前言：钠电、AIDC 与 AI for Science：我对这三点的思考

钠电、AIDC 与 AI for Science：我对这三点的思考

Frost　·　2026 年 10 月　

这届赛季的议题是「钠电如何重构全球 AIDC 的可持续能源基础设施」。钠电是一种电池材料，AIDC 是机房，AI for Science 是一种科研方法——三个词分属三个领域，但被放在了一起里。这篇算是我对这句话的理解，也是整个项目的前言

一、为什么这三个词会放在一起

我认为它们之间有一条物理的链条：科研要算力，算力要电，电的波动要靠电池接住。但把三个词放在一起，还有一层更深的理由——它们的定位都在变 电池过去是消费品，装进手机、笔记本，现在走进了基建。机房过去建在靠近用户的大城市，现在可以建在任何电网条件允许的地方。科研过去靠仪器和实验，现在靠数据和算力

所以，当一个东西的定位变了，评价它的标准也会跟着变。钠电在手机上的评价是能量密度，在 AIDC 里的评价是安全、低温和资源；机房在大城市里的评价是离用户近，在 AIDC 时代的评价是离电近 这篇就按这个思路往下走：先把三个词各自说清楚，再看它们之间的关系。钠电是主角，另外两个是它的舞台

二、钠电：未来可期

钠是地壳中丰度排第六的元素，海水、食盐里到处都是，原料便宜，价格波动远小于碳酸锂——2026 年初碳酸锂期货一度突破 17 万元/吨，随后又有单日近 9% 的下跌，这种过山车式直接决定锂电电芯的成本

但钠电现在的数据并不占优。2026 年的产业调研中，它的能量密度约 100–160 Wh/kg，低于磷酸铁锂的 160–200；循环寿命约 1000–2000 次，低于优质磷酸铁锂的 3000–5000；电芯成本约 0.4–0.5 元/Wh，也略高于磷酸铁锂的 0.35–0.4 它有三个稳定的长处：低温（零下 40 ℃ 仍能工作，低温健康状态可保持在 95% 以上）、安全（热失控温度更高，化学性质比锂温和）、资源自主（我国钠盐自给率接近 100%，不受单一矿区制约）

关于产业化的路径：就像我们都知道的先在两轮车上替代铅酸——钠电能量密度约为铅酸的 4 倍且全生命周期免维护，超威等企业的钠电订单已排到明年年底；然后进储能，宁德时代、瑞浦兰钧的钠电储能产品计划 2026 年下半年批量出货。政策面也在倾斜：锂电自 2026 年 9 月起被征收 2% 消费税，2027 年 9 月升至 4%，钠电目前免税

总结一下：钠电不是没有短板，是短板在旧赛道上，而它的三个长处，恰好在一条还没完全成熟的新赛道上，也就是定位的转变

三、AIDC：AI 的身体和性格

AIDC 是 AI 的躯体。AI 本身是一个推理过程，不占地方、不耗电；但要让它动起来，需要巨大的电力、场地、散热和电网接入。

根据我对相关资料的查询得知这个身体有一个传统基建没有的性格：功率剧烈波动。训练任务在数据并行、同步梯度汇聚、流水线排空之间切换，机柜功率在毫秒到分钟之间忽高忽低的。传统电力工程建立在"负载可预测"的前提上，AIDC 却不是建立在这个前提。于是电网被迫按峰值配置，储能被迫从"备电"变成"必需"——它不是为了停电续命，是为了应对这个波动

其规模也在膨胀，根据国际能源署的报告预测，到 2030 年全球数据中心电力需求将接近翻倍。而基建的时间对不上：数据中心两三年就能建成，电网扩容要五到十年。这个差值里，储能是必须顶上的位置

但是现状是：国内 AIDC 的 15 分钟 UPS 备电仍以铅酸为主，但智算中心的功率提升让铅酸体积过大，正在加速转向锂电；境外新建的数据中心，锂电备电已基本全面铺开。铅酸退场、锂电进场——而这也是钠电很好的入场窗口

四、关于AI for Science

这个词常被理解成"用 AI 做科研"，但值得说清的版本更具体：用 AI 加速材料发现、模拟仿真和性能优化。

在这里我找了两个实例，AlphaFold 预测蛋白质结构、GNoME 一次性找出两百多万种新晶体材料，（找的这个文章还是23年的日期！现在应该是380多万了）——这些进展的共同点是改变了科研的成本结构：筛选一百万种候选材料和筛选一百种，成本几乎一样。原来科研的瓶颈是有点筛选不起的意思，现在用得起了

这对算力提出了不一样的要求。商业 AI 的负载是密集的、持续的，科研计算的负载是稀疏的、爆发的——一次大规模计算集中跑几天，然后闲置几个月，付钱的往往是公共科研经费。所以科研算力的约束不是收益率，是能不能建成：一个实验室想算一次，如果当地没有足够的电、并网要等个小五年，这件事就不会发生。 在我看来还有一层容易被忽略：AI for Science 是这三者里唯一一个能反过来作用于另外两个的词。它可以用模拟仿真帮钠电筛选正极材料、优化电解液之类的——钠电至今没有统一的正极路线，恰好是最需要"筛选"的地方

五、三者的位置关系

我给分成了三条边

第一条边：钠电 → AIDC，用来供能。AIDC 对电池的要求是安全、低温、成本波动小，而不是能量密度——备电差不多只占一座数据中心总投资的约 0.5%，贵一点不构成障碍，但一次热失控的损失远超储能系统本身。在这个评价标准下，钠电的短板不致命，长处被放大。这不是"钠电全面替代锂电"，而是已经在发生的分工：钠电管秒级到分钟级的功率波动，锂电管小时级的能量调度，铅酸逐步退出。

第二条边：AIDC → AI for Science，用来供算力。机房的位置本身可以重构：AI 的输出是 Token，传输没有物理损耗，数据中心不必贴着用户建，可以建在电网条件满足、经济相对落后的地区。位置一旦可以选，"算力贵不贵"就变成了"电从哪来"的问题，这正是钠电和储能的题中之意。

第三条边：AI for Science → 钠电研发加速器。用 AI 做电池材料的模拟和筛选，缩短正极路线收敛的时间。这一边目前最弱，但可能是长期回报最大的一边——它决定钠电的短板能不能在材料层面被真正解决，而不是靠工程策略绕过去。

三条边之外，还有一笔出海账。中国储能电芯技术成熟、交付能力强，但北美客户对地缘风险的担忧是真障碍，英伟达 AIDC 储能认证的前三品牌里暂时没有中国厂商，当地并网经验也欠缺。这笔账的解法不在单点突破，而在位置——产业链的位置、地理的位置

六、几个还没想清楚的问题

留几个问题，供社区讨论，也是我自己后续想验证的： 1.钠电的机会到底是"性能匹配"还是"政策窗口"？还是说是两者的结合？我暂时还没理清。锂电消费税逐年上调、钠电免税，如果政策退坡了，0.4 元/Wh 对 0.35 元/Wh 的成本差还撑不撑得住？

2.决定钠电在 AIDC 里走多远的，可能不是能量密度，而是寿命预测的可靠性——机房里电池长期浮充，现有预测模型大多在实验室循环数据上训练，两边对不上。这个问题如何解决？

3.AI4s 会同时作用于三边：帮钠电选材料、帮 AIDC 做调度、帮科研提需求。它是这个三角的润滑剂——但润滑剂本身也依赖算力和能源。这个角度该怎么合理去想？

4.我想知道我上面说的位置重构：电池的位置（从消费品到基建）、机房的位置（从城市到地区）、产业链的位置（从集中到分布式），如果真的可以重构那边界在怎么设定？

七、

看到特斯拉发布的roadster2好有意思，大家可以去看看

后续内容等我更新

主要资料来源　新华社《经济参考报》（2026-02）；中国经济网（2026-02）；CRU Group 行业分析（2026-08）；国际能源署《能源与人工智能》报告；《电力系统自动化》（2026-03）。我没有一手实测，数据随产品与批次变化，引用前以最新规格书为准。这是系列文章的第一篇，下一篇会落到具体产品概念：可移动场域无线充电。