先分享几个核心判断。AI数据中心和智能汽车对电力的渴求，如同两条正在同时加速拓宽的高速公路，最终却汇聚到了同一个能源入口。两者的不同之处在于：一边是算力竞赛催生的无止境需求，另一边则是电池续航提升与智能系统运行带来的全新挑战。

要点摘要

AI数据中心需要多种来源的供电保障，其中包括电池储能系统，用以应对突发停电、电压波动及用电高峰时刻的电力缺口。

与电动汽车的再生制动、双向充电逻辑类似，数据中心理论上也能将多余电力或热量回馈给电网，但目前的首要任务是尽量不给电网造成额外负担。

电池及储能系统由一套多层级的软件管理架构统一调度，监控范围从单体电池状态一路延伸至数据中心与电网的互动接口。

AI数据中心与汽车企业正从不同方向汇聚到同一个能源命题上，双方的技术突破正在相互加速，解决方案的落地节奏也越来越快。

共同的瓶颈

两个行业其实都在争夺同一个资源：更多的电力。对AI数据中心而言，更强的算力意味着更强的竞争力；而在智能汽车领域，算力系统同样日益集中，每多一次充电后的续航里程，都是实实在在的市场筹码。

然而，电网容量的增长明显跟不上这股需求膨胀的速度，而真正能提升效率的新技术又需要时间来打磨。随着公用事业费率的节节攀升，两边的企业都承受着越来越重的成本与政策压力。

三层解决路径

综合来看，破局的方法集中在三个方向上：

• 扩大电池储能规模，配合双向充电与精细化的能源调度，确保峰值负载时供电不间断；
• 采用耐高压的新材料和芯片架构，在提升计算密度的同时减少数据搬运带来的损耗；
• 加大替代能源的部署力度，在更长的时间尺度上实现电网中性，减轻对传统电网的压力。

双向充电已不再是新鲜事，部分车型已经实现落地，并且由于能以较低成本储存太阳能、风电的多余电量，正在加速普及。早期的一些电池储能电站，还大量使用了那些续航容量不足、从纯电动车上淘汰下来的“退役”电池——这些电池虽不再适合跑长途，但用于储能场景完全没问题。与此同时，电池价格在竞争和新化学体系的推动下持续走低，进一步刺激了新电池的销量。

英飞凌绿色工业电源业务部总裁Peter Wawer的判断很直接：“随着电池成本大幅下降，电池储能系统（BESS）将持续保持高速增长。根据预测，未来数据中心的总耗电量甚至会超过整个汽车市场。”

由数千块电池组成、由电池管理系统统一调度的储能系统（ESS），既可以在电网中断或电压不稳时充当备用电源，也能在用电高峰时段承担主供电角色。

西门子EDA电池业务全球负责人、高级总监Sinha Puneet补充了一个非常关键的区别：“AI数据中心和传统数据中心完全不是一回事。两大差异尤为突出：一是AI任务本身耗能极高，二是AI数据中心的能源需求波动大约是普通数据中心的10倍——因为一项AI任务刚结束，另一项紧跟着就涌入。如果管理跟不上，这种波动可能直接拖累整片电网。这正是为什么储能对AI数据中心如此重要，也是市场上对更好储能方案需求如此强烈的根本原因。”

快速响应的电池储能系统在这种波动场景中至关重要，尤其当公共电力侧出现闪断时。Sinha指出，ESS可以提供数小时的电量支持，但吸收波动、稳定供电才是核心问题，因为AI数据中心的电力需求量实在太大。在美国，高峰时段电价极高，越来越多的企业开始依靠ESS来转嫁用电压力，把峰值需求转移给电池。当前多数ESS的运行时长约为一到四小时，但长时储能的探索也在进行，比如谷歌与液流电池公司Form Energy的合作案例。

液流电池这类可充电储能系统，把化学能以液态电解质的形式储存在外置罐体中。未来，更长时间的储能能力将成为解决另一个棘手问题的关键——AI数据中心接入电网的漫长周期。

Sinha直言：“电网接入是个极其耗时的过程，很多案例里需要几年才能完成接入。这也是为什么大量企业在讨论部署现场燃气发电机或其他自备电源。在‘表后’侧，企业也在研究能不能自己发电，并用液流电池这类长时储能技术实现更长时间的独立运行，不用干等着电网接入。”

