2026-11-11 · Fonte:虎嗅·中继

O choque do formato de onda quadrada de consumo das GPUs sobre a rede elétrica gera demanda essencial por armazenamento; os embarques de armazenamento dos data centers de IA já superam o ano inteiro passado, e a maior parte dos novos pedidos vai para as fábricas de baterias chinesas. Da sede de eletricidade aos saltos de potência em milissegundos, o armazenamento está sendo empurrado para o centro do palco da infraestrutura de IA.
O foco de mercado da infraestrutura de computação de IA está se espalhando das GPUs, armazenamento, módulos ópticos e refrigeração líquida até as baterias. Nos primeiros 5 meses de 2026, os embarques globais de armazenamento de energia dos centros de computação de IA alcançaram 10 GWh, o equivalente a 10 milhões de kWh, já superando o ano inteiro de 2025; o setor projeta que, até 2030, os embarques de baterias de lítio de armazenamento dos AIDC superarão 300 GWh — pouquíssimos anos e uma margem de crescimento de dezenas de vezes —, e a maior parte desses novos pedidos flui para as fábricas de baterias chinesas.
Por trás está a sede de eletricidade dos centros de computação: a conta anual de luz de um grande centro de computação de IA chega com facilidade a bilhões de yuans, equivalente a uma pequena cidade. Em partes dos EUA, a fila para um data center se conectar à rede leva de 3 a 7 anos; Musk, Zuckerberg e outros gigantes de tecnologia não podem esperar e compram turbinas a gás para construir usinas próprias, elevando na esteira o valor de turbinas a gás, transformadores, chaves de alta tensão e outros equipamentos elétricos. Mas a usina própria resolve o problema do 'volume total' de eletricidade, não o do 'ritmo' da eletricidade — e é aí que o armazenamento encontra a sua brecha.
Por que as baterias se tornaram demanda essencial da IA? A resposta está na curva de consumo das GPUs. Nos data centers tradicionais, cada gabinete consome de 4 a 8 kW, com carga estável como piloto automático; já uma Nvidia B200 em carga plena pode consumir 1.200 W, um conjunto de superchips GB200 alcança 2.700 W, e um gabinete NVL72, com 72 GPUs embutidas, dispara o consumo total do gabinete para 120 a 140 kW — 20 vezes o gabinete tradicional. Isso significa que a lógica de configuração do sistema de alimentação, dos barramentos, das chaves e até da capacidade de armazenamento precisa ser reescrita segundo um novo padrão acima de uma ordem de grandeza.
Mais espinhoso ainda é que o consumo 'salta'. No treinamento de grandes modelos, milhares de GPUs calculam em sincronia, trocando resultados via AllReduce ao fim de cada rodada; os chips ou operam todos em carga plena, ou todos ociosos, e a curva de consumo assume forma de onda quadrada. Medições da Vertiv mostram que a carga de um gabinete de GPUs pode saltar, em tempo extremamente curto, de cerca de 10% para a carga plena e até 150% da potência nominal. Ao treinar o Llama 3, a Meta usou dois clusters de cerca de 24.000 GPUs H100 cada, e a potência somada dos equipamentos de TI de um único cluster alcança dezenas de MW — as comutações sincronizadas se agregam em um choque de potência do lado da rede. Para a rede elétrica, este não é um grande usuário estável, mas uma carga que 'pisoteia' repetidamente em ciclos de milissegundos.
A contradição está no ritmo: o despacho da rede responde em segundos, o salto de potência das GPUs se dá em milissegundos, e uma resposta atrasada pode provocar queda abrupta de tensão — para um grande modelo em treinamento, até uma anomalia de tensão de apenas 10 ms é risco. O armazenamento, assim, é empurrado para o centro do palco da infraestrutura de IA. A velocidade de resposta do armazenamento em baterias é naturalmente de milissegundos, preenchendo com precisão a lacuna entre o despacho em segundos da rede e os saltos em milissegundos dos chips: pode tanto 'servir uma dose' no instante do salto de potência quanto 'absorver' o excedente no instante de ociosidade, aplacando a onda quadrada e protegendo os equipamentos.
Quanto ao impacto setorial, esta rodada de demanda tem significado direto para os compradores de computação de IA. Primeiro, o armazenamento já não é um acessório verde opcional, mas a 'infraestrutura de fornecimento de energia' entregue em sincronia com os clusters de GPUs, devendo ser calculada junto com a potência dos gabinetes e a capacidade de refrigeração líquida na escolha do sítio e no orçamento. Segundo, a realidade americana de fila de 3 a 7 anos para conexão à rede torna 'armazenamento + geração própria' o caminho predominante para encurtar o ciclo de entrega, e o ritmo de compras de armazenamento decidirá diretamente o momento de entrada em operação da computação. Terceiro, as fábricas de baterias chinesas ocupam a maior fatia dos pedidos graças a capacidade, custo e velocidade de entrega, e os compradores estrangeiros precisam pesar entre segurança de cadeia e preço — o que também explica por que a maior parte dos pedidos flui para os fabricantes chineses.
Nas considerações de compra, os compradores devem avaliar com prioridade três pontos: primeiro, velocidade de resposta e taxa de descarga — o sistema de armazenamento precisa casar com oscilações de potência em milissegundos, e não ser selecionado pela lógica tradicional de arbitragem entre picos e vales; segundo, vida útil em ciclos e segurança — as cargas e descargas de alta frequência no regime de onda quadrada são teste severo para a vida das células, e cláusulas de garantia e projeto de combate a incêndio devem constar do contrato; terceiro, método de dimensionamento da capacidade — recomenda-se reservar margem pelo consumo total do gabinete NVL72 de 120 a 140 kW somado ao cenário extremo de sobrecarga instantânea de 150%, e não dimensionar pela potência média.
[Dados reais de mercado] O modelo em questão não possui, no momento, dados de preço de oferta publicados. Ao referenciar cotações concretas, investidores e compradores devem se guiar pelos preços publicados mais recentes das bolsas e fabricantes; sob o número deste relatório não há, por ora, atualização.
No conjunto, a competição da computação de IA já se estendeu dos chips ao sistema elétrico, e o armazenamento é o elo subestimado dessa competição. Os 10 GWh embarcados nos primeiros 5 meses são apenas o ponto de partida; se a expectativa de 300 GWh em 2030 se materializar, o armazenamento dos AIDC crescerá de nicho para um dos campos de batalha principais da indústria de baterias.
P: Qual foi o volume de embarques de armazenamento dos data centers de IA nos primeiros 5 meses de 2026, comparado ao ano inteiro de 2025?
R: Nos primeiros 5 meses de 2026, os embarques globais de armazenamento dos centros de computação de IA alcançaram 10 GWh, o equivalente a 10 milhões de kWh, já superando o nível do ano inteiro de 2025.
P: Quão alto é o consumo de um gabinete Nvidia NVL72, e quanto o setor projeta de embarques de armazenamento dos AIDC em 2030?
R: Um gabinete NVL72 embute 72 GPUs, com o consumo total do gabinete disparando para 120 a 140 kW — 20 vezes o gabinete tradicional; o setor projeta que os embarques de baterias de lítio de armazenamento dos AIDC superarão 300 GWh até 2030.
Tags: Elon Musk · Mark Zuckerberg · NVIDIA GB200 · Meta Llama 3 · Energy Storage · Data Center
萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado