月度复盘会上，运维同事报告说服务器优化之后用电下降了一成。碳核算同事接着说，同一时期该业务的碳排只下降了两个点。会议室里有人以为其中一个数字有误。其实两个数字都可能正确，它们衡量的是不同的东西：前者是电量，后者是电量乘以一个会变化的排放因子。
这一点正是九游会官网在整个绿色游戏主题里反复强调的口径：节能（Energy Efficiency）和低碳（Carbon Efficiency）相关，但不是同一件事。下面先把几个容易混的概念拆开，再用模拟数字走一遍反直觉的情形，最后讨论平均与边际碳强度，以及什么结论不能下。
三个容易被混用的量：kW、kWh和gCO2
功率（kW）是瞬时速度，一台服务器此刻拉取2kW，就是2千瓦。电量（kWh）是一段时间内功率的积分，2kW持续5小时是10kWh。电费账单和碳核算里通常用的是电量，而不是功率。游戏服务器的功率会随负载起伏，所以看一条功率曲线，需要说清楚是在看某一刻，还是在看一段时间的累计。
碳排则是电量乘以排放因子：碳排(g) = 电量(kWh) × 排放因子(gCO2/kWh)。排放因子取决于电力来源，煤电、天然气、核电、水电、风电和光伏的占比不同，同一个电网在一天里的因子也会大幅变化。因此“省电”和“减碳”之间，天然就差了一个变量。
用模拟数字看：同样少用1度电，减排可以差好几倍
如果优化让区域甲少用了1kWh，少排700g；同样的优化在区域乙少用1kWh，只少排150g。节能量相同，减碳量差了四倍以上。如果公司的节能目标是“总用电下降多少”，那么这两个动作在成绩单上是等价的；如果目标是碳排，优先级就完全不同：应当先去优化区域甲的高耗电环节。
再看反过来的情形。某个团队把一批可移动的后台工作从区域甲迁到区域乙，迁移过程中多用了网络和一点额外的冗余，总用电反而上升了8%。假设原来在甲运行用了100kWh，迁移后在乙运行用了108kWh。碳排从100×700=70,000g降到108×150=16,200g。用电涨了，碳排降了七成以上。当然，这种迁移只对非实时负载成立；实时对战要先满足延迟，服务器往往不能随意搬走，这一点在同一局游戏放在两个地区运行，碳排放为什么可能完全不同里有更细的讨论。
第三种情形是不迁移地区、只迁移时间。假设同一区域内，白天平均碳强度是500 gCO2/kWh，凌晨风电充足时下降到300。一项每晚要跑20kWh的日志分析，如果从碳强度较高的白天窗口移到凌晨，用电量完全没变，碳排从20×500=10,000g降到20×300=6,000g。这就是所谓的Workload Shift：不是少用了电，而是把电用在了更干净的时候。凌晨任务一定要凌晨跑吗一文专门讨论了哪些任务适合被这样挪动，以及为什么“凌晨”不总是最低碳的时间。
还有一种容易被忽视的情形：同一批任务的碳强度窗口很窄。如果凌晨的低碳时段只有两三个小时，而任务需要跑六个小时，硬把整批任务塞进去就可能触发排队、资源争抢或者截止时间违约，最后不得不把一部分任务放回白天。这时真正可行的做法是拆分任务、设置优先级，只移动那些可以中断续跑、结果不着急的部分，而不是追求“全部挪到最干净的时段”。模拟数字看上去很整齐，运营里的约束往往更多。
把三种情形放在一起，你会发现：节能量、迁移量、时间移动量各自对应不同的杠杆，它们对碳排的影响取决于排放因子在“哪里、何时”是多少。任何只报告电量的成绩单，都不足以回答“减了多少碳”。
Energy-aware和Carbon-aware是两种调度思路
Energy-aware（能耗感知）的调度，目标是让同样的工作耗更少的电：提高利用率，合并任务，让空闲机器进入低功耗状态，选择每瓦性能更高的硬件。它的信号是功率和利用率，不需要知道电从哪来。Carbon-aware（碳感知）的调度，在此之上再加入电网碳强度这个信号：可延迟的任务选择碳强度更低的时段，可移动的任务选择碳强度更低的地区。
