AI
要點摘要：
AI數據中心需要來自多種來源的電力（包括電池），以防範停電、瞬態電壓尖峰和電網需求峰值。
與電動汽車的再生制動和雙向充電類似，數據中心也可以將電力或熱量反饋給電網供公眾使用，但當前首要目標是儘量減少對電網的干擾。
負責監管電池和儲能系統的是一套多層次軟體管理架構，能夠監控從電池單體到數據中心與電網交互的全部環節。
AI數據中心與汽車企業正從不同角度匯聚於相同的能源問題，雙方互相借鑑技術進步，共同加速解決方案的落地進程。
兩個行業有一個共同目標：獲取更多能源。對於AI數據中心而言，這源於對算力的無止境需求——更強的算力能在更短時間內輸出更精準的結果。對於日益接近"四輪數據中心"的智能汽車而言，則是要搭載更多計算密集型智能系統，並在電動汽車領域提升每次充電後的續航里程。
然而，兩者都面臨相同的瓶頸：電網容量的增長遠跟不上能源需求，而大幅提升效率所需的技術又需要時間來開發。與此同時，雙方都在承受不斷攀升的公用事業費率所帶來的成本上升和政策壓力。
解決之道分為三個層面：
擴大電池儲能規模，配合雙向充電與精密能源管理，確保峰值負載時有足夠電力可用；
採用能承受更高電壓的新材料與晶片架構，提升計算密度並減少數據移動；
引入更多替代能源，維持電網中性。
雙向充電目前已在部分車型中落地應用，並因可低成本儲存太陽能和風能發電的多餘電量而逐漸普及。早期電池儲能電站通常使用被認定為"退役"的車用電池——這些電池因續航容量不足而不再適用於純電動車，但仍可服務於其他場景。與此同時，由於市場競爭加劇和新型電池化學體系湧現，電池價格持續下降，也推動了新電池銷售的增長。
英飛凌綠色工業電源業務部總裁Peter Wawer表示："隨著電池成本大幅下降，電池儲能系統（BESS）將持續高速增長。據預測，未來數據中心的總耗電量將超越汽車市場。"
由數千塊電池組成、並由電池管理系統統一調度的儲能系統（ESS），既可在電網中斷或出現電壓波動時提供備用電力，也可在電網峰值時段充當主要電源。
西門子EDA電池業務全球負責人、高級總監Sinha Puneet表示："AI數據中心與普通數據中心有本質差異。兩大核心區別在於：AI數據中心耗能極大，因為AI任務本身就是高能耗作業；此外，AI數據中心的能源需求波動約是普通數據中心的10倍——因為一項AI任務剛結束，另一項又隨即湧入。如果管理不當，這種波動可能導致整個電網跌入低谷。這正是儲能對AI數據中心運營至關重要的原因，也是市場上對更好儲能系統出現如此強烈需求的根本所在。"
為應對這些波動，快速響應的電池儲能系統變得至關重要，尤其是當公用電力側出現任何中斷時。Sinha指出："ESS可以提供數小時的電力，但吸收波動並穩定供電極為關鍵，因為AI數據中心的電力需求量極大。在美國，峰值時段電價非常高，越來越多的企業開始通過ESS來降低運營成本，將峰值用電需求轉移至電池儲能。當前大多數電池儲能系統可提供約一到四小時的運行時間，但也有企業在探索長時儲能方案，例如谷歌正在與液流電池公司Form Energy開展的合作。"
液流電池是一種可充電儲能系統，將化學能以液態電解質的形式儲存於外置罐體中。未來，更長時長的ESS將成為應對另一挑戰的關鍵所在，而這一挑戰正是AI數據中心接入電網的困難與漫長周期。
Sinha表示："電網接入是一個極為耗時的過程，據我了解，在許多情況下需要數年時間才能完成接入，這也是為什麼眾多企業都在討論部署現場燃氣發電機和其他供電方案。在'表後'側，企業也在探索能否在現場自行發電，並研究採用液流電池等長時儲能技術，以實現更長時間的獨立運行，而無需等待電網接入。"
管理能源流動，尤其是在混合設備環境下，並非易事。Cadence高級首席產品工程師Hoa Tram提出："如何在電網、儲能和高度動態負載之間安全、高效、智能地傳輸大量能源？電動汽車帶來了高壓電池組、精密的BMS，以及用於再生制動和車網互動的雙向電力電子技術，並遵循嚴格的功能安全流程——這些理念如今正通過大規模電池儲能系統、分層電池管理以及更智能的電網交互，逐步滲透到數據中心領域。"
技術共享
