从算力到电力，谁在搭建AI时代的“能源基座”？

作者 |辰纹

来源 |洞见新研社

4月1日，北京，中关村储能展如期开幕。

作为全球储能行业规模最大的展会，今年的人潮中多了一些特殊的面孔——来自AI算力领域的技术负责人和投资机构代表，他们此行的目的并非寻常的设备采购，而是寻找一个关乎AI未来走向的答案：在算力指数级增长的今天，电力基础设施是否还能撑得住？

这个焦虑并非空穴来风，2024与2025年，美国PJM电网区域多次发生算力集群因电压微调瞬间“撤离”的脱网事故，险些诱发区域电网崩溃。

算力可以堆砌，但电网无法瞬间扩容。AI的扩张卡在了能源关口。

在AI指数级增长的背景下，谁掌握了稳定、廉价、绿色的能源调度能力，谁就掌握了AI时代的入场券，而储能，这个曾经在电力系统边缘默默运转的角色，正在从“充电宝”进化为“智能中枢”，成为决定AI发展上限的关键基础设施。

今年的中关村储能展，能给出AI领域想要的答案么？。

01

AI的“新基建”，能源供给决定算力上限

AI的爆发式增长，直接刺激了能源需求的指数级膨胀。

这绝非夸大其词，国际能源署在《Electricity 2024》报告中指出，全球数据中心用电量在2022年约为460TWh，到2026年预计翻倍。

中国的情况同样触目惊心，华金证券研究报告预测，2024年至2030年，中国数据中心用电量将达到4051亿至5301亿千瓦时。这相当于一个中等省份全年的用电量，将被浓缩进一个个冰冷的服务器机柜中。

然而，AI对能源的索取，远不止于“量大”，它对电力供给的稳定性更是提出了近乎苛刻的要求。

与传统的工业生产负荷不同，AI大模型的训练过程呈现出一种“同步波动”的独特负载特征。想象一下，数十万块GPU像一支纪律严明的军队，在同一时刻接收到计算指令，瞬间满负荷运转；又在下一个瞬间，因等待数据同步或检查点保存而几乎同时降至空载。

如此剧烈的负荷波动，可以在毫秒级的时间内完成，幅度可达数十兆瓦甚至上百兆瓦。这就像是给一台精密的发动机，突然踩死油门又瞬间松开，其冲击力足以让整个系统震颤。

这种特性，正在挑战着运行了一个多世纪的电网基本法则。英国曼彻斯特大学的研究指出，当这种由逻辑驱动的“可编程”负荷大规模接入由逆变器主导的新型电力系统时，可能引发多节点电压骤降和频率变化率（RoCoF）飙升，甚至在未发生发电机组脱网的情况下，就足以触及系统稳定的临界阈值。

另外一个更棘手的问题在于物理惯性的枷锁。能源行业本质上是一个受限于物理空间与长周期的“重资产游戏”。

我们知道，芯片算力可以遵循摩尔定律在18个月内翻倍，可是电网的扩容却受限于征地、环评与工程建设，其周期往往以3到5年为单位。

这种“时间鸿沟”正在成为制约AI发展的最大瓶颈——在美国硅谷，多个新建数据中心项目的并网等待时间已经排到了2027年；在爱尔兰，都柏林地区因电网负荷过高对新建数据中心实施了事实上的“禁入令”。

在电网基建无法瞬间变魔术的现实下，建设周期更快、部署更灵活的储能系统，成为了弥补电网响应迟缓、承接AI商业扩张瓶颈的唯一“缓冲层”。

事实上，这背后还隐藏着一场成本的终极博弈，未来的AI竞赛，终将从模型参数的博弈转向单次推理成本的博弈——也即电力成本的博弈。

华金证券研报显示，电费占数据中心运营成本的57%，这意味着电力支出已成为算力中心最大的可变成本。当电力成本占据如此高的比重时，储能就从“备用电源”蜕变为“成本调节器”，通过“低谷充电、高峰放电”以及参与电网频率调节，储能系统直接重塑了算力中心的用电成本曲线。

