中国储能网讯：人工智能产业快速扩张，带动数据中心用电需求持续攀升，电力消耗呈现爆发式增长。与此同时，AI训练与推理任务的高速运行，也让数据中心负荷波动明显加剧。相比传统工业负荷，AI算力集群对供电稳定性、连续性和响应速度要求更高，这些都在倒逼电力基础设施加速迭代升级。
美国得克萨斯州（以下简称“得州”）是这一轮行业蜕变的典型样本。当地新能源渗透率位居全美前列，同时聚集了大量新建AI数据中心。波动性较强的新能源出力叠加波动剧烈的AI用电负荷，得州电网不再是单纯的输电通道，而是逐渐成为电力稳定性适配高算力负荷的实战试验场。
近两年，得州掀起了一股表后电源（BTM）建设热潮。研究机构Cleanview的统计数据显示，2024—2025年，美国官宣的表后电源数据中心项目规模约56吉瓦，其中超20吉瓦落地在得州；仅2026年前四个月，得州又新增了10吉瓦的相关项目。
目前，AI数据中心的建设节奏，已经明显快于传统电网扩容速度。
尽管得州电网运营商ERCOT在加快大型用电负荷并网审批，但全新输电线路最快也要到2030年初才能陆续投运。这意味着，单纯依靠公共电网并网的项目，工期将被迫延后数年。
供需错配之下，一套全新的供电模式逐步成型。数据中心园区自建天然气电站并配套储能设备，实现局部半离网运行，后续再接入公共主电网。业内将这种方式称作“桥接供电”（bridge-to-grid）。在这场行业变化中，储能的行业定位也发生了本质转变。
过去，储能常作为新能源发电的配套设施，主要承担调频、削峰填谷等辅助工作；如今，储能逐步成为AI电力体系中不可或缺的基础配置。无论是天然气发电搭配储能、风光电站配套长时储能，还是并网数据中心加装电池系统，储能都从可选配套转变为保障算力平稳运行的核心设备。
高密度算力，倒逼电网提高准入门槛
AI设备对供电稳定性要求严苛，是储能成为当地数据中心标配的核心原因。AI大模型单次训练周期可达数周甚至数月，即便是毫秒级的电压、频率波动，也可能导致训练中断、服务器跳闸，前期训练数据可能全部失效，需要重新迭代训练。普通工商业设施可承受的电网波动，放到算力中心就属于重大运行事故。
基于算力负荷的特殊属性，ERCOT针对大功率用电负荷出台了更为严格的并网规则。2025年，得州围绕大型新增负荷管控推进SB6法案，授权ERCOT强化对大型新增负荷的并网管理，并要求75兆瓦以上用电设施具备更强的电网扰动耐受能力。不满足要求的设施，在电网紧急状态下可能被优先执行负荷切除。
政策落地后，AI数据中心不仅并网成本有所增加，还必须加装稳压、稳频的电力支撑设备。对于负荷波动剧烈、规模达数百兆瓦的GPU集群而言，仅依赖公共电网已无法满足供电要求。叠加并网排队周期拉长、电网扩建滞后等现实问题，越来越多数据中心开发商选择自建电源，采用离网或半离网供电方案。
而AI数据中心本身属于典型的不稳定用电负荷，GPU集群高强度工作时，用电波动速度远高于传统工业设备，百兆瓦级数据中心可在短时间内出现显著功率波动。解决这一问题最直接的办法就是配置储能，通过毫秒级响应平抑功率变化、稳定电压频率，极端工况下还可短时兜底供电。其中，构网型储能的技术特性，高度契合AI行业的供电需求。
传统跟网型储能需要依托现有电网运行，而构网型储能可在弱电网甚至局部离网状态下自主建立电压和频率参考，具备更强的系统支撑能力。业内普遍认为，负荷波动显著的AI数据中心，将成为构网型储能最主要的落地场景。
三种主流供电模式：储能深度融入算力体系
现阶段，得州AI数据中心主要形成三类供电方案。虽然建设路径并不相同，但共同趋势已经十分明显。储能不再只是新能源系统中的辅助设备，而正在成为算力基础设施的核心组成部分。
其中，天然气+储能的“桥接供电”模式，是当前得州落地最快、普及率最高的一条路线。这一模式之所以率先在得州落地，一个关键原因在于，得州具备美国其他主要数据中心聚集区域并不具备的能源条件。
与PJM所辖的弗吉尼亚、宾夕法尼亚等传统数据中心聚集区相比，得州拥有更丰富且更低成本的天然气资源。尤其是西得州毗邻全美最大的页岩油气产区Permian Basin，大量伴生气长期供应充裕，气价显著低于美国东北部。同时，得州天然气发电审批相对宽松，土地价格低、工业用地获取容易，能够快速部署大规模燃气机组。而PJM地区虽然电网容量相对更充裕，但受环保审批、跨州管道限制等因素影响，新增大型气电项目周期更长、成本更高。
相比之下，加州虽然拥有全球最大的科技产业集群，但长期面临天然气电站退役、环保政策趋严以及电力市场容量紧张等问题，AI数据中心很难大规模新建燃气配套电源。当地更多依赖高价电网电力与长期购电协议（PPA），缺乏得州这种“先建电源、后等接网”的现实条件。
这使得州成为全美少数能够同时满足低气价、高灵活性、快速部署三项条件的地区。对于AI数据中心而言，这一点尤为关键。因为AI负荷看重的并不是绝对低电价，而是稳定、连续、可控的供电能力。
天然气机组恰好具备这种特性。相比风电、光伏，其调度灵活、稳定性强，占地面积也更小，更适合高密度AI数据中心持续运行。而储能系统则承担了另一关键功能。在天然气发电机组与AI负荷之间形成缓冲，用于平衡负荷波动、稳定电压和频率，并承担黑启动、瞬时备用、电源切换等任务。随着GPU集群规模不断扩大，储能事实上已经开始承担部分传统UPS（不间断电源）系统与备用电源的功能。
美国私营能源开发商Fermi America旗下正在建设中的Matador项目就是典型案例。该能源园区总规划规模达到17吉瓦，其中11吉瓦为天然气发电装机，同时配套4.4吉瓦核电、光伏及储能设备，本质上已接近一座大型自备电厂。该项目已获得首批约6吉瓦天然气发电大气排放许可证，并启动燃气轮机采购及核电前期设计，但整体仍处于前期开发和融资阶段，尚未正式投运。
另一代表性案例，则是人工智能数据中心开发商Prometheus Hyperscale、得州独立发电商Conduit Power与法国公用事业公司ENGIE合作推进的AI数据中心项目。该项目采用“天然气+储能”的桥接供电模式，前期由自建电源为数据中心直接供电，待ERCOT输电设施完善后，再接入公共电网。并网后，这套系统并不会退出，而会继续作为备用电源和灵活性资源存在，甚至能够反向向ERCOT售电。单个园区可提供约300兆瓦的过渡供电能力。
这种模式的核心并不只是自建电源，而是将传统的等待电网接入转为先落地算力再等待电网。当数据中心建设周期快于输电系统扩建速度，得州凭借其低成本天然气、成熟油气基础设施以及相对宽松的能源监管体系，正在成为这一新型供电模式最早的大规模实验场。
第二种主流方案为“电网并网+储能”。数据中心保留公共电网接入方式，同时配套大规模储能设备，其核心思路不是避开公共电网，而是通过储能优化用电特性，让高波动的AI负荷适配电网运行节奏。
这一模式在得州迅速兴起，与ERCOT市场本身的运行特征密切相关。过去十年，得州风电和光伏装机快速增长，可再生能源占比持续提升，使ERCOT逐渐形成典型的高波动电力市场。
然而，ERCOT并不像PJM那样拥有成熟的容量市场，仍属于纯电量市场（energy-only market），储能项目的盈利高度依赖实时电价波动与辅助服务市场价格变化。AI数据中心的大规模接入，又进一步放大了这种波动性。
在这种情况下，储能开始在技术与金融两个层面同时演变。在技术层面，它快速响应负荷变化，参与调频、削峰填谷、电压支撑和备用容量调节，缓冲AI负荷对电网的冲击；而在金融层面，储能则逐渐演变为一种电价风险管理工具，帮助数据中心锁定用电成本，对冲ERCOT市场剧烈的实时电价波动。
美国储能开发商GridStor与欧洲能源交易商Axpo合作开发的Hidden Lakes储能项目，就是这一模式中极具代表性的案例。该项目位于得州，规划规模为220兆瓦/440兆瓦时，于2025年达成长期收益互换（revenue swap）协议，计划于2026年投运。项目由GridStor负责储能资产建设和持有，而Axpo则负责项目后续的市场交易、收益管理与风险对冲。相比传统长期购电协议，这种收益互换模式更接近一种金融化储能结构。
由于ERCOT市场中的储能收益完全暴露在市场波动之下，项目盈利通常依赖低价充电、高价放电的套利逻辑，以及参与辅助服务市场获取额外收益，因此现金流存在较强不确定性。收益互换机制本质上是对这一风险进行重新拆分。GridStor希望获得长期、稳定、可预测的基础设施收益，而Axpo则愿意承担ERCOT市场中的价格波动风险。具体而言，Axpo会通过金融合约向GridStor提供预先约定的稳定收益，而储能项目未来在ERCOT市场中的实际交易收益，则由Axpo获取并负责管理。如果市场波动足够剧烈，Axpo能够获得超额利润；反之，则需要自行承担市场风险。
