电子行业深度报告：AI用电的“困”与“破”

摘要•随着近些年AI模型竞赛日益激烈，训练最先进人工智能模型所需的数据量和计算量呈指数级增长。训练是一个耗时且耗能的过程，计算在GPU/ASIC等专用芯片上进行。当前，单个GPU的最大额定功耗可达1000瓦。GPT-4训练时间约95天（2280小时），采用84%的负载因子计算，其训练能耗需求约为38.2GWh，折合训练期间内日均能耗约0.40吉瓦时（40万度电），如果以一个家庭单日电力消耗约为10度，GPT-4日均能耗约等于4万个家庭单日用电量。•不同于训练，推理任务的能耗需要考虑因素较多。比如，输入Token量及输出Token量、硬件配置以及批处理规模、键值缓存管理、注意力机制等操作优化策略的多重影响。此外，由于面向用户的商业AI模型在规模与实施细节方面缺乏透明度，难以精确测算其算力需求及后续能耗。不过随着长上下文任务及多模态模型的加速渗透，即使通过MoE或其他算法提升效率，但是总耗能或仍然持续提升•2024年全球数据中心用电量达415TWh，约占全球总用电量的1.5%，但耗电量较为集中。美国、欧洲及中国的数据中心用电量合计约占全球总量的85%。其中，美国自2015-2024年期间，数据中心电力消耗以每年约12%的速度增长，增量约250TWh。2024年美国数据中心的用电量约为180TWh，占全球数据中心总用电量近45%，并且占据美国全口径总用电量的4%。根据IEA预测，基准情况下2030年数据中心电力消耗将增长至约945TWh，比2024年翻倍以上，年均增长率约15%，占2030年全球电力消耗的近3%。其中，美国是最大市场，在基准情况中，2030年消耗将增至约420TWh（比2024年增长130%），占全球增长的40%。•用电方面，真正的挑战在于电力基础设施制造周期与AI需求周期错配。为满足数据中心电力需求可来源于多种途径，每种技术性能、成本、排放、开发流程和建设周期方面都具有独特特性。随着数据中心预计在未来数年快速增长，构建并确保稳定高效电力来源的战略变得尤为关键。目前，美国唯一能在较短时间开发完成的可靠电力来源是太阳能光伏和燃气轮机，与数据中心的典型建设时间线相吻合。但即使在这些情况下，供应链延迟或供应紧张也可能进一步延长开发时间。但是，光伏输出受到太阳辐射的自然周期影响，发电功率在白天高、夜间为零，且实时随天气变化。对于7×24小时持续运行的AI算力中心来说，太阳能本身并不是稳定的电源。通常数据中心的负荷昼夜相差不大（甚至夜间仍维持高负荷以连续运行训练任务），而光伏在日落后完全停发电，白天的峰值出力也不一定刚好匹配数据中心负荷曲线。如果没有储能或其他调节手段，光伏对削减数据中心用电高峰的作用将十分有限。•完整的电化学储能系统主要由：电池组、电池管理系统(BMS)、能量管理系统(EMS)、储能变流器(PCS)，统称为“3S”以及其他电气设备构成。大型储能PCS多采用硅基IGBT（绝缘栅双极型晶体管）作为主功率开关器件。IGBT在PCS中的作用包括电压变换、DC/AC逆变以及功率控制等，直接决定了储能逆变器的性能指标。变流器市场，2024年全球变流器市场规模约1292亿美元。当前主流应用在工业电机、光伏及xEV，BESS市场规模约84亿美元。根据YOLE预测，BESS（电池储能系统）应用端增速最高，预计2024-2030年前期年复合增速18.5%，BESS应用市场预计至2030年达到233亿美元，或将成为变流器应用新增量。•功率市场方面，IGBT、硅基MOSFET占比份额较大。2024年，IGBT分立+模块市场规模约88.87亿美元，预计至2030年将达到161.51亿美元，年复合增长率10.47%。面对国内储能、光伏、新能源车推动下，国内厂商快速渗透，有望在市场规模增长+国产替代推动下加速增长。其次，随着储能及AI数据中心模块化和高压需求，碳化硅MOS模块、碳化硅分立器件、碳化硅整流器件也有望维持高增长，2024年三者合计市场规模29.67亿美元，预计至2030年市场规模增长至95.20亿美元，年复合增长率达21.45%。•相关公司：斯达半导（603290.SH)、扬杰科技（300373.SZ）、芯联集成-U（688469.SH）、士兰微（600460.SH）、东微半导（688261.SH）等•风险提示：1、国内厂商渗透率不及预期：当前功率器件市场仍以海外厂商为主，国内厂商渗透进展存在不确定性，或导致业绩波动或不及预期；2、产能扩张导致的价格风险：国内厂商在功率器件市场布局较多，竞争剧烈或导致价格压力；3、技术风险：当前功率器件技术路线较多，如平面及沟槽型MosFET，新技术的应用或导致其他产品销量不及预期。