随着数字化持续加速,信息技术已成为企业碳排放的重要构成部分。Green IO在伦敦召开的会议把绿色软件与可持续IT从理论推进到实践,来自HSBC、OVO Energy与英国政府的案例展示了可衡量、可落地且具商业价值的绿色技术路径。这些实践既关乎能源效率,也涉及采购、架构选择、运维流程与组织文化的变革。本文基于大会分享,提炼出关键方法与落地建议,帮助技术团队把"绿色"变成现实的业务能力。 为什么绿色IT不再只是道德选择而是经营策略 数字服务的快速扩张、LLM与AI应用的激增,使得计算资源与能源需求急剧上升。根据研究,某些聊天机器人在全球范围内的采用增长极快,用户基数达到数亿级别,这意味着任何单一架构或模型的效率改进都会带来显著的节能效益。
与此同时,云提供商、监管要求与客户对可持续性的期望,使得技术团队必须在设计、采购与运维阶段把碳排放考虑进去。Green IO的三则案例强调了一个共同点:可持续性可以且应当与成本节约、性能优化并行推进。 HSBC:以数据与开源工具建立可量化的碳盘查能力 HSBC的技术可持续团队在跨组织规模上推进低碳转型,覆盖自有数据中心、私有云与公有云混合环境。面对数以万计的员工和复杂的技术资产,HSBC把首要任务放在数据可观测性与衡量标准的统一上。团队开发了开源工具 Measuring Real Power Use of Software Applications(MRPUSA),用于评估单个软件应用的真实功率与碳排放,提供了应用级别的细粒度报告。这类方法带来的价值在于,它把抽象的"碳足迹"具象化为可跟踪、可对比的指标,便于在架构、开发与采购决策中引入可持续性权重。
在组织推进方面,HSBC注重把可持续目标与商业目标对齐。通过与FinOps团队协同,将能耗与成本联系起来,使得节能改进既能减少碳排放,也能降低云与基础设施开销。高层支持和跨职能的利益相关者参与被视为成败关键。HSBC的经验显示,统一测量方法、开放工具与明确激励,是在大型组织内实现规模化绿色实践的有效路径。 AI时代的能耗挑战与优化方向 人工智能尤其是大模型的普及带来了新的能源挑战。会议上提到的一个现实是,AI的快速采用使得单靠反对并不可行,因此更现实的路径是提升模型与运行的能效,并把AI工作负载优先安排在低碳电网或可再生能源丰富的区域。
部分公司通过降低数值精度、混合专家模型等技术手段取得效率提升;还有企业对比不同模型在能耗和性能上的权衡,然后使用编排器把复杂计算路由到高性能模型,把简单任务交给轻量模型,这种分级调度能显著降低总体碳密度。 在现场案例中,NTT Data与Greenpixie、Ecologic合作,计算不同LLM按令牌(token)计的碳与水消耗,得到以每5000令牌为单位的度量。开发团队据此测试不同模型在延迟与精度上的实际影响,然后把工作负载按能耗-性能比进行分配。区域选择也关键:将AI推理任务放在以水电或核电为主的国家(例如瑞典)可大幅降低运行时的碳强度。 OVO Energy与Heata:把废热变为价值的创新实践 传统数据中心的PUE常见在1.6左右,说明大量能耗用于冷却。OVO Energy与Heata合作的实验性项目提供了另一种思路:把计算产生的热量直接供给家庭热水系统。
Heata把计算设备与家用锅炉结合,服务器在处理CI/CD任务时产生的废热回收用于加热水,实现"电力两次利用"。OVO通过CarbonRunner把部分CI/CD作业派发到这些Heata设备上。初步估算显示,如果把OVO所有CI/CD工作都迁移到这种方式,年化可节省约17吨CO₂等效,并产生足够的热量支持2.4万次淋浴,为用户节省数千英镑的能源开支。 这个案例强调的是边缘计算与分布式资源整合不仅能减少传统数据中心负担,还能把单向消耗变成多方受益的资源再利用。要实现大规模部署,需要解决设备管理、作业调度、安全隔离、用户激励与商业模式匹配等问题,但概念已证明具备现实可行性。 GOV.UK One Login:工程优化带来的显著减排与成本节省 英国政府的One Login项目体现了在大型公共服务平台上实现绿色优化的步骤性方法。
