【摘要】AI机柜正在变得越来越“吃电”。从GB200、GB300到Vera Rubin，单机柜功率持续抬升，数据中心的供电架构也从传统AC配电逐步向更高效的直流架构演进。
但是随着功率密度越高，电力系统对瞬时波动就越敏感，一次短暂的电源异常，都可能让高价值GPU集群陷入停顿。
BBU由此成为AI数据中心电力架构中的关键一环。它直接连接机柜直流母线，在主电源异常或负载剧烈波动时快速释放电能，与UPS、柴油发电机等共同构成分层备电体系。相比长时间续航，BBU更看重毫秒级响应、高倍率放电、低损耗和高可靠性，这也让机柜级备电的重要性持续上升。
高压直流架构的推进，也在重新拉动锂电芯、DC-DC、电源器件和BMS等环节的技术升级。高功率BBU的竞争进一步覆盖电芯、功率器件和热管理等多个环节。国内电源厂商也开始进入这一市场。麦格米特已推出800VDC和50V两类BBU机架方案，并将电池备电、功率转换和电源管理纳入AI算力供电产品矩阵。BBU的技术竞争正逐步延伸到系统集成与可靠性设计。
01
当一柜AI算力进入百千瓦时代
AI数据中心里，GPU吸引了最多目光，机柜背后的供电系统却正在发生变化。
一柜塞进72颗GPU之后，算力密度上去了，供电也开始成为一道硬约束。GB200、GB300已经把单柜功率推向百千瓦级，到了Vera Rubin，NVIDIA在GTC展示的NVL72电源架构已经出现110kW级Power Shelf，并进一步展示了800V Sidecar与BBU的组合。
图源：英伟达官网
功率抬升之后，电力系统面对的问题也变了。
过去一次短暂的电源扰动，影响的可能只是几台服务器；如今，一次异常可能同时牵动整柜GPU。尤其在大规模AI训练中，数十台甚至数百台计算节点需要协同运行，供电稳定性已经和算力利用率绑在了一起。NVIDIA在GB300中已经开始用电源侧电容储能平滑AI训练带来的快速功率波动。其公开测试显示，增强储能的Power Shelf可将Megatron模型训练时的电网峰值需求降低约30%。
当储能开始进入Power Shelf，备用电源向负载侧前移的趋势也就更清晰了。
传统数据中心的备用电力体系，核心仍然是UPS、柴油发电机等设施级设备。它们承担长时间、不间断供电的任务。BBU则把一部分备电能力前移到机柜或电源侧，直接接入直流母线，在主电源出现异常时迅速释放能量，为GPU争取关键的切换窗口。
这个变化和800 VDC的方向恰好吻合。传统供电链路需要经历多次AC/DC转换，而高压直流架构希望减少中间转换环节，让电力以更短的路径抵达AI加速器。NVIDIA去年发布的800 VDC方案也明确强调，减少转换级数可以降低系统复杂度和能量损耗。
于是，AI机柜里的备用电源开始从“机房里的一个大设备”，变成供电架构本身的一部分。
这也是BBU受到关注的原因。它的任务并非替代UPS，更谈不上独自承担整个数据中心的备用电力，而是在主电源异常的瞬间迅速顶上，把最宝贵的几秒甚至更短时间争取下来。对于动辄上百千瓦的AI机柜来说，这段时间的价值，可能远高于一块电池本身的成本。
当一柜AI算力的价值不断上升，供电系统里一颗看似不起眼的电芯，也开始承担越来越高的系统价值。
02
路径很多，但BBU为什么能赢？
停电这件事，对AI数据中心来说并非只有“有电”和“没电”两个状态。
在AIDC的备电体系里，不同技术开始承担不同时间尺度的任务：超级电容更擅长瞬态功率支撑，BBU提供更持久的短时备电，UPS和发电机则承担更长时间尺度的供电保障。它们之间并非简单的替代关系，而是根据具体架构形成组合。BBU切入的，恰好是其中越来越重要的一段。
