← Accueil actu | Salle du marché
2026-11-11 · Source:虎嗅·中继

L'onde carrée de consommation des GPU frappe le réseau et crée une demande inélastique de stockage : les expéditions de stockage d'énergie des centres de données IA ont déjà dépassé le total de l'an dernier, et la plupart des nouvelles commandes affluent vers les fabricants de batteries chinois. De la soif d'électricité aux sauts de puissance à la milliseconde, le stockage d'énergie est propulsé au centre de la scène des infrastructures IA.
L'actualité du marché des infrastructures de calcul IA s'étend des GPU, du stockage, des modules optiques et du refroidissement liquide jusqu'aux batteries. Sur les cinq premiers mois de 2026, les expéditions mondiales de stockage d'énergie des centres de calcul IA ont atteint 10 GWh, soit l'équivalent de 10 millions de kWh, dépassant déjà le total de toute l'année 2025 ; le secteur prévoit qu'à l'horizon 2030, les expéditions de batteries lithium pour le stockage des AIDC dépasseront 300 GWh — un espace de croissance de plusieurs dizaines de fois en quelques années à peine, et la majorité de ces nouvelles commandes affluent vers les fabricants de batteries chinois.
Derrière ce phénomène, la soif d'électricité des centres de calcul : la facture annuelle d'électricité d'un grand centre de calcul IA se compte volontiers en plusieurs milliards de yuans, l'équivalent d'une petite ville. Dans certaines régions des États-Unis, le raccordement des centres de données au réseau exige une attente de 3 à 7 ans ; Elon Musk, Mark Zuckerberg et d'autres géants de la technologie ne peuvent pas attendre et achètent en nombre des turbines à gaz pour bâtir leurs propres centrales, faisant monter avec elles la cote des turbines à gaz, transformateurs, interrupteurs haute tension et autres équipements électriques. Mais la centrale autonome règle le problème du « volume total d'électricité », non celui du « rythme de l'électricité » — c'est précisément là l'interstice dans lequel s'engouffre le stockage d'énergie.
Pourquoi la batterie devient-elle une nécessité dure de l'IA ? La réponse est dans la courbe de consommation des GPU. Un rack des centres de données traditionnels consomme 4 à 8 kilowatts, avec une charge aussi stable qu'un régulateur de vitesse ; le B200 de Nvidia peut atteindre 1 200 watts à pleine charge, un ensemble de superpuces GB200 atteint 2 700 watts, et un rack NVL72 embarque 72 GPU pour une consommation totale propulsée à 120 à 140 kilowatts — 20 fois celle d'un rack traditionnel. Cela signifie que la logique de configuration de l'alimentation, des barres bus, des interrupteurs et jusqu'à la capacité de stockage d'énergie doit être réécrite selon une norme nouvelle supérieure d'un ordre de grandeur.
Plus épineux encore : la consommation « saute ». Pendant l'entraînement des grands modèles, des dizaines de milliers de GPU calculent de façon synchronisée et échangent leurs résultats à chaque tour par l'intermédiaire de l'AllReduce ; les puces sont soit toutes à pleine charge, soit toutes au ralenti, et la courbe de consommation dessine une onde carrée. Les mesures de Vertiv montrent que la charge d'un rack de GPU peut bondir en un temps très court d'environ 10 % à pleine charge, voire jusqu'à 150 % de la puissance nominale. Meta, en entraînant Llama 3, a utilisé deux clusters d'environ 24 000 GPU H100 chacun, la puissance cumulée des équipements IT d'un seul cluster atteignant plusieurs dizaines de mégawatts ; les commutations synchronisées se conjuguent en chocs de puissance côté réseau. Pour le réseau électrique, ce n'est pas un grand consommateur paisible, mais une charge qui « piétine » à répétition selon un cycle de millisecondes.