一、AI推升电力消耗二、解决方案一：燃气轮机三、解决方案二：光伏+储能四、储能+光伏或带动功率器件需求五、相关公司国内厂商渗透率不及预期：当前功率器件市场仍以海外厂商为主，国内厂商渗透进展存在不确定性，或导致业产能扩张导致的价格风险：国内厂商在功率器件市场布局较多，竞争剧烈或导致价技术风险：当前功率器件技术路线较多，如平面及沟槽型MosFET，新技术的应用或导致其他产品销量不及预期。AI推升电力消耗随着近些年AI模型竞赛日益激烈，训练最先进人工智能模型所需的数据量和计算量呈训练是一个耗时且耗能的过程，计算在GPU/ASIC等专用芯片上进行。当前，单个GPU的最大额定功耗可达1000瓦，这与一台烤面包机的功耗相当。超大型的模型是在由多个GPU组成的集群上进行训练的。例如，GPT-4是在25,000个GPU上经过多日训练而成，算力芯片合计额定功率近10MW。除此之外，加上用于模型训练的其他服务器部件包括并且，GPT-4训练时间约95天（2280小时采用84%的负载因子计算，其训练能耗需求约为38.图表：典型模型IT设备额定功率（MW）(MW)(MW)（GWh)（GWh)(GWh/day)），AI推升电力消耗机制等操作优化策略的多重影响。此外，由于面向用户的商业AI模型在规模与实施细节方面缺乏透明度，难以精确测算其算力需求及后续OpenAI的o1模型与DeepSeek的R推理任务用电量推理任务用电量AI推升电力消耗基于不同的生成任务，能耗差异较大。使用小型语言模型进行文本生成约消耗0.3瓦时，中型语言模采用混合专家模型能耗改善明显，而推理模型则产生较大能耗。混合程等复杂问题时需要进行更深入的"思考"。但将推理模型用于简单文本（Wh）6（Wh）5432100（Wh（Wh)视频生成（5b）手机充电笔记本充电9876543210微型语言模型(1.7B)大型推理模型(DeepSeek-AI推升电力消耗数据中心是一种集中式设施，主要用于容纳大量计算机服务器、网络设备、存储系统及IT组件。所有上述设备均需配备专用电源单元，以确保为每台设备提供适配的输入电压。当前数据中心中，服务器平均约占60%的用电需求，但比例因数据中心类型存在显著差异。存储系统是用于集中化数据存储与备份的设备，约占总耗电量的5%。网络设备包括连接数据中心的交换机、引导流量的路由器以及优化性能的负载均衡器，其电力消耗最高可达总需求的5%。冷却与环境控制系统通过调节温湿度确保IT设备处于最30%。不间断电源电池与备用发电机可在断电时维持数电力管理：电力管理：备用发电机组热管理：冷凝器电力管理：不间断电源系统（UPS）热管理：精密空调/空气处理机（风冷）电力管理：配电系统（PDU、PSU）IT&边缘基础设施：机架&门禁控制硬件项目服务服务：监控与管理机组&冷水机组机柜级系统解决方案AI推升电力消耗共同决定，并受其内部CPU、GPU等计算架构的直接影响。提高IT总安装容量包括IT容量和辅助设备的电力容量。一般情况下，数据中心并未完全装满服务器。最大设计容量指的是数据中心若装满服务器所能达到的最大功率容量；通常，该值小于总安装容量。电能使用效率电能使用效率服务器空闲率注意：很多数据中心并未装满服务器（容量冗余）AI推升电力消耗功率与能耗之比是多少？数据中心并非全天24小时、全年8760小时都消耗满负荷功率，因为其计算负载会随用户需求和计划任务而波动，导致全AI推升电力消耗2024年全球数据中心用电量达415TWh，约占全球总用电量的1.5%，但耗电量较为集中。美国、欧洲及中国的数据中心用电量合计约占全球总量的85%。其中，中国数据中心也在2015年开始扩张，2015-2024年的电力美国、中国、欧洲数据中心用电量合计约占全球数据中心用电量的8量达180TWh，占该国总用电量的4%AI推升电力消耗是否有用电量顾虑？全球2024年新增太阳能发电量达474TWh，新增太阳能发电量已经可以完全覆盖数据中心用电量（415TWh）。以Ember数据口径计算，2024年全球太阳能+风能合计发电量约为4625.45TWh，同比增长16.55%，约占全球用电量（以30,000TWh估算）的15.41%。其中，光伏2024年累计发电量2131.01TWh市场，在基准情况中，2030年消耗将增至约420TWh（比2024年增长130%），占全球增长的40%。