Batteripriserna faller – så bygger AI smartare elsystem

Ett tal sticker ut när man pratar om energiomställningen just nu: 108 USD/kWh. Det är BloombergNEF:s globala genomsnittspris för litiumjonbatteripack under 2025 – 8% lägre än 2024, trots att viktiga batterimetaller som litium och kobolt blivit dyrare.

Det här är mer än en industrinyhet. Det är en signal om att energilagring håller på att bli en “standardkomponent” i energisystemet – ungefär som växelriktare blev för solceller. Och när lagring blir billigare förändras spelplanen för AI i energisystem, eftersom AI fungerar bäst när den kan styra något flexibelt: last, produktion och framför allt batterier.

Jag tycker många bolag fortfarande tänker fel här. De ser batterier som ett dyrt tillägg. Den verkliga möjligheten 2026 är att se batterier som programmerbar flexibilitet – och att AI är mjukvaran som får investeringen att betala sig.

Varför sjunker batteripriserna när metaller blir dyrare?

Det korta svaret: överkapacitet och konkurrens pressar priserna mer än råvaror lyfter dem. BloombergNEF pekar på att celltillverkning har byggts ut snabbare än efterfrågan, vilket ger hård prispress.

Några datapunkter från 2025 års prisstudie:

• Genomsnittligt batteripackpris globalt (alla segment): 108 USD/kWh
• Celler: 74 USD/kWh (ca 5% ned)
• Prisfall sedan 2010: 93% (från ca 1 474 USD/kWh i 2025 års dollars)

Det här säger något viktigt om marknaden: kostnaden är inte bara “material + marginal”. Den drivs av skala, lärkurvor, automatisering, fabriksutnyttjande och priskrig.

LFP förändrar kostnadsbilden (och riskprofilen)

LFP (litiumjärnfosfat) har i praktiken blivit standard för stationär energilagring. Det är en stor förklaring till att stigande koboltpriser inte slår lika hårt mot BESS (Battery Energy Storage Systems).

BNEF rapporterar också extremt låga nivåer i “golvet” för LFP:

• Lägsta observerade LFP-cellpris: 36 USD/kWh
• Lägsta observerade LFP-packpris: 50 USD/kWh

Min tolkning: LFP är inte längre en nisch; det är ett kostnadsankare. Och när kemin blir mer standardiserad blir optimering, drift och styrning en större del av konkurrensfördelen. Där kommer AI in.

Stationär energilagring är plötsligt billigast

Det mest överraskande i 2025-data är att stationär lagring blev billigast av alla segment. BloombergNEF anger ett globalt snitt på 70 USD/kWh för stationära batteripack – 45% lägre än året innan.

Det är ett dramatiskt fall. Det betyder inte att hela anläggningen kostar 70 USD/kWh (PCS, transformatorer, bygg, projektering, nätanslutning, brandskydd och styrsystem tillkommer). Men batteridelen är central, och när den faller snabbt flyttas tröskeln för lönsamhet.

Kina driver prispressen – och exporten flyttar konkurrensen

BNEF beskriver en “massiv överkapacitet” i Kina riktad mot stationär lagring: 557 GWh/år i produktionskapacitet, ungefär dubbelt mot global efterfrågan i segmentet.

Regionalt ser man också olika prisfall:

• Kina: -13%
• Europa: -8%
• Nordamerika: -4%

När exportflöden styrs om (bland annat av tullar och handelspolitik) hamnar mer volym i Europa – vilket pressar europeiska priser. För svenska aktörer betyder det här två saker:

1. Inköpsläget kan vara bättre än många budgetar antar, särskilt om man upphandlar smart.
2. Leverantörslandskapet blir mer dynamiskt: fler aktörer, snabbare prisrörelser, större behov av teknisk due diligence.

Vad betyder lägre batteripriser för Sveriges energisystem 2026?

När batterier blir billigare blir flexibilitet billigare – och då blir mer vind och sol enklare att integrera. Det här är den direkta kopplingen till “AI inom energi och hållbarhet”: AI gör mest nytta när den kan styra flexibilitet i realtid.

Sverige går in i 2026 med flera parallella utmaningar som batterier kan hjälpa till med:

• Mer väderberoende produktion i systemet (särskilt i södra Sverige)
• Lokal nätträngsel och lång ledtid för nätförstärkningar
• Större skillnader i timpriser som skapar incitament för optimering

Tre konkreta användningsfall där AI + batterier ger effekt

1) Prisoptimering och riskstyrning (handel/biträdande tjänster) Nyckeln är inte bara att “ladda billigt och sälja dyrt”. Den verkliga intjäningen kommer ofta från att kombinera:

• spotpris-arbitrage
• stödtjänster
• begränsningar i nät/anslutning
• degraderingskostnad

AI kan här användas för prognoser (pris, frekvens, last) och för beslutsoptimering (när ska batteriet cyklas, med vilken effekt, hur mycket reserveras?). Jag har sett att bolag som räknar på “en intäktsström i taget” ofta underskattar potentialen – men också riskerna.