这两种思路并不冲突，也不互相替代。Energy-aware是基础：少耗电总是有价值的，而且对成本也有帮助。Carbon-aware是在它之上的第二层，会带来新的约束：迁移可能增加网络和冗余，延迟任务可能推迟结果交付。是否值得，要看碳强度的差异有多大，以及任务本身有多少弹性。
一个常被忽略的对比是PUE。PUE = 数据中心总设施能耗 / IT设备能耗，衡量设施效率，属于Energy-aware的范围；它不能告诉你电力来源是否低碳，也不能说明IT负载本身是否高效。因此“PUE很好看但碳排仍高”是完全可能发生的，数据中心PUE很好看，为什么整体碳排还是可能很高里有更详细的推演。
平均碳强度与边际碳强度：同一个问题的两种回答
平均碳强度，是把电网当前所有发电机组的排放按发电量加权平均。它回答的是：“此刻这个电网的电平均有多脏。”边际碳强度回答的是另一个问题：“如果我此刻多用一度电，电网多发的那一度由谁提供，它有多脏。”电网按成本从低到高调用机组，多出来的需求通常由调节能力较强的机组满足，这些机组未必与整体平均水平一致。
公开的研究与数据服务讨论过两者在碳感知优化中的差别：在某些时段，平均值较低而边际机组仍是化石燃料；反过来也存在。因此用平均值做“低碳窗口”决策，可能把任务挪到一个“平均看着干净、边际并不干净”的时段，实际减排低于预期。相应地，做企业碳核算时，GHG Protocol的Scope 2指引要求同时披露基于位置（多用电网平均因子）和基于市场（基于合同工具，比如购电协议或可再生能源证书）两种结果，两者本来就可能不一样。
这里必须诚实地说明不确定性：边际碳强度是模型估算出来的，不是直接测量得到的，不同数据服务的方法和结果可能不同；平均碳强度虽然较容易获得，但按小时的数据未必在所有地区都能拿到，甚至可能延迟到几天之后。因此九游会碳足迹AI在当前的设计取向里，把这两类因子作为可选项，并在结果里标明用的是哪一种，而不是替用户默默选择。
换成运营里的一个具体判断：这个月碳排降了，功劳属于谁
回到开头那次复盘。碳排下降可能来自四个原因：活动数据下降（少用电，或用同样电做了更多事）；排放因子下降（电网更干净了，比如这个月可再生能源占比上升）；可延迟任务被移到了低碳时段；或者数据本身缺了一块。把这四个原因拆开，才能知道该表扬谁、该继续做什么。九游会App里出现“碳排下降但耗电没有明显下降”的情形时，通常也应该从这个思路排查，具体见九游会App为什么有时显示碳排下降，但耗电没有明显下降。
反过来，也要防止把电网的自然变化当作优化成果。假设某个月区域甲的碳强度因为风电大发下降了一成，即使你什么都没做，碳排也会下降一成。合理的做法是用“固定因子”的电量对比来评价优化动作，再用“实际因子”的碳排对比来报告整体结果，两者分别说明不同的事。
哪些结论不能下
第一，不能用一条碳排曲线证明某个优化有效，除非能排除因子变化和数据缺失。第二，不能用一个平均因子去评价一次迁移或时间移动的减排量，除非明确说明这是估算，并给出边际口径下的区间。第三，不能为了低碳而牺牲实时游戏的延迟与SLA，实时对战服务器主要受玩家位置和延迟约束，可移动的空间在日志分析、资产处理、AI推理批处理、补丁构建、内容生成和模型训练这类非实时负载里。第四，不能把可再生能源采购等同于本地实际用的就是低碳电，市场口径和位置口径的差异要在报告里说明。
如果把这些放回整个体系里看，可以回读九游会官网为什么把游戏服务器、碳足迹和电竞赛事放进同一个AI能源系统，那篇文章从系统边界的角度解释了为什么单点节能的成绩单常常不可靠。
九游会官网写这一篇，不是想贬低节能。少耗电依然是一切的起点，它便宜、直接、不依赖外部数据。只是当我们要回答“这件事对气候到底有没有帮助”时，需要再加一个变量：这些电，是在哪里、什么时候、由谁发出来的。
