先把问题限定清楚：比较的是同样的工作量放在哪
说“同一局游戏放在两个地区”，先要约定两件事不变：玩家做的事一样，服务器承担的计算量一样。变化的只有机器所在的电网，以及机房本身的设施效率。这样比较，耗电的差别只剩下设施开销，碳排的差别则主要来自每一度电是怎么发出来的。
设定一款虚构的多人在线游戏。一个对局服务器槽位在 30 分钟对局里，平均占用 0.2 kW 的IT功率（CPU、内存、网卡的分摊份额），于是一局的IT耗电是 0.2 kW × 0.5 h = 0.1 kWh。这里必须区分功率和电量：kW 是瞬时功率，kWh 是这个功率持续一段时间的积分。一百万局，就是 10 万 kWh 的IT用电。
两个虚构地区的参数表
A 地区以煤电为主，电网平均碳强度取 650 gCO2/kWh，机房较新，PUE 取 1.15。B 地区水电和风电占比高，平均碳强度取 120 gCO2/kWh，但机房老一些，制冷效率差，PUE 取 1.35。故意让B的PUE更差，是为了看清一件事：PUE衡量的是设施效率，它既不反映电力来源是否低碳，也不反映IT负载本身是否高效。
| 项目 | A 地区（模拟） | B 地区（模拟） |
|---|---|---|
| 一百万局的IT耗电 | 100,000 kWh | 100,000 kWh |
| PUE | 1.15 | 1.35 |
| 设施总耗电 | 115,000 kWh | 135,000 kWh |
| 平均碳强度 | 650 g/kWh | 120 g/kWh |
| 碳排 | 约 74.8 吨CO2e | 约 16.2 吨CO2e |
逐步演算：三项连乘，任何一项单看都会误导
A 地区：100,000 × 1.15 = 115,000 kWh；115,000 × 650 g = 74,750,000 g，约 74.8 吨。B 地区：100,000 × 1.35 = 135,000 kWh；135,000 × 120 g = 16,200,000 g，约 16.2 吨。B 地区多用了约 17% 的电（20,000 kWh），碳排却只有 A 的约 22%。这就是“节能”与“减碳”不是一回事：Energy Efficiency 看的是每单位工作量用了多少电，Carbon Efficiency 看的是这些电带来了多少碳。
折回单局看：A 地区一局约 0.1 × 1.15 × 650 ≈ 75 g，B 地区约 0.1 × 1.35 × 120 ≈ 16 g。单局的数字小到没有意义，真正的量级出现在规模上；也正因如此，一局游戏的“碳排”不是游戏本身的属性，而是它在哪里、什么时候被执行的属性。同一份代码、同一批玩家，换一个放置方案，账单上的碳就变了。
反过来也成立。如果只盯着PUE，会把这局游戏放在A地区，因为它“更省电”；如果只盯着碳强度，又会忽略B地区机房的额外开销。九游会AI在做这类比较时，输出的是“IT耗电、PUE、碳强度”三列数据，而不是一个综合得分，让运营人员看得见每一项各自贡献了多少。
现实约束：对战服务器基本不能搬
上面的算法很容易让人得出“把服务器都搬到B地区”的结论，这个结论对实时对战是错的。假设玩家主要在A地区，服务器放到B地区后，单程网络延迟会增加几十毫秒的量级（具体取决于路由和距离，这里不设定具体数值），对节奏快的对战游戏，这直接落在操作反馈上。延迟一旦超出游戏的可接受范围，玩家会掉线、流失，或者改用别的服务器，最后既损害体验，也让此前算出的减碳成为空谈。九游会的设计取向是：实时对战服务器的放置由玩家分布、延迟和 SLA 决定，碳强度只在满足这些约束的候选地区之间做微调。
此外，玩家越是跨区连接，中间经过的路由与骨干网设备越多，网络传输本身也要耗电，这部分在上面的表里没有计入。所以“搬”这个动作的净收益，永远要减去传输和额外冗余的成本。还要考虑容量：低碳地区的机房不一定有富余的机位，突然涌入一批任务，可能把本地玩家的对战服务器挤到高负载，反而拉低体验。
如果玩家本来就分布在两个地区
再换一个更常见的设定：玩家一半在A、一半在B，两边各自的对战服务器本来就贴着玩家。这时两地的耗电和碳排都由玩家决定，运营方能动的杠杆很少：新增容量放在哪个地区、溢出的峰值流量优先落在哪边、两边的机房各自用什么供电合同。这正是这类比较最容易被误读的地方——“B地区更干净”只能指导增量决策，不能指导已经贴着玩家的存量对战服务器。
真正能移动的：把一天的任务拆开看
一款持续运营的游戏，后台每天还有大量不需要即时返回的工作：对局日志和反作弊分析、美术资产处理与压缩、补丁构建、推荐与内容生成的批量推理、报表汇总。它们的共同特点是允许晚几小时完成，也不依赖某个玩家所在的位置。这才是碳感知调度（Carbon-Aware Computing）的用武之地，参见凌晨批处理任务的窗口选择文章：凌晨任务一定要凌晨跑吗？九游会AI如何找到低碳“计算窗口”。
