AI数据中心与汽车行业在能源管理领域的技术融合
AI
要点摘要：
AI数据中心需要来自多种来源的电力（包括电池），以防范停电、瞬态电压尖峰和电网需求峰值。
与电动汽车的再生制动和双向充电类似，数据中心也可以将电力或热量反馈给电网供公众使用，但当前首要目标是尽量减少对电网的干扰。
负责监管电池和储能系统的是一套多层次软件管理架构，能够监控从电池单体到数据中心与电网交互的全部环节。
AI数据中心与汽车企业正从不同角度汇聚于相同的能源问题，双方互相借鉴技术进步，共同加速解决方案的落地进程。
两个行业有一个共同目标：获取更多能源。对于AI数据中心而言，这源于对算力的无止境需求——更强的算力能在更短时间内输出更精准的结果。对于日益接近"四轮数据中心"的智能汽车而言，则是要搭载更多计算密集型智能系统，并在电动汽车领域提升每次充电后的续航里程。
然而，两者都面临相同的瓶颈：电网容量的增长远跟不上能源需求，而大幅提升效率所需的技术又需要时间来开发。与此同时，双方都在承受不断攀升的公用事业费率所带来的成本上升和政策压力。
解决之道分为三个层面：
扩大电池储能规模，配合双向充电与精密能源管理，确保峰值负载时有足够电力可用；
采用能承受更高电压的新材料与芯片架构，提升计算密度并减少数据移动；
引入更多替代能源，维持电网中性。
双向充电目前已在部分车型中落地应用，并因可低成本存储太阳能和风能发电的多余电量而逐渐普及。早期电池储能电站通常使用被认定为"退役"的车用电池——这些电池因续航容量不足而不再适用于纯电动车，但仍可服务于其他场景。与此同时，由于市场竞争加剧和新型电池化学体系涌现，电池价格持续下降，也推动了新电池销售的增长。
英飞凌绿色工业电源业务部总裁Peter Wawer表示："随着电池成本大幅下降，电池储能系统（BESS）将持续高速增长。据预测，未来数据中心的总耗电量将超越汽车市场。"
由数千块电池组成、并由电池管理系统统一调度的储能系统（ESS），既可在电网中断或出现电压波动时提供备用电力，也可在电网峰值时段充当主要电源。
西门子EDA电池业务全球负责人、高级总监Sinha Puneet表示："AI数据中心与普通数据中心有本质差异。两大核心区别在于：AI数据中心耗能极大，因为AI任务本身就是高能耗作业；此外，AI数据中心的能源需求波动约是普通数据中心的10倍——因为一项AI任务刚结束，另一项又随即涌入。如果管理不当，这种波动可能导致整个电网跌入低谷。这正是储能对AI数据中心运营至关重要的原因，也是市场上对更好储能系统出现如此强烈需求的根本所在。"
为应对这些波动，快速响应的电池储能系统变得至关重要，尤其是当公用电力侧出现任何中断时。Sinha指出："ESS可以提供数小时的电力，但吸收波动并稳定供电极为关键，因为AI数据中心的电力需求量极大。在美国，峰值时段电价非常高，越来越多的企业开始通过ESS来降低运营成本，将峰值用电需求转移至电池储能。当前大多数电池储能系统可提供约一到四小时的运行时间，但也有企业在探索长时储能方案，例如谷歌正在与液流电池公司Form Energy开展的合作。"
液流电池是一种可充电储能系统，将化学能以液态电解质的形式储存于外置罐体中。未来，更长时长的ESS将成为应对另一挑战的关键所在，而这一挑战正是AI数据中心接入电网的困难与漫长周期。
Sinha表示："电网接入是一个极为耗时的过程，据我了解，在许多情况下需要数年时间才能完成接入，这也是为什么众多企业都在讨论部署现场燃气发电机和其他供电方案。在'表后'侧，企业也在探索能否在现场自行发电，并研究采用液流电池等长时储能技术，以实现更长时间的独立运行，而无需等待电网接入。"
管理能源流动，尤其是在混合设备环境下，并非易事。Cadence高级首席产品工程师Hoa Tram提出："如何在电网、储能和高度动态负载之间安全、高效、智能地传输大量能源？电动汽车带来了高压电池组、精密的BMS，以及用于再生制动和车网互动的双向电力电子技术，并遵循严格的功能安全流程——这些理念如今正通过大规模电池储能系统、分层电池管理以及更智能的电网交互，逐步渗透到数据中心领域。"
技术共享
值得注意的是，技术流动并非单向。电动汽车与数据中心领域的工程师们正在积极交流如何优化能源与电池使用，并探索以共生方式将多余电力反馈至电网。