它的优势首先来自“快”。
BBU直接连接机柜侧直流供电链路，主电源异常时，电池可以通过双向DC-DC等功率变换环节迅速释放能量。相比需要经过多级转换的传统供电路径，这种架构更适合应对AI负载带来的快速功率变化。英飞凌目前公开的BBU方案已经覆盖48V和800V两类架构，并将90至240秒作为部分48V BBU的备电设计窗口。
这也是BBU与超级电容、UPS等方案的区别所在。超级电容响应很快，却受限于能量密度；柴油发电机适合长时间供电，但需要启动时间；UPS仍然承担数据中心的重要基础供电职责。BBU则更像一道“缓冲带”，先把电源异常发生后的关键窗口撑住，再由更长时长的备电系统接力。
这种分工，在AI负载越来越密集后显得更加重要。英伟达正在推进800 VDC数据中心架构，核心思路之一就是减少电力转换环节，让更高电压的直流电更直接地抵达高功率AI加速器。 BBU恰好可以作为直流母线上的储能节点：充电时吸收能量，电源异常时反向放电，和整套直流供电体系形成配合。
于是，BBU的形态也开始变化。
当AI机柜功率继续提高，备用电源也开始出现更多独立于计算机柜的形态。NVIDIA早在GTC 2025就展示了与AI机柜配套的800 VDC Sidecar；到GTC 2026，台达等合作伙伴进一步展出了集成BBU的800 VDC列间电源机柜（In-Row 660kW方案中每层80kW BBU、总计480kW）；Supermicro针对Vera Rubin NVL72的方案也将BBU纳入从中压变电、低压配电到机架电源的完整链路。
这意味着，BBU并不一定非要塞进GPU机柜。随着功率和散热压力上升，它也可以向相邻的电源机柜、sidecar等位置迁移，核心变化仍然是备用能力更靠近负载侧。
今年，英飞凌又推出了面向800 VDC架构的24kW BBU参考设计，直接从电池组连接800V直流母线，功率密度达到450W/in³，效率超过99%。
从48V到800V，从机柜内部到独立电源侧，BBU的变化其实指向同一个问题：AI算力越密集，备用电源越需要靠近负载，同时还得在有限空间里处理更大的功率。
这也意味着，BBU的竞争很快会从“有没有电池”进入“电池能不能扛住高功率瞬时放电”的阶段。下一步，决定这块“数字肾上腺素”能跑多快的，就轮到锂电芯和功率器件登场了。
03
BBU的“心脏”，为什么越来越难做？
BBU看起来像是在机柜里加了一块电池，真正做起来，却远比“把电存起来”复杂。
AI机柜需要的备电，核心指标并非能存多少度电，而是能否在极短时间内把足够大的功率送出来。对于锂电芯来说，这意味着更高的放电倍率、更低的内阻，以及在高功率运行下保持稳定的热管理能力。
高倍率和低内阻最终都会落到一个很现实的问题：发热。电流越大，电阻带来的损耗越明显。电芯内阻、连接件和功率器件产生的热量，最终都会转化成BBU的效率损失和散热压力。机柜空间又十分有限，电池做大并不能无限解决问题，单位体积能够释放多少功率，才是更难的一道题。
国内厂商也开始针对AI算力场景推出专用备电产品。麦格米特在2026年半年报中披露，其BBU解决方案已覆盖800VDC和50V两类机架，能够在市电中断或电压骤降时快速释放能量，为算力设备提供分钟级备电支持。
两类产品对应不同的供电架构。其中，800VDC BBU机架面向高压直流母线，在电力异常时为后端负载提供短时支撑；50V BBU机架则适配低压供电体系。备电能力需要与具体电压平台匹配，也对功率转换、控制响应和系统保护提出了要求。
图源：麦格米特2025年年度报告
电芯只是第一关。电能从电池送往直流母线，还要经过BMS、保护开关和双向DC-DC等环节。尤其在大电流工况下，MOSFET的导通电阻会直接影响传导损耗和热量。Nexperia面向BBU给出的MOSFET方案，就将RDS(on)做到3mΩ以下，说明低损耗功率器件已经成为高功率BBU的重要设计指标。
图源：Nexperia官网
所以，一套高功率BBU的竞争，已经从单颗电芯延伸到“电芯+功率器件+BMS+热管理”的协同。
BBU也需要与整套供电系统配合。麦格米特在2025年年报中，将BBU Shelf、超级电容架（Super Capacitor Shelf）、逆变架（Inverter Shelf）与Power Shelf等产品列入AI算力基础设施供电矩阵。不同模块承担电能转换、瞬态功率支撑和短时备电等任务，共同应对AI负载波动和电力中断。
这也反映出BBU产品竞争的另一面。单独提高电池放电能力还不够，电源模块与备电模块之间的切换、直流母线的电压稳定性，以及异常工况下的保护机制，都会影响最终的供电可靠性。
安全则是另一条不能绕开的线。高倍率放电会增加电池和功率器件的热管理压力，数据中心又对供电连续性有较高要求，电池监测、过流保护和故障隔离都需要纳入系统设计。麦格米特在其AIDC供电产品中强调模块冗余、在线热插拔及过压、过流、过热、短路等保护机制。对于BBU而言，关键仍是让电池、功率转换和控制系统在异常工况下可靠配合。
这类可靠性要求，也让汽车电力电子领域的技术积累具备了迁移价值。麦格米特同时布局新能源汽车车载电源、DC-DC模块和数据中心电源，两类业务都涉及高效率功率转换、热管理和故障保护。不过，汽车与数据中心的工作环境、负载特征和可靠性标准存在差异，相关技术仍需针对BBU场景重新设计和验证。对于MOSFET等关键器件，低导通电阻、长期稳定性以及经过充分验证的供应链能力，依然是重要的选型依据。
当AI机柜的功率继续向上，BBU面对的考题也越来越清晰：电芯要“放得快”，功率器件要“损耗低”，系统还要“扛得住”。这几项能力叠在一起，才决定了这块“数字肾上腺素”能不能在关键时刻发挥作用。
04
芯流视角
AI数据中心的故事，过去很容易被GPU占据。
芯片算力一代代提升，网络带宽不断升级，液冷技术也在跟进。如今，电力开始进入同一张产业链地图。单柜功率从几十千瓦走向数百千瓦，供电架构也从传统AC配电逐步向更高压直流演进，AI基础设施正在重新计算“电”应该怎样抵达芯片。
BBU的出现，正是这个变化中的一个切片。
它没有取代UPS，也没有承担长时间供电的任务。它更像是电力系统留给AI算力的一块缓冲区：主电源发生异常时，先快速释放储存的能量，为后续的供电系统争取时间；负载出现快速波动时，也可以承担一定的功率调节。这个位置看起来不起眼，却直接关系到高价值算力能否平稳度过最短、也最关键的电力窗口。
因此，“数字肾上腺素”并不只是一个形象的比喻。肾上腺素的作用，是在身体遭遇突发情况时迅速调动能量；BBU面对的也是类似的任务——平时安静地待在电力系统中，需要的时候迅速把能量送到负载端。
更大的变化还在后面。
当800 VDC成为高功率AI数据中心的重要方向，BBU也不再只是一个独立的备用电源模块，而会成为整个直流供电架构的一部分。电源架构、储能、功率器件与热管理之间的边界正在变得更模糊，数据中心电力系统也开始拥有越来越强的“算力属性”。
这意味着，AI基础设施的竞争正在多出一条容易被忽略的赛道：谁能把更多的电，以更短的路径、更高的效率和更稳定的方式送到GPU面前。
GPU还在加速，电力系统也得跟上。
*头图由AI生成
- XINLIU -
热门跟贴