这也使Axpo在整个项目中的角色超越了传统意义上的电力交易商，更接近于储能项目的做市商和风险承销商。一方面，它利用自身在欧洲和北美长期积累的电力、大宗商品和天然气交易能力，对ERCOT市场进行实时套利和风险管理；另一方面，它实际上也在为储能项目提供一种类似“收益保险”的功能，帮助基础设施投资方降低未来现金流的不确定性。
对AI数据中心而言，这种模式的意义正在迅速上升。因为算力园区真正难以承受的往往不是平均电价偏高，而是电价剧烈波动与供电不确定性。因此，储能不再只是简单的硬件设备，而开始转变为一种稳定性服务。GridStor也明确表示，Hidden Lakes项目未来的服务对象不仅包括公用事业客户，还覆盖大型数据中心负荷。这意味着，储能金融化正在开始与AI用电需求深度结合，数据中心购买的也不再只是电池本身，而是一整套围绕稳定供电、实时调节与价格风险管理构建的新型能源服务体系。
第三种模式为新能源+长时储能的绿电算力方案。依托得州低成本的新能源资源，搭配跨日级长时储能，搭建相对独立、运行稳定的新能源供电体系，为数据中心提供清洁电力。
在这一模式中，风电与光伏承担基础发电角色，但由于其天然波动性较强，必须依靠超长时储能系统进行能量跨周期平滑，使供电从小时级平衡延伸至日级甚至多日级平衡。目前，该模式仍处于早期发展阶段，但已经出现了具有代表性的项目。
2024年，美国长时储能企业Form Energy与AI基础设施公司Crusoe达成合作，计划为后者的数据中心项目配套高达12吉瓦时的铁空气电池储能系统。这一合作被视为长时储能首次以数据中心专属能源系统形式进入商业化落地阶段。
该项目与传统储能项目的最大区别在于，它并不是为电网提供辅助服务，而是直接服务于单一算力负荷。Crusoe通过提前锁定储能容量，将其作为自身数据中心能源系统的一部分，从而在物理层面锁定未来长期供电能力，使储能从电力市场资产转变为算力基础设施的一部分。
在技术路径上，这一模式的关键在于铁空气电池等长时储能技术的引入。目前主流锂电池储能通常只能提供2至4小时的放电能力，主要用于调频和短时削峰，与之相比，铁空气电池则可以实现最长约100小时的连续放电能力，具备跨日级的能量调度能力。这一能力使其能够在风光出力不足或极端天气情况下，持续为数据中心提供稳定电力，从而在物理层面打破新能源发电的间歇性约束。这种能源—储能—算力的供电体系，也为未来完全绿电驱动的算力基础设施提供了可行路径。
储能角色迭代：从套利工具转向供电保障核心
在传统电力体系中，储能主要服务电网短期平衡，盈利依赖市场交易套利。但在AI高负荷用电时代下，储能核心功能发生转变，逐步转变为为高波动算力负荷提供稳定、可预判的电力。
一方面，储能通过收益互换、长期购电合约等金融手段，固化为现金流稳定的基础设施资产，摆脱对电价波动的依赖，成为可融资、可估值的长期资产；另一方面，储能深度融入数据中心能源架构，与燃气机组、新能源电站共同组成园区级供电系统，成为算力连续运行的关键保障。
得州集中落地了多种供电创新模式，是多重客观条件叠加的结果。当地新能源装机走高，电网天然波动性显著；ERCOT采用纯电量市场机制，无容量补偿，市场主体直接暴露在电价与供需波动中。AI数据中心集中落地后，原有电力波动进一步放大，稳定供电成为行业稀缺资源。
在这一背景下，发电、储能、电网与算力中心之间原本清晰的产业边界被打破。数据中心不再只是单纯的电力消费者，而是主动介入电源配置、储能建设与电价风险管理；储能也不再只是依附于新能源的辅助设备，而是逐渐演变为兼具供电保障、负荷调节与金融属性的新型基础设施。过去由公共电网统一承担的稳定供电责任，正越来越多向园区级、项目级能源系统下沉。
AI负荷的大规模出现，本质上正在改变现代电力系统的运行逻辑。过去，电力系统的核心任务是满足全社会不断增长的用电需求，并维持供需实时平衡；而在算力时代，电力开始围绕稳定性、连续性和可控性重新组织。无论是天然气+储能的桥接供电，还是储能金融化、长时储能与绿电耦合，这些变化都说明，未来数据中心竞争的核心，已经不只是芯片与算法，更包括背后的能源组织能力。
得州只是这一轮变化最早集中显现的地区之一，AI对电力体系的重塑，才刚刚开始。
