九游会碳足迹AI

九游会碳足迹AI：从开发、云服务到玩家设备计算游戏环境影响

游戏碳足迹最大的争议往往不是怎么算，而是到底把哪些东西算进去。只算服务器，会低估数以百万计的玩家设备；只算玩家设备，又会漏掉一直在线的后台服务、内容分发网络和开发团队。九游会碳足迹AI这个栏目，围绕的就是这个“边界”问题，以及边界确定之后，数据怎么来、公式怎么写、误差有多大。

先说一个前提：本栏目里带数字的地方，凡是示例都会标注“模拟示例”，只用于演示算法，不代表任何真实游戏、真实玩家或九游会的真实排放数据。

系统边界：先决定算什么，再谈算多少

一款持续运营的游戏至少牵涉这些环节：开发与办公、测试与 CI/CD 构建、云服务与自有服务器、内容分发与网络、玩家终端使用、电竞与线下活动、硬件制造与设备更新。每个环节都可以单独算，但把它们加总之前必须先说明：哪些属于自己的排放，哪些属于价值链上的排放，哪些暂时无法获取数据。

我们在一款游戏的碳足迹到底从哪算起里把这个问题讲得更细。简单说，边界的选择往往比公式的选择更能左右结论，所以九游会碳足迹AI会把边界作为报告的第一项内容，而不是脚注。

举一个常见的分歧：同一款游戏，A 团队把玩家设备排除在外，只统计自己的服务器与办公；B 团队把玩家设备也纳入。两份数字可能相差很大，却没有谁算错，只是回答的问题不同。前者回答“公司自己的运营排放多少”，后者回答“这款游戏给社会带来多少排放”。混着用，就会出现互相矛盾的结论。

Scope 1、2、3 各对应游戏运营里的什么

按 GHG Protocol 的口径，Scope 1 是自有设施或车辆直接产生的排放，Scope 2 是外购电力或热力带来的间接排放，Scope 3 是价值链上的其他间接排放。放到游戏行业：自建机房的备用发电机属于 Scope 1；自有办公室和自建服务器的用电属于 Scope 2；租用云服务、CDN、玩家设备、差旅、硬件采购和电竞赛事等，多数落在 Scope 3。

对大多数游戏公司来说，Scope 3 的占比往往很大，也最难获取准确数据：云服务商可能只提供聚合的排放数据，玩家设备则只能靠设备类型与游戏时长估算。所以在报告中，我们会把实测、供应商提供和估算三类数据分别标注置信度，避免把它们混成一个看起来很精确的总数。

开发侧也不能漏：美术与程序团队的工作站、渲染农场、自动化测试机群、每晚的 CI/CD 构建，本质上都是持续运行的算力，只是运行在办公室或云上。构建流水线里那些可延迟的任务，与线上服务的后台批处理一样，有机会被挪到更低碳的时段，这在九游会绿色运营里有对应的讨论。

活动数据乘以排放因子：算法很简单，输入很麻烦

碳排放的基本形式是活动数据乘以排放因子：用电量（kWh）乘以电网排放因子（gCO2/kWh），传输的数据量（GB）乘以网络强度，设备使用小时乘以设备功率再乘以电网因子。公式本身几乎人人都会写，难的是输入：活动数据来自哪里，排放因子取平均值还是分时段值，区域是否与实际运行位置一致。

这里要注意两个口径。第一，功率（kW）是瞬时量，电量（kWh）是功率在时间上的积分，两者不能混用。第二，节能与减碳并不等价：少用电但用在高碳电网，未必比多用一点低碳电力更少排。因此九游会碳足迹AI既保留能耗视角，也保留碳视角，并且在结果中并列展示。

一小时游戏排放多少：为什么没有通用答案

常被问到的问题是“玩一小时游戏排放多少碳”。这个问题的答案取决于设备类型（手机、笔记本、高端 PC、主机、云游戏终端）、所在地区的电网结构、游戏本身的负载、以及是否需要联网服务。一小时游戏到底排放多少碳用一个模拟示例演示了怎样把这些因素拆成可计算的几项，并说明为什么给出一个对所有玩家都适用的数字并不诚实。