2) Peak shaving och effekttariffer för industri och fastigheter Allt fler elkunder behöver hantera effektuttag. Batterier blir ett sätt att köpa sig tid när processer inte kan ändras direkt.

AI tillför två saker:

• bättre korttidsprognoser (15–120 minuter) för att undvika onödiga cykler
• styrning som tar hänsyn till både komfort/produktion och batterihälsa

3) Nätstöd lokalt (”non-wires alternatives”) När nätet är fullt blir batterier en av få åtgärder som går snabbare än stora nätinvesteringar. AI behövs för att:

• förutse när flaskhalsar uppstår
• koordinera flera resurser (batteri, laddning, sol, värmepumpar)
• följa nätkoder och lokala begränsningar

Så får du batteriinvesteringen att hålla – AI som “livslängdsförsäkring”

Billigare batterier är bra. Men fel drift kan äta upp vinsten. När inköpskostnaden faller blir det lätt att fokusera på capex och glömma att verkliga pengar ligger i:

• degradering (cykler, temperatur, C-rate)
• tillgänglighet (fel, garantihantering)
• styrstrategier som minimerar “dåliga” cykler

Här är en praktisk princip: Varje battericykel ska ha ett tydligt affärsskäl. AI kan hjälpa till att sätta en “intern kostnad” på cykling genom att modellera degraderingen och väga den mot intäkten.

Checklista: krav du bör ställa på AI-styrning för BESS

Om du upphandlar ett batteri eller en optimeringstjänst 2026, ställ krav som går att verifiera:

1. Degraderingsmodell i styrningen (inte bara efterhandsrapportering)
2. Möjlighet att sätta policy: max cykler/dygn, SoC-fönster, temperaturgränser
3. Transparens i beslut: varför laddade/ur-laddade systemet kl 18:00?
4. Scenario- och backtesting på historiska priser och driftsdata
5. Fail-safe-lägen vid kommunikationsbortfall eller avvikande mätvärden

Det här är inte “nice to have”. Det är sådant som avgör om en anläggning blir en kassako eller en huvudvärk.

Vanliga följdfrågor (som beslutsfattare brukar fastna i)

Kommer batteripriserna fortsätta ner?

BloombergNEF bedömer -3% i genomsnitt för 2026, till strax under 105 USD/kWh. Samtidigt varnar de för att höga råvarupriser kan pressa marginaler och i ett ihållande scenario ge kortsiktiga prisuppgångar.

Min ståndpunkt: räkna inte med raka linjer. Planera för volatilitet och säkra affären med bra kontrakt, garantier och flexibilitet i design.

Är “billigt batteri” samma sak som “billig anläggning”?

Nej. Batteripack är en stor del, men systemnivå (turnkey) påverkas av elkomponenter, bygg, brand, integration och nätanslutning. För svenska projekt är ofta nätanslutning och bygglogistik större osäkerheter än cellpriset.

Spelar kemi fortfarande roll om AI styr allt?

Ja. AI kan inte trolla bort fysiken. LFP har andra egenskaper än NMC (energidensitet, temperaturbeteende, degraderingsprofil). Bra AI-styrning tar hänsyn till den faktiska kemin och datan från BMS.

Nästa steg: gör batteriet till en AI-tillgång, inte en låda på gården

Batteripriserna faller för att marknaden är brutal – och det gynnar köparen. Men den som vinner i Sverige 2026 är inte bara den som pressar inköpspriset. Det är den som kopplar ihop lagringen med en tydlig driftstrategi och använder AI för att:

• välja rätt intäktsmix
• minska onödiga cykler
• förbättra prognoser och beslut i realtid

Det här passar rakt in i vår serie om AI inom energi och hållbarhet: när lagring blir billig nog att rullas ut brett blir AI skillnaden mellan “vi har ett batteri” och “vi har ett smart energisystem”.

Vill du ta nästa steg? Börja med att kartlägga var flexibiliteten ger mest värde i din verksamhet: prisrisk, effekt, nätbegränsningar eller tillgänglighet. Sedan kan vi prata om hur AI-styrning och datakrav ska se ut för att det ska fungera i praktiken.

Vilken del av din energikostnad är mest “styrbar” med batteri – pris, effekt eller driftstabilitet?