管理能源流动，尤其是在混合设备环境里，并不容易。Cadence高级首席产品工程师Hoa Tram的观点很清晰：“如何在电网、储能和高动态负载之间安全、高效、智能地传输大量能源？电动汽车行业的发展贡献了一套很成熟的方案——高压电池组、精密的BMS（电池管理系统）、以及面向再生制动和车网互动的双向电力电子技术，并且严格遵循功能安全流程。现在，这些理念正在通过大规模电池储能系统、分层电池管理和更智能的电网交互技术，逐步渗透到数据中心领域。”

技术共享

值得强调的是，技术流动从来不是单向的。电动汽车和数据中心两个领域的工程师们正在频繁交流如何优化能源和电池的使用方式，也在探索以共生模式把多余电力反馈到电网中的可能性。

Tram指出：“超大规模数据中心在利用遥测、分析和数字孪生来规划、运营复杂基础设施方面处于领先地位，而汽车OEM和供应商也在为软件定义汽车、车队级电池分析以及功率/热管理采用类似的方法。Cadence正好处于这个技术交叉融合的中心——我们为超大规模客户提供的系统级建模、功能安全流程和数据中心数字孪生，同样被用于设计下一代汽车和能源系统。”

另一方面，部分车型已经通过双向能源系统实现了电力回馈，包括车辆到电网（V2G）、车辆到家庭（V2H）和车辆到负载（V2L）等多种形式。

英飞凌销售高级副总裁Negar Soufi Amlashi的概括很到位：“随着汽车走向电动化和网联化，它本身正在成为一个移动的能源资产。不仅是消耗电，还能产生、储存并向电网反馈电力。这种共生关系才是关键。整个过程由半导体和软件来驱动，实现了清洁驱动与车辆和电网之间的高效互联。节省的每一瓦电能，都是实打实的价值。”

参与其中的核心器件包括基于硅、碳化硅（SiC）和氮化镓（GaN）的双向牵引逆变器、双向车载充电器、功率模块以及固态充电站。Amlashi强调：“这带来了极高的功率转换效率，有助于降低损耗，让‘效率’成为新的核心价值。”

AI驱动的能源管理系统让车辆能够成为电网的组成部分，实时优化电力调度。Amlashi指出：“通过优化能源使用，可以延长电池续航，进而扩大电动汽车的行驶里程。同时也能实现车辆与电网的高效集成，比如通过高效的双向充电来完成。”

这就引出一个关键问题：数据中心能否用类似的策略，通过电池储能系统、现场备用电源或微型直流电网来实现同等程度的优化？

英飞凌Wawer提供的一个例子很有启发性：“直流电网其实已经从工业侧悄悄渗透过来。不少企业正在为它们的工业制造厂区部署直流电网。逻辑很简单——可以通过这种系统连接用电设备、接入电池储能，同时大幅提升效率。举个例子，工业机器人目前通常用电阻来制动，机械臂减速时能量被电阻消耗掉，效率极低。但换成直流电网后，可以去掉电阻，改为发电制动，把能量回馈到系统中——就像电动汽车一样，把制动能量存进电池。这打开了大量应用空间，包括直流供电的分布式发电，比如屋顶或周边安装太阳能板。虽然这个进程是工业领域那种‘稳健’的节奏，但AI数据中心的加入正在大幅提速，两边形成了很好的协同。”

新材料与新架构

提升系统电压而不是增大电流，是另一个核心方向。同样的物理面积和散热能力内，更高的电压意味着更高的功率密度，同时也能减少数据搬运带来的资源开销——后者本身就是一笔不小的隐形成本。

半导体、汽车和能源行业正在技术栈的每个层面探索方案，目的只有一个：在AI持续扩张的背景下，确保每个Token的成本依然可接受。

Imagination Technologies产品管理副总裁Kristof Beets表示：“现在我们收到大量来自密度方面的需求——如何在有限的空间和功耗预算里压榨出更多性能。但更多的需求还是来自效率角度，这在服务器以外的市场尤其突出，服务器领域目前还是次要的考量。”

不过，随着功耗持续攀升以及AI推理的‘每瓦智能’成本越拉越高，这个趋势很可能很快会反转，届时就需要新的架构和材料来支撑。

摩根士丹利近期的一份能源市场报告指出：“投资者已经注意到，电力供应商和电力设备企业有望从数据中心扩张中获益，尤其是在AI将引发整体经济生产力浪潮的预期推动下。这促使投资者将目光集中到离网解决方案需求的增长、消除能源供应链瓶颈，以及利用信贷市场为能源系统扩张提供融资这些方向。尽管多数数据中心仍与电网保持连接，但投资者预期更多开发商将转向混合或离网模式，在全球电力供给日益紧张的背景下确保运营韧性。这一趋势也会把更多目光引向电力设备供应商。”

