算力调度平台：把闲置的GPU用起来，让任务跟着绿电走
AI 业务持续爆发，算力需求水涨船高，市场对 GPU 等硬件资源的争夺日趋激烈。
各地智算中心、分布式光伏算力站点加速上马，供给规模不断扩大，但算力调度失衡的结构性矛盾也随之凸显：东边算力挤到 “堵车”，西边机房机器闲置；业务高峰算力告急，光伏发电充裕的时候却没有任务跑起来。
这些矛盾表明，算力供需问题不仅涉及资源规模，也涉及资源分布、服务能力与能源时序之间的匹配。
不同算力节点往往独立建设、信息不互通，模型也需要在多个机房重复适配部署，业务接入流程繁琐。算力调度、业务流量、电力能源三套系统各自闭环，数据无法互通、决策无法协同。而以单集群资源管理为主的工具，又无法解决跨地域、跨时间维度的资源与时序错配难题。
基于当前产业现状，申威睿思推出算力调度平台，以「一盘棋」的全局视角统筹多地异构算力资源，为算力资产探索一条兼顾稳定、降本与绿电消纳的新路径。
01收拢异构算力，从资源地图到统一服务
不同地区、不同卡型的算力资源，在显存、性能和模型适配上各有差异。平台要做的第一件事，就是摸清每项资源「能运行哪些模型、适合承接哪些任务」，为后续服务配置与任务调度打好基础。
申威睿思算力调度平台通过区域适配，将不同站点的算力资源纳入统一管理，按照区域、站点、集群和设备组织信息，汇集 GPU 型号、显存、运行环境等信息，形成统一资源目录。在此基础上，结合模型版本、运行后端的兼容性与实测性能，明确不同资源对模型和服务的承载能力，形成统一模型目录与服务目录。
业务方可以通过统一服务目录，按所需模型、资源规格和交付要求选择服务；运营人员则根据设备与模型的适配情况以及资源可用容量进行配置，减少逐机房、逐设备协调的工作，让业务需求与分散资源更高效地对接。
面向不同使用需求，平台提供三类服务：模型 API 服务、裸金属租赁与 GPU 卡时服务。业务系统可通过统一 API 调用模型；需要独立服务器资源的客户可选择裸金属租赁；研发团队则可按需申请 GPU 算力，按卡时计量使用，让不同规模、不同周期的算力需求获得合适的服务支持。
从看清资源能力到按需提供服务，平台让分散的异构算力统一可见、按需可用，为后续调度与持续运营建立基础。
02统筹业务、资源与能源做全局决策
算力资源完成统一纳管后，还需要结合业务要求、资源状态与能源条件，为每项任务选择合适的执行地点和时间。平台的调度原则是：先满足业务交付与运行约束，再在可行范围内提高资源利用效率、降低综合成本。
业务约束优先：划定调度边界
不同业务，对响应速度、服务连续性和完成期限的要求各不相同。在线客服、知识问答等交互服务，需要及时响应并保持稳定运行；文档解析、向量构建、数据标注等批量任务，则通常可以在约定期限内灵活安排。
平台会先识别任务的服务目标及调整权限，检查数据区域授权、模型兼容性、可用容量、节点健康状态、供电容量限制和响应时延等条件。只有满足要求的资源与执行时段，才会进入后续方案比较。
以混合业务场景为例：
同一租户同时承载要求就近响应的实时语音交互、允许在时延达标节点间分流的在线问答，以及一批要求次日完成的文档解析任务。
实时语音交互优先使用就近资源，原则上不进行跨域迁移；在线问答在满足响应要求的节点中，结合负载与综合成本分配流量，并在机房发生故障时，切换至满足服务要求的可用热备副本。
文档解析任务则可在授权区域和交付期限内灵活排期。平台结合资源忙闲与能源条件，选择合适的执行地点和时间，并为数据准备、失败重试与恢复预留时间，避免挤占在线服务所需容量。
配套租户配额、限流与队列保护，平台控制各类任务的资源占用，保障共享资源的有序使用。站点与全局调度平台失联时，本地仍可依托已有资源、配置与服务继续运行，待连接恢复后完成用量对账与数据同步。
通过这样的安排，平台将“在哪里算”和“什么时候算”结合起来，让任务在业务允许的范围内灵活调度，并通过环境准备、资源管控与故障恢复等能力支撑稳定交付。
能源信号参与：为柔性任务选择合适时段
在明确任务的调节空间后，平台进一步结合电价、光伏出力预测与站点功率数据，判断哪些地点和时段更适合执行任务，使算力运行能够响应能源变化。