La contradiction réside dans le rythme : le dispatching du réseau répond en secondes, les sauts de puissance des GPU en millisecondes, et une réponse trop tardive peut provoquer une chute brutale de tension — pour un grand modèle en cours d'entraînement, même une anomalie de tension ne durant que 10 millisecondes constitue un risque. Le stockage d'énergie est ainsi propulsé au centre de la scène des infrastructures IA. La vitesse de réponse du stockage sur batteries se situe naturellement à la milliseconde, comblant exactement l'intervalle entre le dispatching du réseau en secondes et les sauts des puces en millisecondes : il peut « souffler un coup » à l'instant du bond de puissance, comme « absorber » l'excédent de production à l'instant du ralenti, aplanissant l'onde carrée et protégeant les équipements.
Du point de vue de l'impact sectoriel, ce cycle de demande a une portée directe pour les acheteurs de puissance de calcul IA. D'abord, le stockage d'énergie n'est plus un équipement vert optionnel, mais une « infrastructure d'alimentation » livrée en synchronisation avec les clusters de GPU, qui doit être dimensionnée avec la puissance des racks et la capacité de refroidissement liquide dès la sélection du site et le budget. Ensuite, la réalité de l'attente de 3 à 7 ans pour le raccordement au réseau américain fait du duo « stockage d'énergie + centrale autonome » la voie dominante pour raccourcir le délai de livraison, et le rythme d'achat du stockage déterminera directement la date de mise en service du calcul. Troisièmement, les fabricants de batteries chinois captent la majeure partie des commandes grâce à leurs capacités de production, leurs coûts et leur vitesse de livraison ; les acheteurs étrangers doivent arbitrer entre sécurité de la chaîne d'approvisionnement et prix — ce qui explique pourquoi la majorité des commandes affluent vers les fabricants chinois.
En termes de critères d'achat, les acheteurs doivent évaluer trois points prioritaires : d'abord la vitesse de réponse et le taux de décharge — le système de stockage doit correspondre aux fluctuations de puissance à la milliseconde, et non être sélectionné selon la logique traditionnelle d'arbitrage heures pleines/heures creuses ; ensuite la durée de vie en cycles et la sécurité — les charges-décharges à haute fréquence en régime d'onde carrée éprouvent durement les cellules, les clauses de garantie et la conception anti-incendie doivent figurer dans le contrat ; enfin la méthode de dimensionnement de la capacité — il est conseillé de réserver une marge selon la consommation totale de 120 à 140 kilowatts du rack NVL72, en y ajoutant le scénario extrême d'une surcharge instantanée de 150 %, plutôt que de configurer selon la puissance moyenne.
[Données de marché réelles] Ce modèle n'a actuellement aucune donnée d'offre de prix à la vente. Les investisseurs et les acheteurs qui se réfèrent à des cotations concrètes doivent s'en tenir aux dernières offres des places de marché et des fabricants ; aucune mise à jour n'est disponible à ce jour sous le numéro du présent rapport.
En somme, la compétition de la puissance de calcul IA s'étend désormais des puces au système électrique, et le stockage d'énergie en est le maillon sous-estimé. Les 10 GWh expédiés sur les cinq premiers mois ne sont qu'un point de départ ; si l'anticipation de 300 GWh en 2030 se réalise, le stockage d'énergie des AIDC passera du statut de niche à celui de principal champ de bataille de l'industrie des batteries.
Q : Combien s'élèvent les expéditions de stockage d'énergie des centres de données IA sur les cinq premiers mois de 2026, et comment se comparent-elles à l'année 2025 ?
R : Sur les cinq premiers mois de 2026, les expéditions mondiales de stockage d'énergie des centres de calcul IA ont atteint 10 GWh, soit l'équivalent de 10 millions de kWh, dépassant déjà le niveau de toute l'année 2025.
Q : Quelle est la consommation d'un rack NVL72 de Nvidia, et combien d'expéditions de stockage AIDC le secteur prévoit-il à l'horizon 2030 ?
R : Un rack NVL72 embarque 72 GPU pour une consommation totale propulsée à 120 à 140 kilowatts, soit 20 fois celle d'un rack traditionnel ; le secteur prévoit que les expéditions de batteries lithium pour le stockage des AIDC dépasseront 300 GWh à l'horizon 2030.
Mots-clés: Elon Musk · Mark Zuckerberg · NVIDIA GB200 · Meta Llama 3 · Energy Storage · Data Center
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle