Beban baterai: pelatihan AI vs inferensi

Operator AI yang menentukan ukuran cadangan baterai untuk rak GPU biasanya mulai dengan satu angka: daya rata-rata dalam kW. Angka itu hanya menjawab separuh pertanyaan. Klaster pelatihan dan armada inferensi menarik energi dalam dua bentuk berbeda – satu datar dan terus-menerus, satunya dengan puncak-puncak pendek – dan bentuknya menentukan apa yang harus dilakukan baterai: seberapa besar arus puncak yang harus ditanggungnya, seberapa dalam setiap pengosongan, dan apakah energi atau daya yang menentukan jumlah modul. Pusat data mengonsumsi sekitar 415 TWh listrik pada tahun 2024, sekitar 1.5% dari permintaan global, dan IEA memperkirakan sekitar 945 TWh pada tahun 2030 (IEA, April 2025). Halaman ini menjelaskan dua profil beban, apa yang masing-masing tuntut dari baterai rak LiFePO4, dan apa yang harus dikirim ke LJY Energy untuk usulan penentuan ukuran.

Selama pelatihan, GPU berjalan dengan pemanfaatan hampir penuh selama berjam-jam atau berhari-hari berturut-turut: kurva daya hampir datar, tinggi, dan terus-menerus, dan satu gangguan saja dapat menghentikan pelatihan dan kehilangan checkpoint berjam-jam. Satu rak pelatihan dapat menarik sekitar 40 kW – empat server DGX H100 – beberapa kali lipat dari 7-12 kW rak perusahaan biasa. Inferensi memiliki bentuk yang berlawanan: kueri datang tidak merata, GPU mencapai puncak pada setiap kueri dan menganggur di antaranya, sehingga kurvanya adalah serangkaian puncak di atas rata-rata yang rendah. Inferensi sudah mencapai sekitar 80-90% dari komputasi AI, dan IEA memperkirakan akan mencapai sekitar 75% dari kebutuhan energi AI pada tahun 2030 (IEA, April 2025). Kedua bentuk menuntut hal yang berbeda dari baterai: baterai pelatihan harus memasok daya terus-menerus sepanjang jendela bridging, dengan puncak yang mendekati rata-rata, energi bridging yang ditentukan oleh daya terus-menerus dalam kW dikali menit, laju C terus-menerus yang moderat, pengosongan dalam pada gangguan panjang, tegangan stabil, dan panas merata; baterai inferensi harus menyerap puncak cepat tanpa penurunan tegangan, dengan puncak jauh di atas rata-rata, energi bridging yang ditentukan oleh daya puncak dalam kW dikali menit, pulsa arus tinggi yang pendek, pengosongan sebagian pada kejadian singkat, dan pulsa panas yang mengikuti puncak beban. Penentuan ukuran dimulai dengan daya terus-menerus dalam kW pada pelatihan dan dengan daya puncak dalam kW serta durasi puncak pada inferensi. Armada inferensi juga cenderung tumbuh seiring penggunaan, dan baterai rak modular tumbuh bersama mereka: modul ditambahkan secara paralel seiring beban tumbuh, bukan mengganti baterai.

Peta infrastruktur pusat data di Amerika Serikat
Foto: DOE/National Renewable Energy Laboratory (NREL), Wikimedia Commons, Public domain (diperkecil, WebP). Gambar ilustrasi, bukan produk LJY.

Nilai referensi

Konsumsi listrik pusat data, 2024415 TWh
Pangsa permintaan listrik global1.5%
Perkiraan konsumsi listrik pusat data hingga 2030945 TWh
Konsumsi daya satu rak pelatihan, contoh40 kW
Konsumsi daya rak perusahaan biasa7–12 kW
Pangsa inferensi dalam komputasi AI80–90%
Perkiraan pangsa inferensi dalam kebutuhan energi AI hingga 203075%
Baris pelatihan dalam contoh penentuan ukuran8 kW
Puncak inferensi dalam contoh penentuan ukuran16 kW

Penentuan ukuran dimulai dengan bentuk beban, bukan angka ampere-jam yang disalin: halaman modul rak 51.2V LJY mencantumkan modul rak yang membentuk baterai, dan jumlah modul mengikuti kW yang diukur dan menit bridging dan dikonfirmasi untuk setiap proyek.

Contoh penentuan ukuran

Baris pelatihan 8 kW membutuhkan sekitar 2 kWh energi yang dapat digunakan untuk 15 menit bridging. 2 modul 100 Ah yang dihubungkan paralel mencakupnya: mereka memasok sekitar 10 kW secara terus-menerus dan menyimpan 10.24 kWh, sehingga daya maupun energi memenuhi persyaratan dengan margin. Tentukan ukuran terlebih dahulu berdasarkan daya terus-menerus dalam kW, lalu periksa menit bridging dalam kWh. Jika baris tumbuh kemudian, tambahkan modul secara paralel; baterai berkembang tanpa mengganti yang sudah terpasang. Baris inferensi dengan rata-rata yang sama 8 kW, tetapi puncak 16 kW, membutuhkan energi yang sama, tetapi modul dua kali lipat untuk menanggung arus puncak – puncak, bukan rata-rata, yang menentukan jumlah modul.

Yang perlu dikirim sebelum penawaran

  • Beban pelatihan atau inferensi, dengan daya rata-rata dan puncak yang diukur dalam kW
  • Menit bridging yang diperlukan sebelum generator menyala
  • Ruang rak yang tersedia dalam U dan model UPS atau inverter

Minta perhitungan

Kirim profil beban – pelatihan atau inferensi – dengan daya rata-rata dan puncak dalam kW, menit bridging yang diperlukan, ruang rak yang tersedia dalam U, dan model UPS atau inverter. LJY Energy akan mengonfirmasi jumlah modul, koneksi paralel, dan pengaturan komunikasi, lalu memberikan penawaran untuk baterai dengan syarat pengiriman. Kami mengoordinasikan pengiriman baterai OEM/ODM dari Shenzhen; kami bukan pabrik, dan setiap pesanan dikonfirmasi secara tertulis sebelum produksi.

Rak server di pusat data universitas
Foto: Christopher Bowns, Wikimedia Commons, CC BY-SA 2.0 (diperkecil, WebP). Gambar ilustrasi, bukan produk LJY.

Minta perhitungan baterai rak · WhatsApp +86 159 8945 0735