简而言之
找出可以等待的作业,例如训练、微调、评估和批量推理,在碳强度预测显示电网更清洁时启动它们。定期保存检查点,让长时间作业在碳强度上升时暂停、在下降时恢复,同时守住明确的截止时间。碳感知调度减少的是碳排放而不是能耗,所以应在提高效率的基础上进行。
步骤
- 列出可以等待数小时而无妨的 AI 作业,并注明每个作业真正的截止时间。
- 获取作业运行所在地区的碳强度预测。
- 在仍能赶上截止时间的最清洁时段启动可灵活安排的作业。
- 保存检查点(包括优化器状态),让长时间作业可以暂停和恢复。
- 在记录碳排放的同时记录每个作业的能耗,以免调度掩盖了能耗增长。
大多数训练作业并不需要在您按下回车键的那一刻就开始。 把它们挪到更清洁的时段,就能在不改动模型的情况下降低碳排放。
预测数据从哪里来?
- 在英国(大不列颠),国家能源系统运营商(National Energy System Operator)的 Carbon Intensity API 可提前 96 小时以上预测 14 个地区的碳强度。
- Electricity Maps 提供全球 350 多个区域的实时和预测数据。
- Green Software Foundation 的 Carbon Aware SDK 是一个 Web API 和命令行工具,它利用此类数据,让软件能够“在电力来自清洁低碳来源时多做一些,在不是时少做一些”。
如何处理长时间作业?
Green Software Foundation 针对 AI 工作负载的模式建议,在可行的情况下,根据碳强度阈值暂停和恢复长时间运行的训练作业。这需要定期保存检查点(包括优化器状态),这样作业停止时不会有任何损失。请测量检查点的开销,确保暂停的代价不超过它带来的节省。
常见错误
- 混淆碳排放和能耗。 挪动作业并不会让它用电更少;碳排放数字下降可能掩盖能耗上升。两者都要记录。
- 让截止时间一再推迟。 把截止时间作为硬性限制,而不是一种偏好。
- 按年度平均值来调度。 您需要作业实际运行所在地区的逐小时预测。
- 为很小的作业做调度。 收益来自大型、可灵活安排的运行,而不是每一个脚本。
您也可以选择碳排放更低的地区。请参阅高效训练与推理。
来源
- Carbon Intensity API, National Energy System Operator (2025)
- Carbon Aware SDK, Green Software Foundation (2025)
- Use carbon-aware scheduling and region selection for AI workloads, Green Software Foundation, Green Software Patterns (2025)
- Electricity Maps data, Electricity Maps (2026)
相关内容
我该如何……?
如何选择碳排放低的云区域?
为 AI 工作选择低碳云区域:按区域比较电网碳强度和无碳能源比例,再权衡延迟、数据规定和成本。
我该如何……?
如何查到所在电网的碳强度?
计算 AI 碳足迹时,到哪里获取电网碳强度数据:英国 Carbon Intensity API 和 Electricity Maps 等分地区、按小时的数据来源。
我该如何……?
如何利用云上的闲置算力运行 AI 作业?
在竞价实例或可抢占实例上运行可中断的 AI 工作:让作业能保存检查点并顺利重试,不能中断的工作则放在别处运行。
良好实践
高效的 AI 训练与推理
开发者和研究人员降低 AI 能耗的技术:剪枝、稀疏化、量化、蒸馏、KV 缓存、批处理、混合精度和调度。