Tram表示："超大规模数据中心在利用遥测、分析和数字孪生来规划和运营复杂基础设施方面处于领先地位，汽车OEM和供应商也在为软件定义汽车、车队级电池分析和功率/热管理采用类似方法。Cadence处于这一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，部分车辆已通过双向能源系统实现多余电力的回馈，包括车辆到电网（V2G）、车辆到家庭（V2H）和车辆到负载（V2L）。
英飞凌销售高级副总裁Negar Soufi Amlashi表示："随着汽车走向电动化和网联化，它们正成为路上移动的能源资产。这些车辆不仅消耗电力，还能产生、储存并向电网反馈电力。这种共生关系至关重要。这是一场由半导体和软件驱动的变革，实现了清洁驱动以及车辆与电网之间的高效互联。节省的每一瓦电能都转化为实际价值。"
参与其中的器件包括基于硅、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指出："这实现了极为高效的功率转换，有助于降低损耗，使效率成为新的核心价值。"
AI驱动的能源管理使车辆成为电网不可或缺的组成部分，能够实时优化电力。Amlashi表示："通过优化能源使用，可以延长电池续航时间，进而扩大电动汽车的行驶里程。此外，我们还能实现车辆与电网的高效集成，例如通过高效的双向充电实现这一目标。"
基于此，许多人开始思考：数据中心能否通过电池储能系统、现场备用电源或微型直流电网实现类似的优化？
英飞凌Wawer表示："直流电网已经从工业侧悄然渗透。相当多的企业正在为其工业制造厂区部署直流电网，逻辑十分简单：可以通过这种系统连接用电设备并接入电池储能，同时大幅提升效率。举个例子，目前工业机器人通常使用电阻进行制动——移动机械臂减速时通过电阻消耗能量，效率极低。而有了直流电网，可以改变拓扑结构，去掉电阻，转而通过发电制动将能量回馈到电网——就像电动汽车一样，制动时将能量转化并存入电池。这开辟了大量应用方向，包括直流供电的分布式发电——比如在屋顶或附近安装太阳能板。这些都在以工业惯有的稳健步伐稳步推进，而AI数据中心的介入正在大力加速这一进程，双方形成了良好的协同效应。"
新材料与新架构
提升系统电压而非增大电流，是解决方案的另一个重要组成部分。这有助于在相同面积内实现更高的功率密度，并减少数据移动——数据移动在资源和成本上都是一笔不小的开销。
半导体、汽车和能源行业正携手在技术栈的每个层面探索解决方案，以确保在AI浪潮持续推进的过程中，每个Token的成本依然可控。
Imagination Technologies产品管理副总裁Kristof Beets表示："我们收到大量来自密度方面的需求——如何在数据中心和汽车有限的物理空间和功耗预算内榨取更多性能。但更多的需求还是来自效率角度，这在服务器以外的市场更为突出，服务器领域目前仍是次要考量。"
然而，随着功耗需求持续增长，以及AI推理成本在"每瓦智能"方面持续攀升，这一趋势或许很快将出现逆转，并需要新型架构和材料来应对。
根据摩根士丹利近期发布的一份能源市场报告，"投资者注意到，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这一预期的推动下。这促使投资者将目光聚焦于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。尽管大多数数据中心仍与电网保持连接，但投资者预计将有更多开发商转向混合或离网模式，以在日益收紧的全球电力市场中确保运营韧性，这也将把更多目光引向电力设备供应商。"
这反过来也对新材料提出了需求。英飞凌科技航空航天与国防业务副总裁兼院士Helmut Puchner表示："我们正在讨论数千安培量级的供电总线。这一规模正在急剧扩大。过去的电源是单相的，通过开关晶体管实现。而现在我们谈论的是12相或16相。栅极驱动器单路可承载150安培乃至更多。碳化硅（SiC）可覆盖1000V以上，氮化镓（GaN）处于中压范围，硅则覆盖从650V到10V的区间。"