值得注意的是，技術流動並非單向。電動汽車與數據中心領域的工程師們正在積極交流如何優化能源與電池使用，並探索以共生方式將多餘電力反饋至電網。
Tram表示："超大規模數據中心在利用遙測、分析和數字孿生來規劃和運營複雜基礎設施方面處於領先地位，汽車OEM和供應商也在為軟體定義汽車、車隊級電池分析和功率/熱管理採用類似方法。Cadence處於這一技術交叉融合的中心——我們為超大規模客戶提供的系統級建模、功能安全流程和數據中心數字孿生，同樣被用於設計下一代汽車和能源系統。"
另一方面，部分車輛已通過雙向能源系統實現多餘電力的回饋，包括車輛到電網（V2G）、車輛到家庭（V2H）和車輛到負載（V2L）。
英飛凌銷售高級副總裁Negar Soufi Amlashi表示："隨著汽車走向電動化和網聯化，它們正成為路上移動的能源資產。這些車輛不僅消耗電力，還能產生、儲存並向電網反饋電力。這種共生關係至關重要。這是一場由半導體和軟體驅動的變革，實現了清潔驅動以及車輛與電網之間的高效互聯。節省的每一瓦電能都轉化為實際價值。"
參與其中的器件包括基於矽、碳化矽（SiC）和氮化鎵（GaN）的雙向牽引逆變器、雙向車載充電器、功率模組以及固態充電站。Amlashi指出："這實現了極為高效的功率轉換，有助於降低損耗，使效率成為新的核心價值。"
AI驅動的能源管理使車輛成為電網不可或缺的組成部分，能夠實時優化電力。Amlashi表示："通過優化能源使用，可以延長電池續航時間，進而擴大電動汽車的行駛里程。此外，我們還能實現車輛與電網的高效集成，例如通過高效的雙向充電實現這一目標。"
基於此，許多人開始思考：數據中心能否通過電池儲能系統、現場備用電源或微型直流電網實現類似的優化？
英飛凌Wawer表示："直流電網已經從工業側悄然滲透。相當多的企業正在為其工業製造廠區部署直流電網，邏輯十分簡單：可以通過這種系統連接用電設備並接入電池儲能，同時大幅提升效率。舉個例子，目前工業機器人通常使用電阻進行制動——移動機械臂減速時通過電阻消耗能量，效率極低。而有了直流電網，可以改變拓撲結構，去掉電阻，轉而通過發電制動將能量回饋到電網——就像電動汽車一樣，制動時將能量轉化並存入電池。這開闢了大量應用方向，包括直流供電的分布式發電——比如在屋頂或附近安裝太陽能板。這些都在以工業慣有的穩健步伐穩步推進，而AI數據中心的介入正在大力加速這一進程，雙方形成了良好的協同效應。"
新材料與新架構
提升系統電壓而非增大電流，是解決方案的另一個重要組成部分。這有助於在相同面積內實現更高的功率密度，並減少數據移動——數據移動在資源和成本上都是一筆不小的開銷。
半導體、汽車和能源行業正攜手在技術棧的每個層面探索解決方案，以確保在AI浪潮持續推進的過程中，每個Token的成本依然可控。
Imagination Technologies產品管理副總裁Kristof Beets表示："我們收到大量來自密度方面的需求——如何在數據中心和汽車有限的物理空間和功耗預算內榨取更多性能。但更多的需求還是來自效率角度，這在伺服器以外的市場更為突出，伺服器領域目前仍是次要考量。"
然而，隨著功耗需求持續增長，以及AI推理成本在"每瓦智能"方面持續攀升，這一趨勢或許很快將出現逆轉，並需要新型架構和材料來應對。
根據摩根史坦利近期發布的一份能源市場報告，"投資者注意到，電力供應商和電力設備企業有望從數據中心擴張中獲益，尤其是在AI將引發整體經濟生產力浪潮這一預期的推動下。這促使投資者將目光聚焦於離網解決方案需求的增長、消除能源供應鏈瓶頸，以及利用信貸市場為能源系統擴張提供融資。儘管大多數數據中心仍與電網保持連接，但投資者預計將有更多開發商轉向混合或離網模式，以在日益收緊的全球電力市場中確保運營韌性，這也將把更多目光引向電力設備供應商。"
這反過來也對新材料提出了需求。英飛凌科技航空航天與國防業務副總裁兼院士Helmut Puchner表示："我們正在討論數千安培量級的供電總線。這一規模正在急劇擴大。過去的電源是單相的，通過開關電晶體實現。而現在我們談論的是12相或16相。柵極驅動器單路可承載150安培乃至更多。碳化矽（SiC）可覆蓋1000V以上，氮化鎵（GaN）處於中壓範圍，矽則覆蓋從650V到10V的區間。"
