> ## Content Index
> Fetch the complete content index at: https://eclibra.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# График важнее пика: почему расписание инференса стало сетевой величиной
- URL: https://eclibra.com/inference-power-ramp-grid-2026/
- Published: 2026-11-19T17:08:19.000Z
- Updated: 2026-11-19T17:08:20.000Z
- Description: Пик мощности остаётся прежним, а скорость набора меняется. Планировщик инференса снижает потребность в быстром резерве на 24% при тяжёлой загрузке — расписание запросов впервые получает цену на рынке системных услуг.
- Author: ByteMaster
- Tags: ИИ-инфраструктура и энергия, #mode-2, #hook-statistic, #track-F, #layout-sparse-brief

**7,0%** при лёгкой загрузке. **34,6%** при тяжёлой. Речь не о пике потребления, а о скорости, с которой кластер набирает мощность.

Пан Ли, Ицзе Чэнь, Ся Мяо и Дай Ван прогнали реальные трассы мощности GPU через планировщики инференса. Препринт вышел в arXiv 27 октября 2026 года. Главный герой — chunked prefill (нарезка длинного запроса на части). Приём применяют ради задержки, и он уже стоит по умолчанию в продакшн-серверах. Побочный эффект — управляемая скорость набора мощности. Пик при этом остаётся на месте.

Мощность снимали через NVML с шагом 50 мс, частоты GPU фиксировали, чтобы убрать шум драйвера. Энергия на 1000 выходных токенов держалась около 701,7 кДж. Планировщик меняет не количество работы, а её распределение по времени.

## Резерв покупают по скорости

Пиковая мощность задаёт, сколько трансформаторов и линий строить. Скорость набора задаёт, сколько быстрого резерва держать в сети. Вторая величина дешевле только на бумаге: ошибка в рампе — не штраф, а риск отключения.

💡

Мы смотрим на это как на первый случай, когда планировщик инференса становится сетевым активом. Не потому что он экономит энергию — её он не экономит. Потому что он меняет форму нагрузки, которую диспетчер обязан покрывать. 

В работе резерв описан как задача с шансовым ограничением и решён бутстрэпом по измеренным трассам. При тяжёлой загрузке потребность в быстром резерве падает на 24% (95%-й интервал 13–34%). При умеренной — на 12%. Диапазон надёжности от 95% до 99,9% вывод не меняет.

−24% быстрый резерв 

#### Снижение требования при тяжёлой загрузке

Оценка для независимо работающих серверов · *arXiv:2608.01250v2, 2026*

## Длинные запросы дают амплитуду

Эффект растёт вместе с загрузкой. По конкуренции запросов снижение рампы идёт от 7,0% к 34,6%. Доля «китов» — длинных запросов — разгоняет его почти с нуля до 39,6%. Чем плотнее набит сервер, тем полезнее расписание.

Здесь и прячется практический смысл. Пустой кластер гасить нечего. Загруженный кластер — единственный, где диспетчеру есть что сглаживать.

## Где выигрыш исчезает

На двух GPU с параллельным разбиением модели цифры расходятся: около 36% для плотной модели на 14 млрд параметров и всего 10% для разреженной смеси экспертов. Синхронизация нагрузок между серверами срезает эффект до 16–20%. Рампы медленнее двух секунд регулятор уже не различает.

Синхронизация — главный риск. Дата-центры редко колеблются вразнобой: утренний пик приходит ко всем сразу. Если планировщики настроены одинаково, они гасят рампу синхронно и возвращают её агрегату.

## Скорость важнее цены киловатт-часа

Вторая работа, arXiv 2611.17098 от 12 ноября, объясняет, почему этот эффект вообще имеет цену. Авторы сравнили подключение к сети и автономные микросети для ЦОД в США. Связка на постоянном токе экономит 18% затрат энергии за срок службы — $0,09 за кВт·ч. Если учитывать упущенное вычисление, такие микросети оказываются дешевле в 85% локаций. При ускоренных сроках газовой генерации — в 55%.

Как мы писали в ноябре, собственная генерация упёрлась в предел: [110 ГВт газа на площадке](https://eclibra.com/data-center-onsite-power-2026/) — это не решение, а перенос очереди. Обе работы указывают в одну сторону. Сеть перестаёт быть местом, где покупают электричество, и становится местом, где торгуют формой нагрузки.

Цифра 24% — не скидка, а измерение. Она получена на независимых серверах. В реальном кампусе планировщик один на тысячи GPU, и синхронизация съедает часть выигрыша. Сколько именно — зависит от того, кто и как выставит приоритеты. Этот параметр пока никто не измерял публично.

[ Сглаживать рампу, а не пик: динамика мощности инференса LLM Измеренные трассы GPU и пересчёт в требование быстрого резерва. Основной источник цифр о 7,0–34,6% и 24%. arXiv, 2026 ](https://arxiv.org/abs/2608.01250v2?ref=eclibra.com) 

Препринт, на котором держится весь разбор: методика замера и границы применимости.

[ Скорость до мощности важнее цены энергии для ЦОД Технико-экономическое сравнение сетевого подключения и автономных микросетей в США. arXiv, 2026 ](https://arxiv.org/abs/2611.17098?ref=eclibra.com) 

Второй источник — про то, почему срок подключения превратился в отдельную статью затрат.

[ Снижение пиковой мощности с учётом фазы инференса Работа о том, как фазы prefill и decode формируют пик и капитальные затраты. ACM SIGMETRICS, 2026 ](https://dl.acm.org/doi/10.1145/3797905.3815788?ref=eclibra.com) 

Полезный контрапункт: там оптимизируют пик, здесь — производную по времени.