SiC和GaN等宽禁带材料正推动数据中心将直流机架供电架构从48V升级至800V。德州仪器（Texas Instruments）计算电源技术专家Pradeep Shenoy表示："这是一个巨大的跨越。我将其类比为电动汽车市场的发展轨迹。如今一些车辆还在使用12V铅酸电池，部分车型已升级至48V系统，而当前市场上的电动汽车普遍配备400V或800V电池。我们在这项技术上已深耕多年，因此能够迅速将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。数据中心领域的架构师和核心决策者表示，他们正在积极借鉴已为电动汽车市场开发成熟的技术。基于800V的电动汽车已在道路上广泛运行，相关基础设施可以得到快速复用。"
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、电网与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表示："数据中心内部有一定程度的能源管理，同时也需要与电网进行协调和通信。宏观上看，是数据中心与电网之间的互动；在数据中心内部，则有系统负责控制从电网抽取多少电力、向本地电池储能存入或抽取多少电力。不同层级都有相应的管理机制。"
无论是在汽车还是数据中心应用中，BMS都负责监控热量输入、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表示："热液压冷却回路通常是最具挑战性的环节。这一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。尽管CFD仿真软件工具可支持初步的'假设分析'，但最终仍需要一个涵盖冷却板、管道、软管、歧管及相关组件的完整冷却系统虚拟样机。"
此类模型可支持跨冷却液类型或混合比例、不同环境条件及运行场景的验证，并能将结果与实测数据进行对比校验。Kelly表示："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/软件控制在宽温度范围内的行为，并模拟在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难以复现甚至根本无法实现。"
替代能源与可再生能源
三部分解决方案的最后一环，涉及多种能源的综合应用，以确保数据中心拥有持续不间断的电力供应。
英飞凌Wawer表示："唯一的解决方案是采用合理的混合电源，即太阳能和风能。在较短的时间范围内，最可能快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。如果我需要XYZ太瓦时的电量，而你现在才开始建核电站，那什么时候能建好真是个未知数。这些需求都是近期的，短期内只有可再生能源加储能的组合才能满足供应。"
对现有核电站进行重启改造是更快捷的方案。Keysight Technologies电力电子设计软件产品经理Steven Lee表示："我住在宾夕法尼亚州，当地正在尝试重启三里岛核电站，用于为如雨后春笋般涌现的AI数据中心供电。他们将继续依托电网进行电力分配，但会依靠核电来满足庞大的能源需求。对于我们普通家庭用户而言，AI数据中心的直接影响就是电费大幅上涨。"
对于尚无核电的地区，部署太阳能在许可周期、组件供应和安装方面都更为便捷。Wawer表示："目前每千瓦时成本已降至不足一美分，这一价格本身就应该驱动太阳能装机成为未来解决方案的重要组成部分，尽快提供更多增量电力。"
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解释道："太阳能电池板通过光伏效应产生直流电，然后需要通过太阳能逆变器将其转换为交流电——这就是'逆变器'得名的原因，因为太阳能路径是直流转交流，而从电力电网到数据中心处理器则是交流转直流的反向流程。二者原理相关，但方向相反。"
太阳能逆变器可以安装在电池前端、后端，或两端均有，具体取决于系统采用交流耦合还是直流耦合方式。Lee解释称，电池储存直流电，逆变器将其转换为交流电输入电网，电网的交流电再经过例如两级800V直流供电架构转换回直流，最终供数据中心机架内的处理器使用。
