XWind：面向可再生能源农场的大型语言模型推理服务交叉站路由
分布式、并行与集群计算
2026-05-25 v1 人工智能
网络与互联网体系结构
摘要
AI功耗正在以前所未有的速度增长，而电网往往废弃，难以跟上。电网扩建高额资本支出且远程传输损耗大，而可再生能源虽 abundant 却与需求不匹配。本文提出一种补充AI基础设施部署模式——AI Greenferencing，将模块化AI计算带到可再生能源来源，专注于风能，实现AI足迹的扩展，为可再生能源设施创造本地后电需求，并缓解电力用户日益增长的压力。我们的可行性分析表明，超过890 GW的风能容量位于Azure数据中心50 ms网络往返时间内，且通过站点规模右划和风能的空间互补性，整体 fleet利用率与传统部署相当。为在可变风能下服务推理请求，我们构建XWind，一种轻量、响应式且与工作负载无关的AI推理路由器，仅使用真实信号：推理延迟、KV-cache利用率和队列深度，动态配置站点并分配请求。在评估中，我们在一个包含64个A100 GPU的真实测试平台上模拟了三个风力发电站，采用Azure生产轨迹进行测试。XWind在P99端到端延迟方面，相较于最强�争者（也是我们方案的一个变体）提升最高52%，相较于如功率限制和GPU空闲等基线方案提升最高98%，在各种工作负载类型、负载水平和GPU代际中均表现出一致的优势。
引用
@article{arxiv.2605.23348,
title = {XWind: A Cross-site Router for Large Language Model Inference Serving at Renewable Energy Farms},
author = {Tella Rajashekhar Reddy and Atharva Deshmukh and Liangcheng Yu and Chaojie Zhang and Mike Shepperd and Rohan Gandhi and Anjaly Parayil and Srinivasan Iyengar and Ajay Manchepalli and Debopam Bhattacherjee},
journal= {arXiv preprint arXiv:2605.23348},
year = {2026}
}