继续用模拟数据。假设某一天需要处理 2,000 kWh 的IT批处理量，机房PUE 取 1.15，总耗电 2,300 kWh。A 地区的碳强度随时间变化：凌晨 2 点因为煤电基荷为主，取 800 g/kWh；中午 1 点光伏出力高，取 380 g/kWh。同样的任务放在凌晨，碳排约 1.84 吨；放到中午，约 0.87 吨，差约 0.97 吨。耗电一度没变，变化的只有“什么时候用”。
| 执行方案 | 总耗电 | 碳强度（模拟） | 碳排 |
|---|---|---|---|
| A 地区，凌晨 2 点 | 2,300 kWh | 800 g/kWh | 约 1.84 吨 |
| A 地区，中午 1 点 | 2,300 kWh | 380 g/kWh | 约 0.87 吨 |
| B 地区（PUE 1.35），任意时点均值 | 2,700 kWh | 120 g/kWh | 约 0.32 吨 |
第三行显示出可移动任务的空间最大：如果日志和资产本来就存放在可以跨区访问的对象存储里，让批处理在B地区运行，节省的碳远大于在A地区内部挑时段。但这里的前提是数据搬运的代价可以接受。数据量很大的任务（比如原始对局回放的重新编码）如果要先把几十TB挪过去，传输的能耗、费用和时间可能吞掉一大半收益。跨区域迁移的更完整讨论，可以看游戏服务器能不能跟着可再生能源“迁移”？实时游戏和后台任务答案完全不同。
平均碳强度与边际碳强度：同一个“凌晨”，两种答案
上面表里用的是平均碳强度：某一时刻整个电网总排放除以总发电量。它适合做核算，也是温室气体核算体系里外购电力排放通常采用的口径。边际碳强度问的是另一件事：多出这一笔用电，会让哪台机组多发电？在晚上，增加的需求通常由燃气或燃煤机组响应；中午，则可能是本来会被弃掉的光伏。两种数值在同一时刻可以大不相同。
近期研究对此有直接的讨论：2024 年的一项研究比较了 65 个地区的平均与边际信号，其中超过一半的地区两种信号呈负相关，只有很少一部分地区强正相关。也就是说，按平均碳强度挑出来的“最干净时段”，从边际角度未必最好，反之亦然。这场争论目前并未完全定论，负责核算的团队与负责调度的团队常常用不同的口径。九游会AI目前的处理方式是把两种口径都保存在数据里，报表按平均因子出，调度建议里明确标注所用的信号，不把单一数字包装成“确定的减碳量”。
这类估算最容易在哪里出错
- 预测误差：碳强度是预测出来的。风光出力偏差、天气变化，会让“最干净时段”整体偏移；预测窗口越长越不准。
- 数据粒度：小时级均值会抹掉更短的波动；区域级数据也可能与机房实际接入的供电线路不一致。
- 购电合同与实际电网：机房通过绿电合同宣称使用可再生能源，与它每小时实际消耗的电网电力，是两种不同的口径，核算时要分别记录。
- 收益上限：一项 2024 年的研究指出，很多地区一天之内的碳强度波动本来就不大，区域之间的高低排序也相对稳定，实际可用的调度空间会明显小于理想情形；而且随着电网中可再生能源占比升高，这个空间还会变化。所以不能把“凌晨改中午”写成可以复制到所有地区的通用收益。
- 延迟任务的隐性成本：任务拖后运行，可能拉长版本发布周期、让排查反作弊问题的响应变慢。低碳窗口不能以拖垮业务节奏为代价，所以每类任务都要事先写明“最迟必须在什么时候完成”。
写进碳核算时，位置法和市场法要分开记
按温室气体核算体系对外购电力（范围2）的指引，企业通常需要并列报告位置法和市场法两个结果：前者用机房所在电网的平均排放因子，后者反映企业自己买的绿电或合同。换到调度场景，这意味着同一次“把批处理挪到B地区”，位置法里的减碳是真实的电网差异，市场法里则取决于合同。九游会碳足迹AI在生成报告时，会把两套口径并排放着，不用其中一套去替另一套背书。
这一切放进一个系统里，九游会当前怎么做
九游会数据中心AI的当前思路，是先把负载分成“不可移动”“可延迟”“可迁移”三档，为每一档设定时间窗口、可选地区和最大延迟；再读入区域电网的碳强度预测和机房的PUE，给出候选的执行时间和地区；最后把方案交给容量与延迟检查，才交由调度器执行。这个过程如果引入更多约束，比如成本、网络与容量，就会变成多目标问题，见游戏数据中心为什么不能只追求最低PUE？九游会AI开始把玩家延迟、算力和碳排放一起优化。
需要坦白的是，九游会目前的调度建议只覆盖可延迟和可迁移的负载，对战服务器仍按延迟优先；而且所有减碳估算都属于模型估计，需要与电表数据、云账单和运维记录核对后才能写进ESG报告。绿色算力并不是为了减碳而牺牲玩家延迟，它的意义在于，在原本就有弹性的那部分负载里，多找一点空间。