以河南移动在郑州航空港区数据中心建设的1MW/2MWh储能项目为例，该项目通过峰谷套利模式，全生命周期预计可累计获得收益577万元。

在峰谷价差巨大的海南省，两部制工商业用户峰谷价差可达1.03元/kWh，对于年用电量1亿千瓦时的中型数据中心，仅峰谷套利一项，每年可节省电费超过2000万元。

不难看出，谁能利用储能抹平昂贵的用电高峰，谁就能在单次推理成本上获得碾压级的竞争优势，从而决定AI商业化落地的真实规模上限。

02

能源的“新逻辑”：储能必须“会思考”

储能改变了AI，AI也在改变储能。

过去几年，储能企业比拼的是电芯循环次数和集成成本。在那套逻辑里，储能电站只是一个被动的“电力搬运工”——独立储能只需要接受电网调度、工商业储能盯着固定的峰谷价差，在低买高卖的简单套利中维持运营。

这种模式在新能源渗透率尚低的阶段尚可运转，但当风电、光伏装机占比突破50%，电网波动性剧增时，粗放的商业模式便难以为继。

AI时代，储能的逻辑必须重构。除了最基本的能量存储功能，它还需要承担起“电网稳定器”和“电力交易员”的双重角色。

要理解这种转变，需要先厘清两个关键概念：“电力交易”和“构网”。

所谓电力交易，通俗来说就是让储能系统像一位训练有素的股票交易员，在电价低时买入（充电），在电价高时卖出（放电），赚取差价。

与炒股相比，电力交易的难度有过之而无不及——电力市场每15分钟形成一次电价，全天96个交易节点，每个节点都牵涉着气温、风速、光照、负荷、燃料价格等数十个变量，任何一个微小偏差都可能导致预测南辕北辙。

传统算法模型在处理这类问题时力不从心。

2019年山东电力现货市场试运行初期，不少储能电站尝试人工预测电价，结果往往是“猜对趋势猜不对节点”，频繁出现“高买低卖”的尴尬局面。一位储能运营商曾自嘲：“像是在没有K线图的情况下炒期货。”

AI的介入彻底改变了这一局面，通过融合气象大模型、历史电价数据和实时负荷监测数据，AI可以将电价预测准确率提升到90%以上，并在毫秒级内完成最优充放电策略的计算。在山东、蒙西等电力现货市场较为成熟的地区，搭载AI交易系统的储能电站，全生命周期收益较传统模式提升15%-20%。

同样是在山东省电力市场，远景滨州储能电站就通过其自研的“天机”气象大模型与“天枢”能源大模型的双引擎驱动，完成了从预测到决策的“自动驾驶式交易”。

作为最早提出AI储能概念的公司，远景在本次中关村储能展发布了全球首款12.5MWh AI储能系统，并表示融合物理 AI 与全栈自研能力，远景AI储能系统可以实现储能场站全链路自感知、自适应、自进化，推动场站全生命周期 IRR 提升4-8%。

2025年8月，滨州电站上线了新版AI阻塞电价预测算法模型。使阻塞预测精度提升10%。据最新数据，滨州电站实现了95%的峰谷价差预测准确率，较行业平均水平高出5-10个百分点，成为收益大幅提升的关键支撑，单月收益领跑山东全省。

如果说电力交易解决的是“如何赚钱”的问题，那么“构网”解决的则是“如何活下去”的问题，后者更为底层，也更为关键。

传统储能被称为“跟网型”——它没有自己的“主见”，只能被动跟随电网的频率波动。

这种机制在传统电网中没有问题，因为那时的电网有大量火电机组作为“压舱石”，惯量大、频率稳。但当风电、光伏渗透率超过50%，火电机组逐步退出，电网失去了惯性支撑——就像一个旋转速度越来越慢的陀螺，稍微被扰动就可能倒下。

