让算力跟着绿电走，绿枢智算开发碳感知调度系统

随着人工智能、大模型训练及推理需求持续增长，数据中心面临着能源消耗、用电成本与碳排放的多重压力。如何在保障算力服务质量的同时，提高绿电利用率、降低能源成本，成为算力基础设施绿色转型的重要课题。

近日，来自哈尔滨商业大学的大学生团队正在推进「绿枢智算」项目，尝试通过在线优化算法、数字孪生及软硬件协同设计，构建跨区域风光联动算力柔性调度与碳协同管控系统，将电力成本、碳排放强度、绿电出力和算力负载纳入统一调度体系，为数据中心绿色转型提供新的解决方案。

从算力调度到能源协同，解决绿电与算力错配问题

在团队看来，当前数据中心的能源管理与算力调度仍存在一定脱节。传统调度策略主要关注资源利用率、任务完成时间和服务质量，对区域电网实时碳排放强度及风光绿电出力变化考虑不足。当部分区域绿电供应充足时，算力任务未必能够及时匹配当地能源供给；而在电价和碳排放强度较高的时段，部分具有时间弹性的计算任务仍可能持续运行。

与此同时，传统能耗监测通常以机房或列头柜为主要计量单位，难以精细追踪不同机柜、设备及算力任务的能源消耗。随着CPU、GPU、FPGA等异构计算资源普及，不同设备在功耗、散热和任务适配方面的差异，也进一步增加了调度难度。

针对这些问题，绿枢智算以在线凸优化（OCO）为核心构建碳感知调度引擎，引入自适应在线镜像下降（AOMD）策略，根据电价、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权重。同时，将电费、碳排放、网络成本和负载均衡纳入统一优化框架，并设置任务时延、异构算力匹配及数据合规等约束，避免单纯追求低碳而影响业务运行。

软硬一体设计，搭建绿色算力管理平台

除软件算法外，项目还设计了绿电联动分层异构算力调度机柜，采用42U标准工业机柜结构，将能源控制、异构算力及储能散热进行分层管理，支持CPU、GPU、FPGA等不同类型算力资源的协同调度。机柜方案规划了16项标准化接口，用于采集能源、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。

在软件方面，团队开发了绿色算力调度管理平台原型，涵盖数据中心监控、碳排放管理、智能调度、算法分析、硬件管理及运行报告等功能。平台演示场景配置了六个数据中心节点，可展示不同节点的算力负载、PUE、碳排放强度及绿电占比，并通过数字孪生界面呈现机柜内部不同分区的运行状态。

根据项目BP，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，上述指标均来自仿真环境，尚未经过物理机柜长期实测或真实生产集群验证，仍需在实际应用中进一步检验。

目前，团队已完成核心算法研发、仿真环境搭建及平台原型开发，软件著作权登记与核心机柜发明专利均已进入受理阶段。

聚焦数据中心客户，探索节能服务商业模式

在商业模式上，绿枢智算采用「平台订阅+节能服务+增值运营」的组合模式，主要面向独立IDC、行业自建数据中心、云计算企业及算力园区等客户，通过软件许可与年度订阅提供基础平台服务，并围绕能效优化、算力调度、碳排放核算及低碳运营咨询拓展收入来源。

现阶段，团队更关注具有一定规模、同时存在能源成本优化需求的独立IDC和行业自建机房，以及拥有大模型训练等高弹性计算任务的算力企业。这类客户有望通过调整任务执行时间与部署节点，降低能源成本并提高绿电利用率。

按照团队规划，未来6—12个月将重点推进首批种子客户POC测试，计划通过轻量化Kubernetes调度插件切入2—3家中小型自建机房或数据服务企业，开展为期四周的A/B对照测试，验证12%—18%的电费节约目标，并探索阶梯订阅或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，并有范智强、郑志哲两位指导教师。团队曾获得安永ESG大学生创新挑战赛二等奖。

对于这支大学生创业团队而言，算法理论上的可行性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，还需要完成物理机柜加工与联调、真实设备协议适配、生产集群测试及长期运行验证。下一阶段，如何将技术优势转化为真实机房中可量化、可复核的节能价值，并建立可持续的客户付费模式，将成为绿枢智算商业化探索的关键。