AI的尽头真是储能？

日消耗50万度电，美国普通家庭用电的1.7万倍

AI的发展日新月异，从文字到图片再到视频，其进步速度令人瞩目。但这些发展的背后都有着代价，而发展AI的代价便是能源的巨大消耗。特斯拉创始人马斯克曾公开表示，AI发展的速度前所未见，几乎每过6个月，AI的算力就会增加10倍。而集成电路中的摩尔定律，也“仅仅”是每18个月性能翻一倍，与如今AI的成长速度相比，实在不值一提。不过高速的成长速度下，是海量的能源需求，马斯克预计，两年内就会由“缺硅”变为“缺电”，这将阻碍AI的发展。马斯克认为，当前算力的增长已经面临瓶颈，接下来变压器将会陷入短缺，紧接着就是电力的短缺。到2025年，甚至会面临没有足够电力来运行所有芯片的局面。

而AI将成为电力消耗的大户，据美国《纽约客》杂志报道，ChatGPT的日均耗电量达到50万度，相当于美国普通家庭用电量的1.7万倍，以此应对其用户的约2亿个请求。国际能源署（IEA）此前表示，未来三年，全球电力需求将加速增长，预计每年增长3.4%。美国Uptime Institute预测，到2025年，人工智能业务在全球数据中心用电量中占比将从2%猛增至10%。如果生成式AI进一步发展，其耗电量可能会更多。有荷兰的科学家亚历克斯·德弗里斯在其论文中提到，到2027年，整个AI行业每年将消耗85-134太瓦时（TWh）的电力，1太瓦时等于10亿千瓦时。

举个直观一点的例子，我国的三峡水电站年发电量刚刚突破1000亿千瓦时，意味着未来整个AI行业的耗电量由三峡电站来供应可能将将够，而三峡电站可是能供应华中和华南多个省份地区的。比如国内的台湾地区即将在4月份调涨电价，预计产业用电价格将上调3成，而4月份电价方案平均也将涨10%-15%。英伟达CEO黄仁勋更是在一次公开演讲中指出，AI未来的发展与光伏和储能紧密相连，他表示，未来人们不能只想着算力，如果只考虑计算机，那么需要消耗掉14个地球的能源。

储能的发展将关乎AI的进步

之所以如今的AI需要消耗这么大的能源，在于当前大模型的性能提升方式。其中算法的优化固然重要，但更多的却是依赖于“暴力”算力的提升，也就是通过添加更多的算力卡来增加大模型的性能，也就是所谓的“力大砖飞”。这也意味着，未来AI竞争的核心门槛将不再是单纯的算力创新，而是海量算力所需要的电力与储能水平及成本。尤其是电力作为智算中心最主要的能源供给，其稳定性与可持续性对于算力产业的健康发展至关重要。

随着智算中心性能的不断提升，电力和储能将成为这一行业壁垒的关键，如何高效利用电力、降低能耗、提高储能水平，将成为未来相关企业能否占据优势的重要因素。从储能的作用来看，比如AI的研发、训练和应用都需要大量的电能支持。储能系统可以有效地储存并按需释放电力，避免电网波动带来的影响，确保AI设施的稳定运行。同时AI训练过程中的计算量可能瞬间达到峰值，导致电力需求激增。储能系统可以在非高峰时段存储电能，在高峰时段释放，缓解电网压力，满足AI计算对电力的弹性需求。

不仅如此，储能技术也能帮助推动AI在边缘计算场景的应用，比如无人机、自动驾驶汽车、物联网设备等，通过储能装置保证设备在无外部供电情况下仍能高效运行AI算法。而在能量来源上，越来越多的数据中心都开始采用风电光伏等可再生能源，不过可再生能源存在间歇性和不稳定性的问题，储能技术能够将它们产生的多余电能储存起来，在没有光照或风力不足时使用，使得AI行业更加绿色可持续。当然，面对AI所带来的巨大能源需求，对于储能技术而言本身也是一种挑战。比如储能系统需要具备高效能量密度，即单位体积或质量内能够储存更多的电能，以满足AI系统持续、高负荷运行的需求。此外，还包括快速充放电能力、长循环寿命、高安全性与稳定性、智能化管理以及可持续性等多方面都需要加强。

目前市场中所应用及研发的锂电池、固态电池、钠电池、全钒液流电池等等，都这些方面进行综合考虑，以应对未来AI时代的需求。具体来看，比如针对储能产品中的逆变器、DC/AC转换器，需要研发更高转换效率的功率半导体器件（如新型IGBT、SiC MOSFET、GaN等宽禁带半导体材料器件），能够减少电力转换过程中的损耗，提高整体储能系统的能源利用率。

利用先进的半导体芯片和传感器技术，构建高度智能化的储能管理系统，实时监测电池状态、预测剩余寿命，并通过机器学习和AI算法优化充放电策略，有效调度和分配电力资源。近期，深圳市工信局发布的《深圳市算力基础设施高质量发展行动计划（2024-2025）》为行业发展制定了一个清晰的规划方向。配合电网升级，将储能电站与智算中心协同发展，通过储能电站来平抑电力波动，支持AI大模型技术的发展，将成为未来的主流。也可以看到，储能技术的发展，已经关乎到未来AI发展的上限。

储能技术是支撑AI行业健康发展的重要基础之一，它既能解决AI领域对能源的大量需求，又能助力其实现低碳、环保的目标。并且为了满足AI发展带来的电力需求，储能技术需要在安全性、经济性、系统集成、算法支持、数字化与智能化、适配性、技术创新以及政策与市场机制等方面进行深入的研究和创新。通过这些努力，储能技术将能够更好地支持AI的发展，同时促进整个能源行业的转型和升级。