碳账本翻到硅片上:低碳计算技术能算清自己那一笔吗
一份数据中心的碳报表摊在桌上。运行排放比上季度降了18%,采购部门挺高兴。运维负责人却皱着眉——他们刚把一批服务器从三年延用到五年,按某些口径,这该更“绿”才对。矛盾卡在哪?卡在算账的边界上。
低碳计算技术这几年被反复提起,但多数讨论停在名词层面。它到底改的是什么,改到什么程度,什么时候不成立,很少有人愿意说清。下面几段,尽量往具体处走。
PUE压下去了,账本并没有自动合上
PUE是个被用滥的指标。它衡量机房总电耗与IT设备电耗之比,制冷、配电、照明都算进去。从1.5压到1.1,数字上很漂亮。可PUE只描述基础设施的损耗,完全不描述IT设备本身的能效。
于是出现一种常见误读:PUE 1.1的机房,一定比PUE 1.3的机房低碳。未必。一个跑着五年前老加速卡的集群,每瓦有效算力可能低到新集群的三分之一。基础设施省下来的那点电,被算力效率的差距一口吃掉。反过来也成立——某些高密度训练集群PUE不低,因为散热成本随功率密度上升,但单位有效算力碳排反而更低。
所以PUE是基础设施指标,不是计算效率指标。把两者混为一谈,报表就会好看而失真。
数据中心GPU集群液冷机柜部署实景
碳感知调度:听得见电网,未必跟得上负载
碳感知调度(carbon-aware scheduling)的思路不复杂:电网碳强度随时间和地域波动,单位是gCO2/kWh。既然有波动,就把可迁移的负载挪到低碳时段或低碳区域去跑。
机制上分两条路。时间维度,预测未来几小时的碳强度曲线,把批处理、模型训练这类可以等的任务推迟;空间维度,把不敏感任务调度到碳强度更低的区域节点。
听起来顺。限制也不少。交互式服务没法推迟,用户不会为了等一个低碳窗口而不刷页面。碳强度预测本身有误差,预测错了,迁移反而增加无效开销。迁移过程要传数据,网络传输有能耗,搬一趟的成本可能超过省下的碳。还有一个容易被忽略的边界:碳强度波动小的电网,时间迁移的收益天花板很低。以水电或核电为主的区域,全天碳强度都在低位徘徊,迁移来迁移去,差别不大。
更麻烦的是协同风险。所有数据中心都盯着同一条低碳曲线做决策,很可能在同一时段叠加负载,把局部电力需求顶出一个尖峰。尖峰时段边际机组往往是高排放的调峰电源。单个节点看是省了,系统层面未必。
这类问题不是否定碳感知调度,而是说明它需要与电网侧信号联动,不能各算各的。
芯片出厂之前,碳已经花掉了
前面说的都是运行排放。真正难算的,是隐含碳。
先进制程晶圆厂的能耗、超纯水、特种气体、化学品,加上封装测试,构成制造阶段的碳足迹。一颗高端加速器的制造排放可以到数百公斤CO2e量级,具体数字取决于制程、良率、代工厂的供电结构。这个量级不小。
问题在于,AI硬件迭代节奏快。一代产品往往一年左右就被替换。寿命越短,制造碳摊销到每单位算力上的份额就越高。这时候只报运行碳,等于把大头藏在表外。
合理的口径应该是:运行碳 + 制造碳 / 有效使用年限,再除以有效算力。只有这个组合数,才谈得上比较。
那延长使用年限是不是一定更低碳?也不是。旧设备的能效差,多跑一年,多耗的电可能已经超过省下的制造摊销。这里给一个判断条件:若新芯片的能效提升幅度,超过制造碳增量除以剩余运行碳的比值,替换才划算。这是条件判断,不是普适结论。
芯片晶圆制造洁净车间自动化产线
液冷、余热回收,以及被低估的水账
液冷、余热回收,以及被低估的水账
液冷几乎成了高密度机房的默认选项。散热效率确实高,允许的功率密度也高。但冷却液、泵、CDU的制造和运行能耗,以及水耗,都需要计入。
余热回收常被讲成一笔稳赚的买卖。现实中,数据中心余热温度品位偏低,多数场景难以直接匹配城市热网需求。能回收的前提是附近有稳定的热需求——温室、泳池、区域供热——而且距离不能太远,否则管路损耗吃掉了收益。有些项目宣称回收率很高,实际要看季节。夏季热需求不足,余热直排,全年平均下来数字会缩水不少。
水,是另一个常被忽略的维度。蒸发冷却省电,但耗水。在水资源紧张地区,省电和节水之间存在真实的取舍,不是一句“绿色数据中心”能盖过去的。
边界之外:那个数到底代表什么
边界之外:那个数到底代表什么
碳核算有位置法和市场法两套口径。买绿电协议可以把账面排放压得很低,但物理上从电网取的电并没有因此变绿。这不是说绿电采购无用——它确实在推动新增可再生能源装机——而是说,不能只看一个数字就下结论。
地域边界、时间边界、核算方法,任何一项变化,结果都可能翻盘。低碳计算技术要解决的,本质上是把物理约束翻译成软件和硬件决策的问题。翻译得准,账目清晰;翻译得糙,就是自欺。
账,总归是要算的。