全世界搞AI的，为啥都在抢中国电池？
这两年，AI军备竞赛打得那叫一个昏天黑地，在中美都是拉动投资的主力。
GPU、存储、光模块、液冷，算力基建的市场热点一轮接一轮地爆发。
另外，GPU芯片非常吃电，一座大型AI算力中心一年电费动辄几十个亿，顶得上一座小城市。
即便你掏得出几十亿，也不一定能抢到电。
在美国一些地区，AI算力中心接入电网要排队3到7年。于是马斯克、扎克伯格这些人都等不及了，纷纷开始购买燃气轮机自建电厂。
这使得跟AI算力貌似不搭噶的一众电力设备，燃气轮机、变压器、高压开关等等，也跟着一起鸡犬升天了。
但在一个大多数人没有注意到的角落，AI相关的储能，也就是电池业务，也在暴涨。
2026年前5个月，全球AI算力中心储能出货量达到10GWh，按电池容量计算相当于1000万度电，已经超过2025年全年。行业预计，到2030年，AIDC储能锂电池出货量将突破300GWh。按眼下的出货量级看，短短几年就是几十倍的增长空间，毫不意外的是，新增订单，大部分都流向了中国电池厂。
为啥AI计算需要这么多电池呢？今天我们就来深度聊聊。
01 几万块GPU同时猛踩油门
你对数据中心的印象可能是这样的：一排排服务器安安静静闪着绿灯，嗡嗡作响，用电也相对平稳。
传统数据中心确实是这样，单个机柜功耗4到8千瓦，负荷稳稳当当，像定速巡航，电网轻轻松松，如沐春风。
但AI算力中心完全不一样。
比如一块英伟达B200 GPU在满负荷运行时，功耗可以达到1200瓦；一套GB200超级芯片可以达到2700瓦。
一个NVL72机柜里塞了72块GPU，整柜功耗飙到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
但功耗大还不是最要命的，最要命的是AI的功耗会“跳”。
大模型训练时，成千上万块GPU会同时计算，并在每一轮结束后交换计算结果，这个过程叫AllReduce。你可以把它想象成一个几万人的大合唱团，每唱完一段所有人必须停下来对谱，等最慢的那个人跟上，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“方波”：满功率→空转→满功率→空转，不断重复。
方波大概长这样
有储能工程师打过一个比方：GPU的用电就像一辆每秒从怠速踩到满油门又松掉的跑车。
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%，呈现高频脉冲式波动。
这种波动放大到几万张卡的集群上，处理不好的话，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。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，根本不是一个节奏啊。
电网来不及响应，电压就可能突然下跌。
你家里的灯闪一下，你人可能感觉不到；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。
传统数据中心的标配方案叫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活下来的。
但UPS是为防止突然停电设计的，不是为电压跳动设计的。铅酸电池响应速度在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，把剩下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。
电容靠物理方式存电，不像电池要靠化学反应，隔几秒就充放一轮也不伤寿命。但它存的电能少得可怜，每块GPU只分到65焦耳，差不多够一个60瓦灯泡亮一秒，所以它只能管抖动，管不了波动。
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。
它和UPS最大的区别在于：BBU不在楼下，就在机柜里面，和GPU住同一个柜子。
一台NVL72机柜里装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。
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只管机柜内部毫秒级的急救，一个大型AI数据中心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扛：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，讲究的是一个容量大、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管毫秒，园区储能管秒到分钟，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市场约35亿元，预计2030年达350亿元，五年翻十倍，年复合增长率近六成。
这股需求来得这么急，最直接的原因是算力中心建得比电网快。
接入电网往往要排队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？一般就两条路，而这两条路都越来越离不开储能。