让算力跟着绿电走，绿枢智算开发碳感知调度系统

人工智能和大模型训练、推理的需求不断增长，数据中心在能耗、电费和碳排放上承受着多重压力。算力基础设施要绿色转型，关键课题就在于既保住算力服务质量，又把绿电用得更充分、把能源成本压下来。

哈尔滨商业大学的一支大学生团队近日在推进「绿枢智算」项目，思路是用在线优化算法、数字孪生和软硬件协同设计，搭一套跨区域风光联动的算力柔性调度与碳协同管控系统，把电力成本、碳排放强度、绿电出力和算力负载放进同一个调度体系里，为数据中心绿色转型提供新的解法。

从算力调度到能源协同，解决绿电与算力错配问题

团队认为，眼下数据中心的能源管理和算力调度还有点各管各的。传统调度策略盯的主要是资源利用率、任务完成时间和服务质量，对区域电网实时碳排放强度以及风光绿电出力的变化考虑不够。结果是，一些区域绿电供应充足时，算力任务未必能及时对上当地的能源供给；电价和碳排放强度高的时段，一些本来有时间弹性的计算任务却仍在照常跑。能耗监测这一头也有短板：传统做法多以机房或列头柜为计量单位，不同机柜、设备乃至算力任务各自耗了多少能，很难精细追踪。CPU、GPU、FPGA等异构计算资源越来越普及，不同设备在功耗、散热和任务适配上的差异，又让调度更难做。

绿枢智算的办法是以在线凸优化（OCO）为核心搭起碳感知调度引擎，并引入自适应在线镜像下降（AOMD）策略，依据电价、碳排放强度、绿电出力和算力负载等信息，动态调整任务分配的权重。电费、碳排放、网络成本和负载均衡被放进同一个优化框架，同时加上任务时延、异构算力匹配、数据合规等约束，防止为了追低碳而拖累业务运行。

软硬一体设计，搭建绿色算力管理平台

软件算法之外，项目还设计了绿电联动分层异构算力调度机柜。机柜采用42U标准工业机柜结构，把能源控制、异构算力、储能散热分层管理，支持CPU、GPU、FPGA等不同类型算力资源协同调度。方案里规划了16项标准化接口，用来采集能源、设备功耗、温度及算力负载等数据，相关发明专利已进入受理阶段。

软件这边，团队开发了绿色算力调度管理平台原型，功能覆盖数据中心监控、碳排放管理、智能调度、算法分析、硬件管理和运行报告。演示场景配置了六个数据中心节点，能展示各节点的算力负载、PUE、碳排放强度及绿电占比，机柜内部不同分区的运行状态则通过数字孪生界面呈现。

项目BP显示，在六台机柜数字孪生实例的仿真测试中，机柜级PUE均值约为1.065，绿电供电占比均值约为74.5%。不过这些指标都出自仿真环境，还没经过物理机柜长期实测，也没有在真实生产集群上验证过，实际应用中仍需进一步检验。

核心算法研发、仿真环境搭建和平台原型开发目前均已完成，软件著作权登记与核心机柜发明专利也都已进入受理阶段。

聚焦数据中心客户，探索节能服务商业模式

商业模式上，绿枢智算走的是「平台订阅+节能服务+增值运营」的组合路子，客户主要是独立IDC、行业自建数据中心、云计算企业及算力园区等。基础平台服务通过软件许可与年度订阅提供，收入则围绕能效优化、算力调度、碳排放核算及低碳运营咨询来拓展。

现阶段团队更看重两类客户：一类是有一定规模、同时有能源成本优化需求的独立IDC和行业自建机房；另一类是拥有大模型训练等高弹性计算任务的算力企业。调整任务执行时间和部署节点，这类客户有望把能源成本降下来，绿电利用率也能提上去。

按团队规划，未来6—12个月的重点是首批种子客户POC测试。具体打法是拿轻量化Kubernetes调度插件切入2—3家中小型自建机房或数据服务企业，做为期四周的A/B对照测试，验证12%—18%的电费节约目标，同时摸索阶梯订阅、节能收益分成等收费方式。

团队由哈尔滨商业大学学生宋颜芯带队，薛磊、范达铭、夏安、杨紫涵、衣双、张瑞等成员共同参与，范智强、郑志哲担任指导教师。团队曾获安永ESG大学生创新挑战赛二等奖。

对这支大学生创业团队来说，算法在理论上跑得通，只是产品走向产业应用的起点。从仿真环境进入真实数据中心，物理机柜加工与联调、真实设备协议适配、生产集群测试、长期运行验证，这些都还得做完。下一阶段的关键，是把技术优势变成真实机房中可量化、可复核的节能价值，并建立起客户愿意持续付费的模式，这也是绿枢智算商业化探索要面对的考验。