人均消耗从2024年的540kWh升至2030年的1,200kWh。预计中国2030年达约275TWh（比2024年增长170%）。欧洲增长较缓，预计2030年消耗约115TWh（比2024年增长70%4625.45TWh2030年全球电力消耗的近3%AI推升电力消耗•采购可靠且成本效益高的电力供应，对于满足数据中心快速增长的电力需求至关重要。许多科技公司和大型数据中心运营商已设定了减少排放和采购清洁能源的无谷歌无无无无Aligned无无无Vantage无无无无无无无无解决方案一：燃气轮机用电方面，真正的挑战在于电力基础设施制造周期与AI需求周期错配。为满足数据中心电力需求可来源于多种途径，每种技术性能、成本、排放、开发流程和建设周期方面都具有独特特性。随着数据中心预计在未来数年快速增长，构建并确保稳定高效电力来源的战略变得尤为关键。目前，美国唯一能在较短时间开发完0000000-解决方案一：燃气轮机以用电量视角看，2024年美国全国电力需求约3975.38TWh，若美国至2030年数据中心用电量达420TWh，约占全国用电量的10%（假设其他用电量不变，若各地开发天然气发电项目，主要是为了满足数据中心日益增长的电力需求。为了降低排放图表：美国电力供给以天然气、核能及煤炭构成。随着数据中心日益增长的电力解决方案一：燃气轮机基于IEA预测，在多种情境下，天然气发电量对于美国而言均至关重要。在加速情景中，2024-2030年间数据中心近50%的新增发电量来自化石燃料（包括煤炭和天然气天然气发电增速较基准快1.5倍（美国增量最解决方案一：燃气轮机DataCenterMap显示，正在开发的超大规模数据中心国正在开发的超大规模数据中心的近三分之二。图表：美国数据中心分布图表：规划中的燃油和燃气发电厂：三家电网运营商占据了早解决方案一：燃气轮机2002年以来的最高水平。订单规模约为80吉瓦，而三大原始设备制造商（OEM）的预估年产能合计仅略高于30吉瓦。预计从2027年开始，年订单量将超过的总排队订单量（包括已签订合同和产能席位预留协三大制造商均指向北美燃气轮机订单显著增加。三菱重工的报告称来自美洲和中东的轮机订单近年来大幅增长。GEVernova大约60%的燃气轮机订单集中在美解决方案二：光伏+储能光伏发电具有建设周期短、安装灵活的独特优势。一般而言，一座大型地面光伏电站从规划到并网发电只需1~2年时间，部分中小规模项目甚至在数月内即可建是稳定的电源。通常数据中心的负荷昼夜相差不大（甚至夜间仍维持高负荷以连续运行训练任务而光伏在日落后完全停发电，白天的峰值出力也不一定刚好解决方案二：光伏+储能压缩空气储能钴酸锂电池熔盐储能磷酸铁锂电池铅酸/铅炭电池锂离子电池钛酸锂电池解决方案二：光伏+储能解决方案二：光伏+储能原材料及设备原材料及设备储能设备生产、系统集成及运营维护储能设备生产、系统集成及运营维护 储能系统集成及安装结构件等储能系统运营维护集成技术储能系统集成及安装结构件等储能系统运营维护集成技术解决方案二：光伏+储能图表：2024年，全球公用事业规模太阳能光伏的加权平平准化度电成本（平准化度电成本（USD/KWh）/ \/\解决方案二：光伏+储能电池储能新增装机容量持续增长。2024年锂离子电池储能新增装机容量由2023年的41.5GW增长至69GW。图表：锂离子电池组平均价格降至115美元/kWh图解决方案二：光伏+储能速增长凸显了储能+可再生能源的重要性，有助于平衡供需并提高电网稳定性。储能系统并不是主要电力来源，这意味着该技术不会从燃料或自然资源中解决方案二：光伏+储能8.8GWh，同比增长79%，市场份额图表：欧洲公用事业规模储能持续增长图表：基准假设下，2029GWhGWh解决方案二：光伏+储能锂离子电池储能是当前最主要的电化学储能技术。锂离子电池构建了成熟的产业链并具备显著的成本优势，已在储能领域迅速实现产业化。凭借其快速响应能力、灵活部署等特全球锂离子储能电池出货量从2020年的28.5GWh增长至2024年的314.7GWh，预计到2030年，锂离子储能电池出货量将进一步提升至1,451.3GWh增长率达29.0%。源网侧储能是储能市场最大的应用场景。