SiC和GaN等寬禁帶材料正推動數據中心將直流機架供電架構從48V升級至800V。德州儀器（Texas Instruments）計算電源技術專家Pradeep Shenoy表示："這是一個巨大的跨越。我將其類比為電動汽車市場的發展軌跡。如今一些車輛還在使用12V鉛酸電池，部分車型已升級至48V系統，而當前市場上的電動汽車普遍配備400V或800V電池。我們在這項技術上已深耕多年，因此能夠迅速將為其他市場開發的隔離技術和氮化鎵技術移植到數據中心領域。數據中心領域的架構師和核心決策者表示，他們正在積極借鑑已為電動汽車市場開發成熟的技術。基於800V的電動汽車已在道路上廣泛運行，相關基礎設施可以得到快速復用。"
數據中心與汽車電池管理的異同
負責監管電池儲能系統，以及數據中心、電網與可再生能源之間能量調度的，是一套層級化的AI賦能軟體體系，包括電池管理系統（BMS）、能源管理系統（EMS）和電網交互式UPS系統（GiUPS）。
德州儀器Shenoy表示："數據中心內部有一定程度的能源管理，同時也需要與電網進行協調和通信。宏觀上看，是數據中心與電網之間的互動；在數據中心內部，則有系統負責控制從電網抽取多少電力、向本地電池儲能存入或抽取多少電力。不同層級都有相應的管理機制。"
無論是在汽車還是數據中心應用中，BMS都負責監控熱量輸入、熱點分布、冷卻液狀態、電氣控制以及過充或過放情況。
Synopsys首席工程師Bryan Kelly表示："熱液壓冷卻迴路通常是最具挑戰性的環節。這一機電一體化領域往往超出了許多硬體/軟體電池包設計工程師的實際專長範圍。儘管CFD仿真軟體工具可支持初步的'假設分析'，但最終仍需要一個涵蓋冷卻板、管道、軟管、歧管及相關組件的完整冷卻系統虛擬樣機。"
此類模型可支持跨冷卻液類型或混合比例、不同環境條件及運行場景的驗證，並能將結果與實測數據進行對比校驗。Kelly表示："此外，電池包仿真模型的端到端熱分析還能夠研究極低溫下的加熱需求，評估硬體/軟體控制在寬溫度範圍內的行為，並模擬在大負載電流下冷卻液流量下降等故障工況——這類工況在實物測試台架上往往難以復現甚至根本無法實現。"
替代能源與可再生能源
三部分解決方案的最後一環，涉及多種能源的綜合應用，以確保數據中心擁有持續不間斷的電力供應。
英飛凌Wawer表示："唯一的解決方案是採用合理的混合電源，即太陽能和風能。在較短的時間範圍內，最可能快速投入使用的是燃氣輪機。其他形式，尤其是核電，建設周期實在太長。如果我需要XYZ太瓦時的電量，而你現在才開始建核電站，那什麼時候能建好真是個未知數。這些需求都是近期的，短期內只有可再生能源加儲能的組合才能滿足供應。"
對現有核電站進行重啟改造是更快捷的方案。Keysight Technologies電力電子設計軟體產品經理Steven Lee表示："我住在賓夕法尼亞州，當地正在嘗試重啟三里島核電站，用於為如雨後春筍般湧現的AI數據中心供電。他們將繼續依託電網進行電力分配，但會依靠核電來滿足龐大的能源需求。對於我們普通家庭用戶而言，AI數據中心的直接影響就是電費大幅上漲。"
對於尚無核電的地區，部署太陽能在許可周期、組件供應和安裝方面都更為便捷。Wawer表示："目前每千瓦時成本已降至不足一美分，這一價格本身就應該驅動太陽能裝機成為未來解決方案的重要組成部分，儘快提供更多增量電力。"
從太陽能板到電池，再到數據中心或電網的功率轉換流程，與電網到終端設備的流程恰好相反。Lee解釋道："太陽能電池板通過光伏效應產生直流電，然後需要通過太陽能逆變器將其轉換為交流電——這就是'逆變器'得名的原因，因為太陽能路徑是直流轉交流，而從電力電網到數據中心處理器則是交流轉直流的反向流程。二者原理相關，但方向相反。"
太陽能逆變器可以安裝在電池前端、後端，或兩端均有，具體取決於系統採用交流耦合還是直流耦合方式。Lee解釋稱，電池儲存直流電，逆變器將其轉換為交流電輸入電網，電網的交流電再經過例如兩級800V直流供電架構轉換回直流，最終供數據中心機架內的處理器使用。