需求倒逼新材料。英飞凌科技航空航天与国防业务副总裁兼院士Helmut Puchner表示：“我们讨论的是数千安培量级的供电总线，规模正在急剧扩大。过去电源是单相的，通过开关晶体管实现。现在我们谈论的是12相或16相。每一路的栅极驱动器可以承载150安培甚至更多。碳化硅（SiC）可以覆盖1000V以上，氮化镓（GaN）在中压范围，硅则覆盖650V到10V的区间。”

SiC和GaN这类宽禁带材料，正在推动数据中心把直流机架供电架构从48V直接升级到800V。德州仪器计算电源技术专家Pradeep Shenoy形容这是一次“巨大的跨越”：“我把它类比为电动汽车市场的发展轨迹。有些车型还在用12V铅酸电池，部分升级到了48V，而主流的电动汽车已经普遍配备400V或800V电池。我们在这项技术上深耕已久，因此能够快速把为其他市场开发的隔离技术和氮化镓技术移植到数据中心领域。数据中心的核心架构师和决策者们明确表示，他们正在积极消化电动汽车市场已经验证成熟的技术。800V电动汽车已经在路上广泛运行，相关基础设施完全能够快速复用。”

数据中心与汽车电池管理的异同

负责监管电池储能系统，以及数据中心、电网和可再生能源之间能量调度的，是一套层级化的AI赋能软件体系，包括电池管理系统（BMS）、能源管理系统（EMS）和电网交互式UPS系统（GiUPS）。

德州仪器Shenoy解释说：“数据中心内部有一定程度的能源管理，同时还要协调与电网的通信。宏观上与电网互动，内部则有一套系统来控制从电网抽取多少电、向本地电池存取多少电。每个层级都有相应的管理机制。”

无论在汽车还是数据中心场景中，BMS的核心任务都是监控热量输入、热点分布、冷却液状态、电气控制以及过充或过放情况。

Synopsys首席工程师Bryan Kelly补充了一个很实际的视角：“热液压冷却回路通常是最棘手的环节。这个机电一体化领域往往超出了许多硬件/软件电池包设计工程师的实际专长范围。虽然CFD仿真软件工具可以做初步的‘假设分析’，最终还是需要涵盖冷却板、管道、软管、歧管及相关组件的完整冷却系统虚拟样机。”

这种模型可以支持冷却液类型或混合比例、不同环境条件和运行场景的验证，并且能把结果与实测数据对比校验。Kelly指出：“此外，电池包仿真模型的端到端热分析还能够研究极低温下的加热需求、评估硬件/软件控制在不同温度范围内的行为，以及模拟大负载电流下冷却液流量下降等故障工况——这类工况在实物测试台架上往往很难甚至根本无法复现。”

替代能源与可再生能源

三部分解决方案的最后一块，是多种能源的综合配置，确保数据中心有持续不间断的电力供应。

英飞凌Wawer的判断很现实：“唯一的解决方案是采用合理的混合电源，也就是太阳能加风能。在近中期内，最容易加速投入使用的是燃气轮机。其他形式，尤其是核电，建设周期实在太长。如果需要某个特定量的电量，等到新核电站建成，市场机会早就过去了。这些需求是近在眼前的，只有可再生能源加储能的组合才来得及满足。”

对现有核电站进行重启改造是更快的路径。Keysight Technologies电力电子设计软件产品经理Steven Lee举了一个身边的例子：“我住在宾夕法尼亚州，当地正在尝试重启三里岛核电站，用来为像雨后春笋般出现的AI数据中心供电。它们还是会依托电网进行电力分配，但会靠核电来覆盖那个巨大的用电缺口。对我们普通家庭来说，AI数据中心带来的直接影响就是电费大涨。”

对于不适合或没有核电的地区，太阳能在许可周期、组件供应和安装方面显然更便捷。Wawer指出：“目前每千瓦时成本已经降到不足一美分，单凭这个价格，太阳能就应该成为未来增量电力供应的重要组成部分。”

从太阳能板到电池再到数据中心或电网的功率转换流程，与电网到终端设备的流程恰好相反。Lee解释：“太阳能电池板通过光伏效应产生直流电，然后需要用太阳能逆变器转成交流电——这就是‘逆变器’这个名称的由来，因为太阳能路径是直流转交流。而从电网到数据中心的路线上，则是交流转直流的反向流程。原理相关，方向相反。”

太阳能逆变器可以安装在电池前端、后端或者两端都有，具体取决于系统采用的是交流耦合还是直流耦合方式。电池储存的是直流电，逆变器把它转为交流电送入电网，电网的交流电再经过比如两级800V直流供电架构转换回直流，最终供数据中心的处理器使用。

