一场赛事直播结束后，运营方想知道它到底耗了多少电，常见的第一反应是去问转播团队用了多少设备、云平台账单上有多少转码时长。这两个数字有用，却只覆盖了链条的一头。观众那一头有几十万台各种屏幕在亮着，中间还有CDN和网络在搬运几百TB的视频数据。把这几段拆开分别估，才能知道该往哪里下功夫。
先划边界：直播的电分四段，赛事本体和观众出行不在这里
这篇文章只谈“信号从赛场出去、到观众屏幕亮起”这一段，分成四部分：制作现场（摄像、导播、回放、音频、现场编码），编码与转码（把一路信号转成多档码率），分发（源站、CDN、运营商网络），观看端（电视、电脑、手机、平板等）。选手PC、场馆空调和观众到场的交通属于另外的账，前者见电竞赛事最大的碳排放一定来自电脑吗，观众出行则可以看电竞比赛电脑功耗很高，但为什么观众交通可能更值得先优化。边界要先写下来，否则同一度电可能被算两遍，或者哪边都没算。
第一段：制作现场，设备多但时间可控
制作端的用电主要来自摄像与灯光、导播切换台、回放与包装服务器、音频设备、编码器，以及为这些设备配套的供电和空调。如果采用远程制作，一部分设备会转到异地的演播室或云上，用电从场馆转移到了别处，总量不一定下降。这一段的好处是可以直接读表：分路计量或者设备铭牌功率乘以运行小时，都比后面几段更接近实测。难点在于赛前调试、彩排和备用链路——直播开始前的几天往往有大量设备在空转，这部分要单独记录，而不是只算比赛那三个小时。
第二段：编码与转码，为什么“多开几档码率”不是免费的
为了让不同网速和设备的观众都能看，一路直播信号通常会被转成多档分辨率与码率。转码是计算密集型任务，用CPU、GPU或专用编码芯片完成，电量随档位数、分辨率、帧率和编码器效率变化。2024年一篇关于视频流能耗与环境影响的综述（Afzal等）把编码方案、资源需求、存储、内容获取、解码和显示都列为影响能耗的因素，并指出HTTP流媒体里码率设置不够灵活、播放器对硬件利用不理想，是仍待改进的空白。
实务上要问三件事：转码是在云上按需开启，还是长期保留；档位表是否包含没人看的高档；低延迟直播的分片更短，请求次数更多，源站和CDN的压力是否随之上升。九游会AI在记录这一段时，会读取每一档的观看时长占比，这样才知道哪些档位是真在用，哪些只是保留着。
第三段：CDN与网络，数据量好算，每GB用多少电最难定
设一场直播平均同时在线10万人，观看3小时，平均码率6 Mbps。6 Mbps折合每小时约2.7 GB，每人3小时约8.1 GB，总传输量约81万GB（约810 TB）。这个数字靠日志就能核对，比较可靠。
麻烦在下一步：把81万GB乘以“每GB多少kWh”。如果系数取0.01，结果是8100 kWh；取0.1，就是81000 kWh，差了十倍。系数从哪来，学界分歧不小：有的方法用整个网络的年耗电除以年流量，得到的是平均值；有的只算因流量增加而增加的那部分，得到的是边际值，通常更小，因为大部分网络设备无论流量多少都在通电。较早的公开分析里，一些广为流传的“看半小时视频排放上千克二氧化碳”的说法，后来被IEA的核查指出存在码率取值偏高、把兆比特与兆字节混淆、沿用过时的网络能耗系数等问题，相关估算被高估了将近百倍。这个教训很直接：只要系数没有来源、没有年份、没有口径，就不要把它当作事实写进报告。
第四段：观众终端，往往被省略，却常常是大头
继续上面的示例，总观看时长是30万小时。设三类终端的功率为：电视80 W、笔记本30 W、手机3 W（均为示意值）；观众构成设为20%电视、40%笔记本、40%手机。加权平均约29.2 W，总电量约30万小时乘以29.2 W，等于约8760 kWh。如果观众全在大屏电视上，同样30万小时会是24000 kWh，全在手机上则只有900 kWh。
把三段放在一起看：在系数取0.01时，网络约8100 kWh，与终端8760 kWh相当；系数取0.1时，网络是终端的九倍多。也就是说，“哪一段最大”本身就随假设摆动。IEA较早的分析在其设定的设备构成下曾得出终端设备占比最高、数据传输次之、数据中心最小的结论，但它基于当时的观众设备结构，不应直接套到今天的电竞观众身上——电竞观众里手机和电脑的比例、开着直播同时在玩游戏的人数，都会改变结果。还有一个容易忽略的问题：观众本来就开着设备，看直播不一定“新增”了这部分用电，这取决于你想回答的是“归因”还是“增量”。
把电换算成碳，以及结果该怎么报
电量之后还要乘排放因子。观众分布在不同地区，每个地区电网的碳强度不同，把所有观众按一个全国平均值处理，会掩盖差异；CDN节点所在地区和转码所在云区域，也应分别取对应的因子。少用电不等于少碳排，这一点在直播里同样成立：把转码任务放到低碳区域的云上，电量可能不变甚至略增，碳排却可以下降；反过来，下调高档位码率能同时减少电量和数据量，是更确定的收益。
九游会绿色电竞的做法是把四段分别记账，输入是设备清单与功率、转码时长、CDN日志的流量、各终端类型的观看时长，输出不是一个数字，而是带假设的区间，并且标明哪一段的不确定性最大。九游会碳足迹AI目前能做的，是帮运营人员对比不同系数下的结果，指出哪个假设对结论影响最大；做不到的，是替平台补上没有的日志，或者证明某个系数“就是对的”。如果拿到的只有账单，没有分终端的观看时长，那么观看端只能给出很宽的范围。
估算什么时候会错，以及能下哪些结论
- 把峰值并发当平均并发，会高估观看端和网络；反过来只用平均值又低估峰值时刻的电力需求（功率kW和电量kWh也别混用）。
- 码率取自宣传值而不是日志实测，可能整体偏高。
- 多CDN、多平台同步转播时，同一个观众只应被算一次，重复统计很常见。
- 回放点播、剪辑二次分发的流量不在直播窗口内，需要单独算。
能下的结论是：哪些环节可以直接读表，哪些环节的结论会随系数翻倍，降码率、精简档位、按需转码这类动作的方向是否正确。不能下的结论是：“一场电竞直播总共排放了多少吨”这样一个没有区间的数字，更不能用它去和另一场赛事作精确比较。想把直播数据放进整个赛事的碳账本，可以配合游戏更新包也有碳足迹吗里对下载和CDN流量的分析方法，两者在流量估算上是同一套问题。