同时，人工智能推动数据中心快速发展，数据中心场景下的锂离子储能电池需求将由2024年的9.5GWh增长至2030图表：预计到2030年，全球锂离子储能电池出货量约占GWhGWh911.6727.7911.6727.7519.1519.146.928.5046.928.5图表：源网侧是储能市场最大应用场景，同时GWhGWh322.2240.479.279.247.1797.2841.524.8735797.2841.59.5521.84.6376.524934.634.62020202120222023202420252数据来源：海辰储能招股说明书，金元证券研究数据来源：海辰储能招股说明书，金元证券研究解决方案二：光伏+储能统EMS:担任决策角色，主要负责数据采集、网络监控和能量调度等；储能变流器PCS:担任执行角色，主要功数据来源：《新型储能技术创新路线图》，金元证数据来源：《新型储能技术创新路线图》，金元证解决方案二：光伏+储能从成本结构来看，314Ah电芯是构成大型储能系统的基本单元，约占储能系统的60%。电芯的成本直接受大宗商品（如锂、磷、钴等）价格波动的影响。近年一个5MWh的储能系统（通常是一个20英尺的集装箱）中，系统电气件、系统结构件以及制造成本分别约占储能系统25%、12%、3%，其中PCS是电气设备其他,6%制造成本,3%系统结构件,12%EPC,20%系统电气件,25%储能系统,74%储能电池,60%数据来源：海辰储能招股说明书，金元证券研究数据来源：海辰储能招股说明书，金元证券研究储能+光伏或带动功率器件需求大型储能PCS多采用硅基IGBT（绝缘栅双极型晶体管）作为主功率开关器件。IGBT在PCS中的作用包括电压变换、DC/AC逆变以及功率控制等，直接决定了储能逆变器的IGBT的性能（如耐压水平、开关速度、导通压降等）很大程度上限制和决定了PCS的转换效率、输出电能质量以及功率密度。因此，提升功率器件性能是提高储能系统性能在储能PCS内部，一般采用逆变桥等功率电路拓扑，将直流电池电能与交流电网互相转换。传统方案大量使用硅基IGBT器件组成功率半桥，近年来也逐步引入SiC数据来源：英飞凌，安森美，金元证券研究数据来源：英飞凌，安森美，金元证券研究储能+光伏或带动功率器件需求在约10A的低电流下IGBT损耗约为SiC的两倍，而约25A时两者损耗相当；在更高电流（重载）下，储能+光伏或带动功率器件需求近年来，储能系统在电网中的角色正从“跟随电网”向“构建电网”转变，即所谓构网能PCS不仅能够像传统逆变器那样向电网输送功率，还能在孤岛状态下主动形成稳定的交流电压和频率，担当虚拟同步机的功能，从而支撑电网的稳定性。如在故障电压跌落时输出高达额定3倍的电流用于短路容量国内领先企业的构网型储能变流器已实现10秒内求功率器件配合实现极快的功率输出调整。这实际上需要PC关频率和更精准的控制，这对器件的开关速度耗表现也需要通过改进栅极驱动、减小寄生参数等手段型方案客观上加速了SiC替代IGBT的进程，因为SiC更容易满足快到1500V，而储能系统同样朝此方向发展。主应地，功率半导体器件需要提供>1700V1200V以上性能受限且选择有限，而SiCMO严酷环境（如沙漠光伏+储能基地）。在环境温度上升以热增加的双重作用下，要求功率器件具有更高的结温余量和可在高温下性能衰减小，漏电流低，许多器件保证最高结温175℃甚对比IGBT常用125℃标准具有明显优势。因此高温应用场景也更青睐SiC禁带器件。总的来说，构网型储能为功率器储能+光伏或带动功率器件需求更高直流母线电压正成为储能和光伏等系统的发展趋势，以提升转换效率并降低系统成本。过去常见BESS直流额定电压为500~1000V，如今新一代系统已提储能系统电压正从1000V迈向1500V乃至2000V区间。这一趋势与光伏逆变器同步（光伏早已从1000V升级到1500V使储能系统可直接对接高压光伏直流储能+光伏或带动功率器件需求增速最高，预计2024-2030年前期年复合增速18.5%，BESS应用市场预计至2030年达到233亿美元，或将成为变流器应用新增量。此外HVDC、UPS储能+光伏或带动功率器件需求功率市场方面，IGBT、硅基MOSFET占比份额较大。2024年，IGBT分立+模块市场规模约88.87亿美元，预计至2030年将达到161.51亿美元，年复合增长率其次，随着储能及AI数据中心模块化和高压需求，碳化硅MOS模块、碳化硅分立器件、碳化硅整流器件也有望维持高增长，2024年三者合计市场规模29.67亿（百万美元）（百万美元）储能+光伏或带动功率器件需求硅基分立IGBT方面，英飞凌占据主导位置，2024年占全球IGBT市场规模约