電動汽車同樣在利用太陽能，且在向電網反饋多餘電力方面比數據中心更為成熟。舉例而言，家庭屋頂的太陽能板可連接至特斯拉牆式儲能單元。Lee表示："它將太陽能直流電儲入牆式儲能單元的電池，再由逆變器轉為交流電，為汽車或家中其他電器充電。如果電網出現用電缺口，電力也可以反向流入電網，再由電網分配給其他家庭或數據中心。"
無論電力朝哪個方向流動，這條鏈路始終如一。Lee表示："中間有一塊電池，而電力既可以來自電網，也可以反向注入電網。"
其他可能的方向
與現有家庭和電動汽車模型類似，配備現場發電能力的數據中心理論上可以將多餘電力反饋給電網。德州儀器Shenoy表示："這取決於我們討論的時間尺度。數據中心可能出現微秒級的功率尖峰，而電網通常運行在更低頻率和更長時間尺度上。從電網角度而言，另一個關切是：如果數據中心出現波動或干擾，會不會拖垮整個電網？這顯然不是好事，因此有大量工作和工程經驗專注於確保數據中心以對電網友好的方式運行。即便數據中心不向電網反饋電力，只要它作為電網負載表現良好，本身就已經是很大的成就了。"
一個更為簡便的選項是將數據中心產生的多餘熱量回饋給當地公用事業公司，這一做法最近已在斯堪地那維亞地區出現。
英飛凌Puchner表示："數據中心其實就是在將電能轉化為熱能，和任何發電廠或供熱廠一樣。我在奧地利長大，那裡幾代人以來都在用垃圾焚燒配合補充燃料發電供熱——既處置了垃圾，又產生熱能，分配給六到十萬戶家庭。我認為這一模式完全可以複製到數據中心：與其讓數據中心冷卻水把河水溫度升高兩三度，為什麼不把熱量回饋給社區呢？冬天大家都需要熱能。"
為周邊設施供熱在技術上具有一定挑戰性，但並非不可實現，真正的障礙在於成本。
Puchner表示："系統和技術都已存在，但投入對數據中心企業而言可能過高。如果公眾或政府願意為此買單，這是個好主意。這些數據中心全天候運行，產生大量熱能。"
將廢棄資源再利用的創新實踐有望持續增長，無論是利用多餘能源、餘熱，還是回收舊電池和硬體。以下是兩個近期案例：
Waymo將退役電動汽車電池改造為本地重要基礎設施的清潔儲能裝置。
加州大學聖地亞哥分校與谷歌的研究人員從退役智慧型手機中提取主機板，將其集群化後部署為供研究人員和學生使用的通用計算平台數據中心。
結語：為何這一切至關重要
更高效的晶片、網路和變換器架構都是降低AI數據中心能耗的組成部分。另一方面，轉向更清潔的可再生能源同樣不可或缺，以確保AI數據中心的用電不在電力可用性和用電成本上對普通民眾造成負面影響。
電動汽車也承諾將帶來類似的改變，減少對有限石油資源的依賴。然而值得關注的是，電動汽車是否真的比燃油車更清潔，在很大程度上取決於當地電網的發電來源——從核電、水電到煤電，差異懸殊。Keysight的Lee指出："人們往往只關注自己的汽車這一具體環節，卻忽略了上游電力來自何處的問題。"
Q&A
Q1：AI數據中心和普通數據中心在能源需求上有什麼區別？
A：AI數據中心對能源的需求遠高於普通數據中心，主要體現在兩方面：一是AI任務本身極為耗能，所需焦耳數遠超普通任務；二是AI數據中心的能源需求波動約是普通數據中心的10倍，因為AI任務頻繁切換，一項任務剛結束另一項就湧入。這種劇烈波動若管理不當，可能導致整個電網陷入低谷，因此儲能系統對AI數據中心的穩定運營至關重要。
Q2：數據中心怎麼解決電網接入時間太長的問題？
A：AI數據中心接入電網往往需要數年時間，為此企業主要採取兩類應對措施：一是在現場部署燃氣發電機等自備電源；二是探索"表後"能源方案，包括現場自發電（如屋頂太陽能），以及部署液流電池等長時儲能技術，以實現更長時間的獨立運行，在完成電網接入之前維持數據中心正常運轉。
Q3：電動汽車的電池技術怎麼幫助數據中心？
A：電動汽車行業率先開發並驗證了多項關鍵技術，如今正被數據中心直接借鑑。包括：高壓電池組和800V電氣架構（已廣泛應用於電動汽車，現開始向數據中心機架供電遷移）、精密電池管理系統（BMS）、雙向電力電子技術（用於再生制動和車網互動，類似概念已應用於數據中心儲能系統與電網交互），以及基於SiC/GaN寬禁帶材料的高效功率轉換器件。
