AgentDecarbonizer: новая система сокращает выбросы углерода от ИИ-агентов до 58%

Современные ИИ-агенты перешли от одиночных запросов к длительным процессам, которые выполняют множество вызовов моделей, работают с инструментами и внешней средой. Это позволяет автоматизировать задачи вроде ремонта ПО, анализа данных и управления экспериментами, но требует значительных вычислительных ресурсов.

Каждый такой вызов модели оставляет углеродный след. Как показали авторы исследования, объём выбросов зависит от расхода токенов, использования кэша контекста и углеродной интенсивности энергосети, на которой выполняются вычисления.

Возможность сократить выбросы кроется в гибкости сроков. Часть задач ИИ-агента может подождать выполнения до периода с более низкой углеродной интенсивностью или перенестись в регион с более «зелёной» энергетикой.

Однако такой подход требует учёта неопределённости во времени выполнения и пересчёта кэша контекста при переносе между регионами. Для этого и создан AgentDecarbonizer — оптимизатор, работающий совместно с платформой OpenClaw.

Система оценивает длительность задачи и выбирает расписание, укладывающееся в заданный пользователем дедлайн, с учётом накладных расходов на пересчёт кэша. Тестирование проходило на наборе WildClawBench, включающем 60 задач агентов, в условиях четырёх различных энергосетей.

Результаты показали: AgentDecarbonizer снижает выбросы CO2 до 57,9% по сравнению с базовым сценарием, не учитывающим углеродную нагрузку. По сравнению с вариантом выбора самой «зелёной» сети на старте задачи, экономия достигает 37,5%.

Разработка показывает, что даже без радикальной смены аппаратных платформ можно существенно уменьшить влияние ИИ-агентов на окружающую среду за счёт интеллектуального планирования вычислений.