制在5%范围内，充分展现了宁德时代储能产品在平滑电力波动、快速动态响应上的卓越性能。

而到日间高峰时段，宁德时代储能系统不仅能助力AIDC降低高峰用电，优化电力成本，还能进一步通过容量控制，在AIDC倒闸测试时提供容量支撑，有效降低AIDC的容量电价 。

三

“以储提算”已成潮流

对数据中心而言，“储”除了电网友好，更大的作用在于能够提高“算”的效率。 核心原因在于，“算”比“电”贵得多。 据商汤科技大装置事业群智算中心总经理林海介绍，在一个服务器五年的周期里面，电费成本仅占5-10%，而一个主流的服务器，售价为300多万，每月折旧成本就高达5万元。 因此，提高“算”的使用效率为数据中心重中之重。

“比如，我们希望把数据中心整体的负载率从50%提到70%，这是我们努力的一个目标，但如果提到70%的时候，你会发现在峰值时候的负载率有可能会突破90%，突破90%以后，整个供电侧的压力是很大的，实际上进入了一个冗余很小的一个非安全区域，这种时候我们就可以去调度我们储能的放电，以保障园区的安全。我们希望看到的用电场景是，如果把负荷画成一条平行直线的话，它上下会有一定的波动，但不要 出现太深的深谷和太尖峰的毛刺，这样的话我们可以把这条线不断地从50%提到60%，再提到70%，利用储能去平衡这种不安全时间段，最终让整体园区的算力产出有较大提升，从而显著提升AIDC的运营效率。” 林海表示。

以 商汤临港智算中心 储能项目为例 ，不同于传统的削峰填谷盈利策略，通过全天候精细化容量控制，系统还能释放AIDC变压器的可用容量，让算力平均负载率提升，实现AIDC与能源利用的双重收益提升。

相关 数据显示，全球AIDC储能新增装机容量预计从2024年的16.5GWh跃升至2030年的209.4GWh，年复合增长率超52%。其中，中国市场增速显著，有望从8GWh增至101.6GWh。

四

“价值叠加”：算电储协同的核心逻辑

尽管中美两国在电力体制、市场机制和政策导向上存在差异，但其在AIDC配储实践中的底层逻辑高度一致——即通过“价值叠加”（value-stacking）释放多重收益。

之前，储能被视为CAPEX负担；如今，通过“价值叠加”，它正成为AIDC的收益引擎。

所谓价值叠加，是指同一套储能系统在生命周期内，通过参与多种非投机性电力市场机制，实现收益来源的多元化。例 如：

·电力套利： 利用峰谷价差进行充放电，降低用电成本；

·参与平衡市场： 提供快速调频服务，获取辅助服务补偿；

·容量服务： 作为虚拟电厂的一部分，为电网提供备用容量，获得容量费用；

·绿电消纳支持： 配合风光发电，提升可再生能源利用率，满足ESG要求。

这种“一储多用”的模式，显著提升了储能项目的经济可行性，也使AIDC从单纯的电力消费者，转变为兼具调节能力的“产消者”（prosumer）。

在这个过程中， 储，正是连接“算”与“ 电 ”的关键纽带。 它让AIDC从被动耗电者，转变为主动的能源管理者、市场参与者和绿色推动者。 这一切，都需要 对 电池 的智能 管理 。

同样以商汤临港智算中心项目为例，经测算年可降低电费约7%。实际运行过程中，光是2025年12月单月，就节省电费支出超百万。“宁德时代在这个领域有比较高的优势，就是它在支持深度充放电比例的前提下，还能维持较低的衰减率，再叠加达卯能源大模型的动态调度策略，共同实现了智算中心用电成本的大幅下降。”AI能源技术服务商兼项目运营方达卯科技CEO简煜忞表示。

放眼未来，正如 清华大学电子院能源电子中心主任李中阳 在2025中国算力大会等多个场合表示，“算电协同的核心在于全链条、多主体之间的价值分享机制 。 储能作为灵活性资源是基础设施中的关键，而 AI 技术在绿电出力预测、电力交易、储能控制等场景的应用是其中的软实力，是实现价值叠加的另一种必备基础设施。”

以前，数据中心只有 在电网断电时才启动电池 ，而现在， 电池 在 持续运行，电池始终在塑造和过滤 数据中心的电力 。 如果之前是Energy for AI, 这个新范式则可以称之为AI for energy。

想参与闭门研讨活动

和线上产业微信群

请注明公司、职位

添加微信：shizhicyy

视知产研院聚焦科技和新能源

微信公号已有100万+高质量粉丝

添加微信：ishizh_business

加好友请注明合作品牌