此时，跟网型储能非但无法提供支撑，反而可能因自身逆变器的快速响应而加剧波动。

构网型储能的革命性在于，它能够像一台真正的发电机一样，主动建立电压和频率支撑，它的核心算法模拟了传统同步发电机的物理特性，能够在电网波动时主动注入无功功率稳定电压，在频率下降时主动释放有功功率支撑频率，这种能力让储能系统从电网的“跟随者”变成了“支撑者”。

业内有个生动的比喻，AI赋能的储能系统就像近期火爆的“龙虾”智能体——它是一种能源智能体，既有硬件设备护体，又有AI算法感知环境。它既能构网，响应电网的稳定需求；又能交易，追求利润最大化。

当储能拥有了“会思考”的能力，它就不再是被动的充电宝，而是主动的能源资产，这也正是AI时代储能的本质进化，从“能量搬运”到“智能服务”，从硬件竞争到算法竞争。

03

谁在定义AI时代的“能源基座”？

从“能量搬运”到“智能服务”，会思考的储能网络正将能源从算力成本重塑为算力基石。

当AI的终点指向能源，当所有人都在谈论算力与电力的关系时，一个更深层的问题浮出水面：谁能真正为AI提供稳定、智能、可持续的电力支撑？

要回答这个问题，必须先回到物理世界的极端场景中寻找答案。

在内蒙古赤峰，远景运营着全球规模最大的绿色氢氨项目，也是全球首个实现100%绿电直连、全球首座全动态运行的零碳化工产业园。

这个年产数万吨绿氢绿氨的超级工程，与AI大模型训练有着惊人的相似性——氢能生产需要持续稳定的绿电供应，但风电光伏本身具有波动性，而电解槽的负荷响应又极为敏感，稍有波动就可能影响设备寿命与生产效率。

这种“源随荷动”与“荷随源动”的矛盾，正是AIDC（AI数据中心）面临的核心挑战。

依托一个100%离网可再生能源电力系统，当赤峰项目连续16个小时面临无风无光的极端情况，依然保持100%绿电稳定运行，预示着远景已经实现了零碳电力解决方案的闭环。

而赤峰只是一个起点。

围绕AIDC“用电量大、绿电要求高、负载波动剧烈”的三大核心痛点，远景构建了一整套从电网到负荷侧的全链路解决方案。

远景正式发布AIDC多场景能源解决方案

在电网侧，通过“风光配储+绿电直连”，将原本受限于电网容量的新能源直接引入算力场景，不仅加快并网节奏，也让绿电消纳从“被动接受”变成“主动配置”；在场站侧，通过构网型储能系统，实时平滑算力负荷带来的剧烈波动，为电网提供稳定的电压与频率支撑，从源头降低谐振、脱网等风险；而在负荷侧，远景用直流储能系统替代传统UPS，让电力系统可以直接应对GPU集群毫秒级的功率冲击，把“备电系统”升级为“实时调节系统”。

但真正决定这套系统上限的，不是硬件，而是“能源AI大脑”。远景将“天机”气象大模型与“天枢”能源大模型深度融合，构建了一套从预测、调度到执行的闭环系统：前者对风光出力进行高精度预测，后者在此基础上完成源网荷储的最优组合与实时调度，并通过物理AI直接控制储能与电力电子设备，实现毫秒级的负载平滑与电网支撑。系统可以在弱网甚至离网环境下长期稳定运行，同时持续优化绿电消纳比例与用电成本。

更重要的是，这套能力已经落地在大规模场景中被验证。

目前，远景已与腾讯在内蒙古赤峰落地全球首个100%绿电直供数据中心，综合能源成本降低超40%，年碳减排达18万吨，此外，公司还正携手头部AI公司在乌兰察布打造的全球最大零碳AIDC园区，项目预计今年交付。

从赤峰的100%绿电实践，到乌兰察布的大规模算力园区，再到AIDC多场景解决方案的系统化输出，远景已经完成了一件更底层的事情——把电力系统从“被动供给”，升级为“主动匹配算力需求的智能基础设施”。

AI的上限或许在云端，但它的根基，已经落在地面。

而这套电力底座，远景已经造好。