储能重塑AI时代绿色算力未来？从DeepSeek到算电协同

主要观点总结

本文探讨了人工智能的爆发式增长对全球电力需求的影响，以及储能技术在其中的关键作用。文章介绍了低能耗模型对电力需求的减负作用，虚拟储能和液冷技术的创新应用，以及算电协同的新模式对资源分配的影响。同时，政策支持和储能技术的突破将进一步推动储能成为未来能源领域的核心变量。

关键观点总结

关键观点1: 人工智能的爆发式增长推动全球电力需求进入新阶段。

以DeepSeek为代表的低能耗模型虽降低了单位算力能耗，但整体电力需求仍呈指数级增长。

关键观点2: OpenAI创始人山姆·奥特曼指出，AI的未来取决于能源技术突破，核聚变、太阳能及储能是关键方向。

AI驱动的数据中心电力需求预测占全球总需求的7%-9.1%，对全球电力消耗产生重大影响。

关键观点3: 储能技术在算电协同中扮演核心角色。

储能与算力中心的深度协同面临多重制约，如容量与成本矛盾、空间与性能限制以及安全与可靠性挑战。但低能耗模型和创新技术为这些问题提供了解决方案。

关键观点4: 新型储能技术的创新应用为电力资源的动态平衡提供了新的途径。

例如虚拟储能、液冷技术的普及以及算电协同的新模式等，这些技术的发展将有助于实现电力资源的有效利用和动态平衡。

关键观点5: 政策支持和储能技术的突破将进一步推动储能技术的发展和应用。

中国《算力基础设施高质量发展行动计划》明确支持储能技术应用，预计储能技术将迎来更大的发展空间。

免责声明