电动汽车也在利用太阳能，并且在向电网反馈多余电力方面比数据中心更加成熟。例如家庭屋顶的太阳能板接上特斯拉墙式储能单元后，太阳能直流电先存入墙式储能单元的电池，再由逆变器转化为交流电，为汽车或其他家用电器供电。如果电网出现缺口，电力也可以反向送出，再由电网分配给其他用户或数据中心。

不管电力朝哪个方向流动，这条链路始终不变——“中间有一块电池，电力既可以来自电网，也可以反向注回电网。”

其他可能的方向

如果数据中心配备了现场发电能力，理论上也可以像家庭和电动汽车模型那样，把多余电力反哺给电网。不过德州仪器Shenoy提出了更务实的时间尺度问题：“数据中心内部可能出现微秒级的功率尖峰，而电网运行在更低频率和更长时间尺度上。另外，从电网的角度看，如果数据中心出现波动或干扰，有没有可能拖垮整个电网？这显然不是好事。所以大量工作集中在如何确保数据中心以对电网友好的方式运行。就算数据中心不向电网反送电，只要它作为负载的表现足够稳定，就已经是很大的成就了。”

还有一个更简便的选项：把数据中心产生的多余热量输送给当地公用事业公司。这种做法最近已经在斯堪的纳维亚地区实现了实际应用。

英飞凌Puchner从小在奥地利长大，对这个模式有亲身感受：“数据中心本质上是在把电能转化为热能，和发电厂或供热厂一样。奥地利几代人以来，都在用垃圾焚烧加上补充燃料来发电供热——既处置了垃圾，又产生热能分配给六到十万户家庭。我觉得这个模式完全可以复制到数据中心：与其让冷却水把河水温度升高两三度，为什么不把热量回馈给社区呢？冬天大家都需要热能。”

给周边设施供暖在技术上可行，但真正的障碍出在成本上。

Puchner指出：“系统和技术都已存在，但对数据中心企业来说投入可能太高。如果公众或政府愿意为此买单，那肯定是个好主意。这些数据中心全天运行，产生的热量极其可观。”

把废弃资源重新利用的趋势预计将持续扩大，不管是多余的热能、能源本身，还是废旧电池和硬件。以下是两个实际案例：

• Waymo将退役电动汽车的电池改造为本地基础设施中的清洁储能装置。
• 加州大学圣地亚哥分校与谷歌的研究人员从退役智能手机中拆出主板，集群化后构建成供研究人员和学生使用的通用计算平台。

结语：为何这一切至关重要

更高效的芯片、网络和电源变换器架构，都是降低AI数据中心能耗的重要环节。同时，向清洁可再生能源的转型也绝不能缺位，目的是确保AI数据中心的电力需求不会在供电可用性和电价上对普通民众造成过大冲击。

电动汽车同样给未来带来了改变的承诺——减少对有限石油资源的依赖。但是值得警惕的是，电动汽车到底是不是比燃油车更环保，很大程度上取决于当地电网的发电来源，核电、水电还是煤电，结果可以天差地别。Keysight的Lee一针见血地指出：“人们往往只关注自己汽车这个环节，却容易忽略上游电力到底是从哪里来的。”

Q&A

Q1：AI数据中心和普通数据中心在能源需求上的核心差异是什么？

A：差别主要体现在两点。一是AI任务本身的能耗远高于常规任务；二是AI数据中心的能源需求波动大约是普通数据中心的10倍，因为AI任务切换频繁，刚结束一个，下一个紧跟着就涌入。这种剧烈波动如果管理不当，会给整个电网带来风险。也正是因为这样，储能系统对AI数据中心的稳定运营至关重要。

Q2：AI数据中心怎么应对电网接入时间太长的问题？

A：电网接入动辄需要数年时间，企业因此主要采取两类措施：一是在现场部署燃气发电机等自备电源；二是探索“表后”能源方案，像屋顶太阳能这类现场发电方式，以及部署液流电池等长时储能技术，在完成电网接入之前先实现相对独立的运行，维持正常运营。

Q3：电动汽车的电池技术是怎么帮到数据中心的？

A：电动汽车行业率先开发并验证了多项关键技术，现在正在被数据中心广泛借鉴。具体包括高压电池组和800V电气架构（已经大量用在电动汽车上，开始向数据中心机架供电架构迁移）、精密的电池管理系统（BMS）、双向电力电子技术（用于再生制动和车网互动，类似技术已应用于数据中心的储能系统与电网交互），以及基于SiC和GaN宽禁带材料的高效功率转换器件。