马斯克在博世互联世界2024大会表示“美国当时芯片短缺，2024年后会出现变压器短缺，大约两年内就会出现电力短缺”。OpenAI CEO萨姆·奥特曼也曾多次公开表示“人工智能行业正在走向能源危机”。阿里云创始人王坚在中国云栖大会上表示“AI大模型的能耗正在以指数级速度增长，而数据中心的用电量更是无法忽视的部分”。

据相关机构提供的数据显示，ChatGPT每天需要响应大约2亿个请求，其背后的大语言模型（LLM）在训练和运行过程中每天耗电超过50万千瓦时，相当于1.7万多个美国家庭的每天用电量。2022年中国数据中心的耗电量占全社会用电量的3%，到2035年至2040年间，中国用于智算中心的电力将远超全社会用电量的10%，实际耗电量将超过16000亿千瓦时，这相当于20年来三峡电站的累计发电量。到2025年，AI在全球数据中心用电量中的占比，将从2%猛增到10%。

不仅如此，新能源电车、芯片代工厂、5G基站、智能家居等新兴产业的发展，同样带来了能源需求的持续增长。

通过上述数据不可否认的是，AI迅猛发展确实带来了能源的高损耗。目前，电力生产主要还是来源于不可再生资源的煤炭、石油、天然气，如果按照标准煤炭一吨发电3333千瓦时计算，那AI发展消耗的电力换算成煤炭需求量，这将是一个令人咂舌的天文数字。这是能源发展中的“危”。

因此，要应对AI算力风暴引发电力风暴的困局，推动可再生能源的应用，减少对传统高碳能源的依赖，这将成为能源领域各企业的“机”。风能和太阳能光伏是最主要的可再生能源形式，随着可变可再生能源在发电总量中所占比例的增加，将其成功纳入电力系统将变得越来越具有挑战性。在这一进程中，储能领域相关企事业单位、科研机构，可以从以下几点着手。

一是，研发先进的储能技术，探索多类型储能融合

开发更高能量密度、更长寿命、更快充放电速度的电池技术，以更好地适应可再生能源的波动和 AI 系统的需求。结合电池储能、超级电容储能、飞轮储能等不同类型的储能方式，发挥各自优势，提升整体性能。

二是，优化储能系统的管理和控制，提升储能设备的可靠性和安全性

通过智能算法和监控系统，精准调配储能设备的充放电过程，确保能源的高效利用和稳定输出。加强质量管控和安全防护措施，保障在各种环境下稳定运行。建立分布式储能网络，灵活调配和共享储能资源，提高能源利用效率。

三是，开展大规模储能系统的应用研究，加强与可再生能源和 AI 系统的协同设计

针对 AI 系统的大规模应用场景，研究适宜的储能系统布局和容量配置。使储能系统与太阳能、风能发电设施以及 AI 系统紧密配合，实现最佳运行效果。

四是，开展储能系统的回收和再利用研究，减少资源浪费，促进可持续发展。