跨区AI数据中心不再只看电价：光路可重配后，实时购电成本降12.50%，本地绿电多消纳2.724个百分点

跨区AI数据中心可以把训练任务搬到电价低或绿电多的站点，但搬迁要先把检查点数据传过去，传输时间决定了任务能否赶在有利窗口关闭前开工。 此前的调度要么把跨区搬迁当成瞬时完成的虚拟链路，要么用预设传输速率、距离或成对带宽估计时延，通信容量是给定参数而不是可调度的资源。 在五个地理分布AI数据中心、完成工作量与网络资源相同的基准上，固定光路方案实时购电成本为1471.25美元，可重配光路方案为1287.33美元，两者可用可再生能源同为65.750 MWh。

调度器把训练任务切成检查点分隔的计算段，先决定每段在哪个站点、哪个时段执行，再为检查点传输安排光路，只有传输被验证能在窗口内完成，该计算计划才被接受。 做法是计算—电力主问题用估计时延生成候选计划，随后用多商品流精确校核共享链路容量下的检查点投递，不可行时只放大对应的约束时延并重新求解。 日前的基线计划、事件触发的日内更新和一分钟粒度的实时调度共用同一套校核，日内推理曲线按30%日前加70%实际混合，推理在所有场景中优先。

这套调度面向由单一调度主体管理的多个地理分布AI数据中心，站点通过区域电网接口购电并接收本地可再生能源，训练任务按检查点分段且首段固定在原站点执行，推理在本地优先服务。网络侧使用固定的光路资源池，可重配光路只重新配对或改向既有电路，不增加通信容量。作者提出后续应使用运营商实测数据检验该框架，并考察潮流约束、备用市场参与以及配备多条可重配电路的更大规模数据中心组合。

检查点规模、站点可再生能源与推理曲线经过构造或变换，属于基准假设而非实测；电力侧只建模到站点电网接口，不含交流网络与备用市场约束；分解求解不声称全局最优。敏感性筛选显示，仅增加可重配能力而不同时出现传输压力时，成本与绿电利用率差异接近零，且部分内部网格点并不单调，作者将其归因于离散的任务—电路匹配状态变化。累计绝对爬坡从17.644 MW升至17.834 MW，即上升1.08%。