电动汽车同样在利用太阳能，且在向电网反馈多余电力方面比数据中心更为成熟。举例而言，家庭屋顶的太阳能板可连接至特斯拉墙式储能单元。Lee表示："它将太阳能直流电储入墙式储能单元的电池，再由逆变器转为交流电，为汽车或家中其他电器充电。如果电网出现用电缺口，电力也可以反向流入电网，再由电网分配给其他家庭或数据中心。"
无论电力朝哪个方向流动，这条链路始终如一。Lee表示："中间有一块电池，而电力既可以来自电网，也可以反向注入电网。"
其他可能的方向
与现有家庭和电动汽车模型类似，配备现场发电能力的数据中心理论上可以将多余电力反馈给电网。德州仪器Shenoy表示："这取决于我们讨论的时间尺度。数据中心可能出现微秒级的功率尖峰，而电网通常运行在更低频率和更长时间尺度上。从电网角度而言，另一个关切是：如果数据中心出现波动或干扰，会不会拖垮整个电网？这显然不是好事，因此有大量工作和工程经验专注于确保数据中心以对电网友好的方式运行。即便数据中心不向电网反馈电力，只要它作为电网负载表现良好，本身就已经是很大的成就了。"
一个更为简便的选项是将数据中心产生的多余热量回馈给当地公用事业公司，这一做法最近已在斯堪的纳维亚地区出现。
英飞凌Puchner表示："数据中心其实就是在将电能转化为热能，和任何发电厂或供热厂一样。我在奥地利长大，那里几代人以来都在用垃圾焚烧配合补充燃料发电供热——既处置了垃圾，又产生热能，分配给六到十万户家庭。我认为这一模式完全可以复制到数据中心：与其让数据中心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。"
为周边设施供热在技术上具有一定挑战性，但并非不可实现，真正的障碍在于成本。
Puchner表示："系统和技术都已存在，但投入对数据中心企业而言可能过高。如果公众或政府愿意为此买单，这是个好主意。这些数据中心全天候运行，产生大量热能。"
将废弃资源再利用的创新实践有望持续增长，无论是利用多余能源、余热，还是回收旧电池和硬件。以下是两个近期案例：
Waymo将退役电动汽车电池改造为本地重要基础设施的清洁储能装置。
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提取主板，将其集群化后部署为供研究人员和学生使用的通用计算平台数据中心。
结语：为何这一切至关重要
更高效的芯片、网络和变换器架构都是降低AI数据中心能耗的组成部分。另一方面，转向更清洁的可再生能源同样不可或缺，以确保AI数据中心的用电不在电力可用性和用电成本上对普通民众造成负面影响。
电动汽车也承诺将带来类似的改变，减少对有限石油资源的依赖。然而值得关注的是，电动汽车是否真的比燃油车更清洁，在很大程度上取决于当地电网的发电来源——从核电、水电到煤电，差异悬殊。Keysight的Lee指出："人们往往只关注自己的汽车这一具体环节，却忽略了上游电力来自何处的问题。"
Q&A
Q1：AI数据中心和普通数据中心在能源需求上有什么区别？
A：AI数据中心对能源的需求远高于普通数据中心，主要体现在两方面：一是AI任务本身极为耗能，所需焦耳数远超普通任务；二是AI数据中心的能源需求波动约是普通数据中心的10倍，因为AI任务频繁切换，一项任务刚结束另一项就涌入。这种剧烈波动若管理不当，可能导致整个电网陷入低谷，因此储能系统对AI数据中心的稳定运营至关重要。
Q2：数据中心怎么解决电网接入时间太长的问题？
A：AI数据中心接入电网往往需要数年时间，为此企业主要采取两类应对措施：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，包括现场自发电（如屋顶太阳能），以及部署液流电池等长时储能技术，以实现更长时间的独立运行，在完成电网接入之前维持数据中心正常运转。
Q3：电动汽车的电池技术怎么帮助数据中心？
A：电动汽车行业率先开发并验证了多项关键技术，如今正被数据中心直接借鉴。包括：高压电池组和800V电气架构（已广泛应用于电动汽车，现开始向数据中心机架供电迁移）、精密电池管理系统（BMS）、双向电力电子技术（用于再生制动和车网互动，类似概念已应用于数据中心储能系统与电网交互），以及基于SiC/GaN宽禁带材料的高效功率转换器件。