AI数据中心开始“看电网吃饭”，100GW灵活容量背后PCB会发生什么？

2026年9月16日，英伟达、谷歌与Emerald AI宣布成立AI能源管理联盟（AEMA），推动AI数据中心根据电网实时状况动态调整用电。联盟提出，通过调整计算负载、调用储能和现场发电等方式，提高数据中心用电灵活性，有望从现有美国电力系统中释放最高100GW容量。公开信息显示，这种模式还可能为每GW新建AI数据中心节省约7.33亿美元的电力系统成本。

AI数据中心过去讨论最多的是“需要多少电”，现在问题开始变成：这么大的用电负荷，能不能跟着电网一起调？

而一旦数据中心从持续用电转向动态调电，变化的不只是软件调度，背后的储能、电源转换和控制硬件同样要跟着变化。

不只是多建电站，算力也开始学会“错峰用电”

传统数据中心更像一个稳定的大负荷：服务器持续运行，供电系统负责把电稳定送进去。

但AI集群的功率规模越来越大，如果所有算力都要求全天保持固定功率，电网就需要按照高峰负荷准备更多容量。

AEMA探索的是另一条路线。

当电网紧张时，一部分可以延后的AI训练、批处理任务可以短暂降低功率，部分任务也可以转移到其他区域；与此同时，电池储能和现场发电可以补充供电。等电网压力下降，再恢复计算负载。

Google目前已将约1GW需求响应能力纳入美国长期能源合同，英伟达与Emerald AI也在推进接近100MW的电力灵活型AI工厂项目。

换句话说，未来的数据中心不仅要管理服务器，还要同时管理算力和电力。

储能加入数据中心，PCB面对的不只是“大电流”

如果这种模式扩大，储能系统会成为其中一种重要的调节工具，但需要注意：联盟提出的100GW是可释放的电网容量，并不等于需要建设100GW储能。

真正值得PCB行业关注的是数据中心电力系统的复杂度。

一套储能系统内部通常涉及BMS、电池簇管理、PCS以及通信和控制模块。过去电从电网进入数据中心后主要沿着既定路径分配，加入储能和现场能源后，电能需要在不同设备之间转换、监测和调度。

PCB面对的要求也因此分化。

BMS和控制板关注采样精度、通信稳定性与长期可靠性；功率转换及驱动相关电路则更关注大电流、散热、电气间距以及功率器件工作带来的热应力。

这类场景可能涉及厚铜PCB、金属基板以及其他热管理方案。但并不是“电流越大，铜就越厚”，最终仍要根据电压、电流、功率器件和散热结构进行设计。

功率越来越大，真正困难的是长期稳定运行

AI数据中心对电力设备有一个很现实的要求：不能只在实验室里工作。

服务器长期运行，储能系统反复充放电，PCS持续进行电能转换，设备还要面对温升和负载变化。PCB上的铜厚均匀性、孔铜可靠性、绝缘间距以及焊点质量，都可能影响长期运行表现。

尤其是功率器件。

MOSFET、IGBT以及其他功率半导体在工作过程中会产生明显热量，PCB既要承担电气连接，又要处理局部热量集中问题。

因此制造端的挑战不只是“能不能做厚铜”，还包括线路蚀刻、孔铜、电镀均匀性、压合以及后续SMT焊接等环节能否保持一致。

聚多邦目前可提供0.5—20oz铜厚PCB制造，并覆盖金属基、埋嵌铜块、热电分离等工艺，同时提供PCB、SMT及PCBA配套服务。对于储能、电源和工业控制类项目，这类能力更适合根据具体功率、结构和散热要求进行组合，而不是单独追求某一项参数。

AI算力扩张，正在把“电源板”推到更重要的位置

过去谈AI服务器PCB，行业注意力更多集中在GPU主板、高多层板、HDI以及高速交换机。

现在，电力正在成为另一个不能忽视的方向。

从服务器电源，到机架级供电，再到储能、PCS、BMS和数据中心能源管理系统，AI基础设施越往高功率发展，围绕电力转换、监测和控制的电子硬件就越复杂。

它们与GPU主板面对的是不同的技术问题。

高速计算板关注信号完整性和高密度互连；功率与能源控制板更关注载流、绝缘、散热和长期可靠性。两条技术路线最终都指向同一个变化：AI数据中心的PCB价值正在从计算板卡向整个基础设施系统延伸。

100GW目前更适合看作一种可释放电网容量的技术与产业目标，而不是已经形成的设备订单。

但AEMA释放出的信号很清楚：AI基础设施下一阶段解决的不只是“哪里还能找到更多电”，还要解决“已有的电怎样用得更灵活”。

当算力开始根据电网状态调整运行，储能、电源转换和智能控制系统的重要性也会随之提高。对PCB制造端而言，值得观察的就不只是AI服务器需要多少层板，而是AI数据中心的扩张，会不会进一步带动厚铜、热管理、高可靠控制板以及系统级PCBA需求向上延伸。