面向分布式光伏算力站点：平台可根据出力预测，提前准备模型运行环境，将适合的批量任务安排到光伏较充足的时段，提高计算负荷与绿电出力的匹配程度。当光伏出力下降、站点供电条件发生变化时，再根据业务要求、其他供电来源及可用资源，决定是否调整任务并发、排期或执行地点，优先保障本地实时业务。
面向配电容量受限的产业园区：平台可在预留必要运行余量的基础上，通过调整已授权柔性任务的并发、执行时间或功率上限，配合现场能源管理与控制系统开展负荷调节，降低超容风险。调节结束后，再结合剩余任务量与交付期限有序恢复，避免集中恢复造成新的负荷高峰。
综合成本择优：算清任务交付的整体支出
电价更低的站点或时段，未必代表任务执行成本更低。不同硬件处理同一项任务的运算速度、单位功耗各不相同；跨站点调度，还会额外产生数据传输、存储、环境预置、任务迁移等一系列开销。
因此，平台会先筛选满足业务要求与运行约束的执行方案，在结果质量和服务等级可比的前提下，结合预计运行时长、耗电量及相应电价，估算计算与能源支出，并计入传输、存储、迁移和可能的重试等费用，比较完成同一任务的预计总成本，选择综合成本更优的执行地点与时间。（涉及自有光伏时，还需考虑可实现的上网收益等机会成本，使成本判断更接近站点实际经营情况。）
业务约束划定可行范围，能源信号提供择时依据，综合成本决定方案取舍。三者共同作用，帮助平台在保障任务交付的前提下优化整体支出，并提高算力运行与绿电供应的匹配程度。
03从用量到账单，让算力服务持续经营
稳定交付之外，算力服务的持续经营，还需要清晰的客户管理、用量记录与费用核算。
平台通过租户、项目、权限、配额与预算管理，支持多个客户、多个部门有序共享算力资源，并根据模型调用量、GPU使用时长和存储用量形成明细，为对外计费、账单生成与内部成本分摊提供依据。
对于购买算力服务的企业客户，以及使用内部算力的业务部门、研发团队，平台帮助其看清资源用量、费用归属与预算执行情况；对于算力运营商和企业内部管理部门，则便于按客户、项目或部门核对用量与账单，衔接服务交付和经营核算。
同时，平台关联请求、作业、模型、节点与站点的运行记录，帮助运维人员定位异常、追溯服务过程，为交付核查和费用核对提供支撑。
通过将客户管理、服务交付与计量计费衔接起来，平台帮助运营方将分散的设备资源组织为可持续经营的算力服务，让使用过程有记录、交付结果可追溯、成本费用有依据。
04调度到底省了多少钱？两本账一起算
调度执行完成后，平台将任务交付结果与实际用电情况关联核对，为评估优化成效、持续调整策略提供依据。
平台通过“计算账本”记录任务完成量、响应时延、失败情况与按期交付率，通过“电力账本”记录相关节点和站点的功率、电量，以及负荷调节和任务恢复过程。两类记录按任务、执行节点和时间窗口建立关联，使业务结果与能源变化能够对应分析。
在此基础上，平台结合统一的统计口径与可比基准，评估调度前后的综合成本、峰值功率和绿电匹配情况，同时核查响应速度、完成期限与服务稳定性。跨域传输、任务迁移、失败重试及恢复阶段产生的额外开销，也纳入评估，减少遗漏成本对结果判断的影响。
对于多个任务共享节点的情况，任务能耗需结合计量粒度与分摊规则核算，区分实测数据与估算结果，使优化成效有据可查，也为后续验收和策略改进提供支撑。
*最终界面以实际为准
申威睿思算力调度平台，以统一服务连接分散资源，以业务约束引导时空调度，以算电双账本核验运行成效，让算力资源更高效地转化为可交付、可核算的服务。
依托与中国电信的合作，公司已推动苏州、乌兰察布、克拉玛依等地的异构算力资源接入与资源池建设，为多站点统一管理和跨域调度积累实践经验。客户可从资源管理与模型服务起步，按需扩展跨域调度，再结合现场条件逐步接入能源协同能力。
在申威睿思算电协同体系中，算力调度平台承担算力侧执行角色，和能源 AI 预测及运行优化能力相衔接：算力侧明确任务需求与可调节空间，能源侧研判能源供需与运行边界，共同形成调度依据，驱动算力任务和能源时序高效协同，实现算力调度与绿电消纳的动态同频。