这个每玩家小时（Per Player Hour）的口径，更适合拿来做同一游戏不同场景之间的比较，而不是与别的游戏或别的活动做绝对比较。

做这种比较时，还有一个容易被忽视的细节：玩家不玩这款游戏时，设备也未必关机，可能只是换了别的用途。所以“玩游戏增加的排放”和“设备总排放”是两个不同的量，前者要用增量功率，后者要用总功率。选错口径，同样的设备会得到差别很大的结果，报告里必须写明用的是哪一种。

云游戏：搬进数据中心，不等于自动更绿

云游戏经常被简单地描述成把显卡从玩家桌面搬进云端。但中间多出来的部分同样耗电：数据中心的 GPU 与制冷、视频编码、从服务器到玩家之间的网络传输，以及玩家终端本身。集中计算可以提升硬件共享率，这是潜在的优势；但也可能因为云端画质更高、网络路径更长而抵消它。

公开资料里有一项较早的研究，来自劳伦斯伯克利国家实验室的 Green Gaming 项目，它按当时的设备和约 2021 年前后的情景假设估算，在其边界内云游戏的耗电可能显著高于同等性能的本地设备，最极端的情况约为三倍。这属于较早研究、基于当时的假设，不代表今天的硬件，所以今天的结论必须按具体的系统边界重新测算，详见云游戏把显卡搬进数据中心以后，真的更绿色了吗。我们既不写“云游戏天然更节能”，也不写“云游戏一定更耗电”。

性能预算：画质、帧率与每玩家小时的能耗

4K、高帧率、实时光追和云端渲染都会增加 GPU 的工作量，也就增加每玩家小时的能耗。但简单要求玩家降低画质并不是好办法。更实际的问题是：在视觉体验相近的前提下，能不能通过动态分辨率、AI 超分辨率、帧生成、负载自适应和更高效的视频编码，降低单位体验所需要的算力？

这就是“性能预算”的想法：为一款游戏设定每玩家小时的能耗预算，并观察每瓦性能（Performance per Watt）。相关讨论见4K、120帧和云渲染画质越来越高，游戏碳足迹为什么也需要“性能预算”。要注意，视觉体验的“相近”很难量化，所以任何预算都需要配合人工评估，而不是只看能耗曲线。

更新包与 CDN：经常被漏算的一段

一个大版本的更新包，会被成百上千万次下载。这段流量涉及源站存储、CDN 缓存、骨干网、接入网和玩家的家用路由器，哪一段都在耗电。问题是，“每 GB 传输耗电多少”这类常被引用的数字，不同研究给出的差别很大，分歧来自边界（是否含终端、是否含接入网）、分摊方式和年份。

游戏更新包也有碳足迹吗讨论了这种分歧，以及怎样通过更小的差分包、更好的缓存命中和错峰下载去减少流量本身。九游会的做法是保守地把网络能耗作为一个带区间的估算，而不是一个看似精确的单点数字。

另外，下载流量本身也有“可以不发生”的部分：玩家重复下载、更新失败后整包重下、多设备各下一遍。这些属于运营问题而非核算问题，但一旦被观测到，减少它们对减少网络能耗的效果往往比调整估算系数更直接。

硬件制造与设备寿命：隐含碳不能省

只算运行阶段，会让一台新设备看上去“很省电”，却忽略了制造它已经排放的隐含碳（Embodied Carbon）。对手机、显卡和主机这样的硬件，制造阶段的排放可能占其生命周期的相当比例，所以设备的使用年限会明显影响每小时游戏所分摊的隐含碳：使用越久，单位小时分摊越少。

只算游戏运行够不够介绍了怎样用生命周期评估（LCA）的思路，把制造、运输、使用、回收放进同一个模型。这里同样有不确定性：不同厂商公布的制造排放口径并不一致，我们只能标注数据来源与年份，并给出范围而非单值。

不确定性与九游会碳足迹AI的边界

没有一个碳足迹数字是精确的。活动数据可能缺失，排放因子会随年份变化，平均碳强度与边际碳强度的选择也会改变结论。九游会碳足迹AI目前的设计取向，是在结果里明确展示数据质量、假设列表和敏感性分析：如果把某个假设改一改，总量会变多少。

它能做的是帮助你比较方案、发现高排放环节、生成可复核的报告；不能做的是替你认证减排成果，也不能给出未经核实的减碳承诺。如果你更关心服务器和电网层面的调度，可以看看九游会数据中心AI栏目；如果关心运营侧的节能手段，则可以参阅九游会绿色运营。