团队先建立基于温室气体协议的基线,并通过细化数据采集(例如云资源与账户的标签规范)来填补观测盲点。数据粒度的提升是识别热点、衡量改进效果与设定优先级的前提。 从技术层面,One Login是完全无服务器并采用事件驱动架构,使用Fargate、DynamoDB、SQS与S3等服务。尽管无服务器架构通常被视为节能,但仍有进一步的优化空间。项目团队通过简单的处理器选择优化取得显著成效:切换到Graviton2处理器后,某些工作负载的平均功耗下降约72%。此外,通过对网络防火墙与虚拟机的重构,初期已能减少大量无效资源,早期迹象显示AWS开支降低了近47%。
在弹性与伸缩策略上,GOV.UK采取step scaling来应对突发流量峰值(例如名人或媒体引发的访问浪潮),避免全天候过度预置资源。与第三方工具如Greenpixie合作建立的可视化仪表盘,将能耗、用水、成本等指标联结起来,帮助团队在日常开发与运维中持续监控并快速响应回退或回升的趋势。 落地要点与可复制的行动清单 第一,建立统一的可观测体系。无论是云资源、容器、函数还是物理服务器,都需要通过一致的度量与标签管理来实现可追溯。缺乏标签会导致"其他"类目吞噬数据价值,阻碍优化决策。 第二,把可持续性纳入FinOps与开发生命周期。
将能耗与成本并列考虑,使工程师在做技术选型时能同时评估碳影响与经济回报。把节能目标与业务指标结合,才能实现规模化的技术变革。 第三,分级使用AI模型与资源编排。对LLM进行能耗与性能的基准测试,按任务复杂度路由请求,使用轻量模型处理常规查询,把计算密集型任务交给高性能模型或专用硬件。将AI工作负载部署到低碳电网地区并引入能耗计量,能进一步降低总体碳强度。 第四,在架构上选择更高效的处理器与正确的伸缩策略。
处理器切换(如Graviton系列)常常带来显著功耗改善,合理的自动伸缩策略可避免闲置资源浪费。 第五,探索废热回收与边缘计算的新商业模式。OVO与Heata的案例展示了如何把计算热量转化为家庭供热服务,既减少集中冷却需求,又创造新的用户价值。类似思路可拓展到工业余热、建筑暖通一体化等场景。 第六,推动组织文化变革与培训。技术团队需要工具与能力来评估并持续优化可持续性指标。
像Digital Sustainability 101的培训能够把概念转化为岗位可执行的操作,从而扩大影响力。 衡量成功:从一次性优化走向持续优化的闭环 真正的成功不只在一次性节能措施,而在建立持续改进的闭环。核心要素包括:可追踪的基线数据、定期的回测与报告、成本与碳并列的目标体系、以及跨团队的治理结构。工具层面建议优先投资能提供细粒度能耗、用水与硬件寿命相关数据的平台,并把这些数据纳入日常工程仪表盘,以便在变更发生时及时发现回归并修正。 结语 Green IO伦敦的案例表明,绿色IT既能降低碳排放,也能创造商业价值。从HSBC的开源测量工具到GOV.UK的处理器与架构优化,再到OVO将计算热量回收为家庭热水的创新示范,关键在于把可持续性嵌入产品设计、采购决策与运维实践中。
对企业而言,机会在于利用数据驱动的可观测性、技术与政策的协同,以及把节能视为一项可衡量、可激励的工程目标。未来随着AI与云服务的持续发展,能效优化将成为技术竞争力的重要组成部分,率先把绿色实践规模化的组织,将在成本、合规与品牌声誉上获得长期回报。 。
