低碳算力真正要解决的，不是省电

谈 AI 基建时，最容易落到一个直觉问题：还缺多少 GPU，还要建多少数据中心？

这个问题当然重要。没有算力，模型训练、推理服务、自动驾驶、工业仿真和科研计算都跑不起来。但如果只盯着“多建”，就会错过另一个更关键的问题：这些算力到底应该在什么时候、什么地方、以什么电力、按什么碳成本被调用？

北京理工大学团队的论文《低碳算力服务回顾与展望》，最有价值的地方不在于给“绿色数据中心”再加一层口号，而是把算力、电力和碳排放放进同一个系统里看。

它提醒我们：低碳算力真正要解决的，不只是省电。

更准确地说，它要解决的是调度权。

错配比短缺更麻烦

如果一个行业只是总量不足，答案相对直接：扩产、采购、建设。

算力的问题没这么简单。论文把中国算力服务的矛盾拆成五个面：需求、供给、传输、市场和环境。读完以后会发现，真正棘手的不是“处处都缺”，而是“缺和闲置同时存在”。

高端智能算力紧张，低端算力可能闲置；东部业务密集，高峰期排队，西部有绿电和土地优势，却未必能承接足够任务；实时业务需要贴近用户，离线训练、渲染、批处理又有条件迁移到低成本、低碳区域；企业想买算力，但价格、计量、服务接口和跨域调度还不够统一。

这种结构下，继续把低碳算力理解成“把机房 PUE 降下来”，是不够的。

PUE 很重要，但它只是机房效率的一部分。一个更高效的机房，如果承接的是低价值、错误时间、错误地点的任务，仍然可能把电力和碳排用错。相反，一个服务系统如果能把不同任务分层，把离线任务迁到绿电更充足的地方，把实时任务留在低时延节点，把闲置资源转成可交易服务，它创造的价值就不只是节能，而是资源重新分配。

不是所有任务都该抢最近的算力

论文中有一个很实用的划分：不同业务对时延和可靠性的要求完全不同。

城市级车路协同、工业控制、智能电网保护切换，可能需要亚毫秒级响应。自动驾驶决策、远程医疗、工业机器人协作，也要求低时延和极高可靠性。短视频推荐、实时风控、互动娱乐，可以接受更宽的时间窗口。模型训练、视频渲染、卫星数据处理、财务核算，则可能是小时级离线任务。

这意味着“算力调度”不能只按谁出价高、谁离得近来决定。

真正的低碳调度，第一步是识别任务的物理边界：哪些任务必须在东部、边缘、近用户位置完成；哪些任务只是被习惯性地放在了高成本区域；哪些任务可以等待；哪些任务可以批处理；哪些任务可以在绿电充足、碳强度更低的区域运行。

这也是“东数西算”最容易被误读的地方。

它不是把所有数据都搬到西部，也不是在西部建更多机房就自动成功。它真正需要的是一张任务表：把时延、带宽、数据安全、能源结构、碳排因子和价格放在一起，决定每一类任务应该去哪里。

没有这张表，西部算力可能继续低利用率，东部业务仍然排队，用户也感受不到价格下降。

电力和碳排正在进入算力价格

过去购买算力，用户最容易理解的是 CPU、GPU、内存、带宽、时长。

以后还会多两层账：电力账和碳账。

国际能源署在 Energy and AI 中预测，全球数据中心用电到 2030 年可能接近翻倍，达到约 945 TWh。这个量级不意味着 AI 一定会压垮电网，但足以说明，算力已经不是单纯的互联网成本项，而是电力系统规划的一部分。

中国政策也已经把这个方向写得很清楚。国家发展改革委等部门发布的《数据中心绿色低碳发展专项行动计划》提出，到 2025 年底，全国数据中心平均 PUE 降至 1.5 以下，可再生能源利用率年均增长 10%，平均单位算力能效和碳效显著提高。《算力基础设施高质量发展行动计划》也把算力规模、智能算力占比、东西部协调、运载力和存储力放在同一组目标里。

这些政策信号合在一起，说明一个趋势：未来算力服务的价格，不会只由硬件折旧和供需决定。

它还会越来越受电价、绿电比例、碳效、调度能力和合规成本影响。

如果一个算力服务平台只能告诉用户“这张卡多少钱一小时”，它还不是完整的低碳算力服务。它至少还要回答：这次任务用了哪里的电？对应的碳强度是多少？同样任务能否在不影响业务的情况下迁到低碳区域？用户为绿色算力支付的成本，是否真的传导到更低排放和更高利用率？

算力券也需要碳坐标

论文提到算力券、算力网、算力市场等政策实践。这里最值得继续追问的是：补贴到底补什么？

如果算力券只是把用户购买成本压低，它会扩大需求，但不一定优化系统。便宜算力可能带来更多低价值调用，也可能让已经紧张的高端资源更拥挤。

但如果算力券和低碳调度绑定，意义就不同了。

它可以鼓励中小企业把适合离线处理的任务放到低碳节点；可以把普惠补贴和绿电消纳结合起来；可以让用户在价格上感受到“低碳算力更便宜、实时高碳算力更贵”的差异；也可以让平台有动力提高闲置资源利用率。

这时，算力券不只是财政工具，而是需求侧调度工具。

同样，碳核算也不能只停留在数据中心年度报告。它要进入服务单元：一次训练、一次批处理、一次推理服务、一个工作流，到底消耗多少电、对应多少碳、有没有更好的调度选择。

只有算力账、电力账、碳账合在一起，市场价格才有可能指挥资源流动。

真正的门槛是三本账合一

低碳算力最容易被讲成一个工程问题：液冷、余热回收、绿电采购、更低 PUE。

这些都重要，但它们不是全部。

更大的门槛在服务层：谁能把分散的算力资源标准化，谁能把跨区域网络和任务类型接起来，谁能把电力价格和碳强度变成调度参数，谁能让用户在价格里看见这些差异，谁就更接近真正的低碳算力服务。

换句话说，未来的算力平台不只是卖机器时间。

它更像一个带碳账本的调度系统。

左边是用户任务：训练、推理、渲染、仿真、批处理、边缘响应。右边是资源池：东部低时延节点、西部绿电集群、边缘算力、存储节点、不同等级的 GPU 和通用算力。中间的调度系统要决定：哪类任务应该马上跑，哪类可以等，哪类可以迁移，哪类应该被价格劝退。

这也是“算力大国”到“算力强国”的差别。

前者强调有多少资源。

后者强调资源能不能被正确调用。

低碳算力真正要解决的，不是给更多机房贴上绿色标签，而是让每一次计算都能回答三个问题：算得值不值，用的电对不对，排的碳有没有被计入价格。

当这三个问题变成同一张调度表，算力才真正从基础设施变成服务。