Modelo de reducción de la huella de carbono en la nube para servicios de inferencia de modelos de lenguaje de gran escala (LLMs)
Cargando...
Fecha
Fecha
2026-02-27
Autores
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Citar documento
Calle Torres, Julian David (2026). Modelo de reducción de la huella de carbono en la nube para servicios de inferencia de modelos de lenguaje de gran escala (LLMs). Universidad Distrital Francisco José de Caldas. https://hdl.handle.net/11349/100618
Gestores bibliográficos
Altmetric
El indicador aparece cuando Altmetric registra menciones para este documento.
Documentos PDF
Resumen
The rapid expansion of Large Language Models (LLMs) has revolutionized the field of artificial intelligence, although it has also generated a considerable environmental impact that continues to rise daily. While the training of these models often receives significant attention due to its high energy consumption, the inference phase, which runs continuously with millions of requests each day, can accumulate an environmental impact that surpasses that of training. This research focuses on reducing the carbon footprint of inference services for these models by designing, implementing, and evaluating a carbon-aware computing system operating on multi-cloud infrastructures. The main problem lies in the fact that current routing systems only consider aspects such as latency, availability, and cost, disregarding the spatial and temporal variability of carbon intensity in the electrical grid. This variability is significant: the same query can cause up to ten times more emissions depending on the region where it is processed and the time of day, due to differences in the local energy mix. This presents both a challenge and an opportunity: carbon-aware routing, which incorporates this data alongside traditional metrics, could achieve substantial reductions without affecting the inherent efficiency of the models or the hardware hosting the application or service. To address this challenge, the research employs the Design Science Research methodological approach, articulated in five stages: from a thorough literature review and architectural design to the implementation of a functional prototype, experimental evaluations, and the dissemination of results to various audiences. The designed model consists of two layers: the control layer and the inference layer. The control layer comprises four modules: a carbon intelligence and analysis layer that collects and normalizes data from multiple sources (ElectricityMaps and WattTime); a router that applies a multi-objective scoring algorithm balancing carbon intensity, latency, usage, and cost; a telemetry system for comprehensive observability; and a governance module that allows for the adaptation of priorities according to each organization's needs. The algorithm assigns a weighted score to each possible execution region, considering carbon intensity (prioritizing regions with low CI), latency, current utilization, and cost, with configurable weights to reflect different organizational priorities. Strict constraints are guaranteed to ensure maximum latency is never exceeded, even if this implies selecting a closer but more polluting region. Experiments were conducted across 3 AWS regions over one week, using synthetic loads based on real distributions of request types. Variables such as load type (batch or interactive), time window, and geographic location were studied. Emissions, percentile latencies, throughput, costs, and error rates were measured. The results confirm that the approach is viable and efficient, albeit under certain circumstances: an average reduction of 12.7% in emissions was achieved compared to conventional routing, with an 8.1% increase in P95 latency. However, averages conceal variations: for instance, in batch loads, the reduction reached 18.3% with only a 5.8% increase in latency, whereas in interactive inference with small models, the reduction was smaller and the latency increase more notable, requiring careful evaluation. It was also detected that operating during off-peak hours (at night) optimizes results, improving latencies while reducing emissions. Another significant finding is that cost is not a determining factor when implementing carbon-aware models. This is mainly due to the high homogeneity in pricing across different regions of major cloud providers, in this case, AWS. In conclusion, this research provides broad benchmarks, methodological protocols, conceptual principles, and theories to foresee conditions of effectiveness, serving as a foundation for adopting and advancing carbon-aware computing. Recommendations are also offered for organizations, researchers, and sustainability managers, pointing toward future strategic directions to accelerate the impact and scalability of these technologies. This work demonstrates that it is possible to reduce the environmental footprint of artificial intelligence significantly and practically. However, achieving real change requires overcoming technical, organizational, and cultural barriers, in addition to developing support ecosystems, appropriate regulations, and a shared vision of sustainability as a central axis.
Descripción
La rápida expansión de los modelos de lenguaje de gran escala ha revolucionado el campo de la inteligencia artificial, aunque también ha generado un impacto ambiental considerable y que sigue en aumento día a día. Si bien el entrenamiento de estos modelos suele recibir mucha atención por su alto consumo energético, la fase de inferencia, que se ejecuta de manera continua con millones de solicitudes cada día, puede acumular un impacto ambiental que supera al del entrenamiento. Esta investigación se centra en reducir la huella de carbono de los servicios de inferencia de estos modelos, diseñando, implementando y evaluando un sistema de computación consciente del carbono funcionando en infraestructuras multi-nube. El problema principal radica en que los sistemas de enrutamiento actuales sólo consideran aspectos como latencia, disponibilidad y costo, sin tomar en cuenta la variabilidad espacial y temporal de la intensidad de carbono en la red eléctrica. Dicha variabilidad es significativa: la misma consulta puede ocasionar hasta diez veces más emisiones dependiendo de la región donde se procese y el momento del día, debido a las diferencias en la mezcla energética local. Esto presenta tanto un reto como una oportunidad: un enrutamiento consciente del carbono, que incorpore esta información junto con métricas tradicionales, podría lograr reducciones sustanciales sin afectar la eficiencia inherente de los modelos o del hardware donde se ejecuta la aplicación o servicio. Para abordar este desafío, la investigación utiliza el enfoque metodológico de Design Science Research, articulado en cinco etapas: desde una revisión minuciosa de la literatura, pasando por el diseño arquitectónico, hasta la implementación de un prototipo funcional, evaluaciones experimentales y difusión de resultados a distintas audiencias. El modelo diseñado consta de dos capas, la capa de control y la capa de inferencia, la primera de ellas se compone de cuatro módulos: una capa de análisis e inteligencia de carbono que recolecta y normaliza datos de múltiples fuentes (ElectricityMaps y WattTime), un enrutador que aplica un algoritmo con un puntaje multi-objetivo balanceando intensidad del carbono, latencia, uso y costo, un sistema de telemetría para observabilidad integral, y un módulo de gobernanza que permite adaptar las prioridades según las necesidades de cada organización. El algoritmo asigna un puntaje ponderado a cada posible región de ejecución, considerando intensidad de carbono (priorizando regiones con baja IC), latencia, utilización actual y costo, con pesos configurables para reflejar distintas prioridades organizacionales. Se garantizan restricciones estrictas para que la latencia máxima nunca se exceda, incluso si eso implica elegir una región más cercana pero más contaminante. Los experimentos se llevaron a cabo en 3 regiones de AWS durante 1 semana, con cargas sintéticas basadas en distribuciones reales de tipos de solicitud. Se estudiaron variables como tipo de carga (por lote o interactiva), ventana temporal y ubicación geográfica. Se midieron emisiones, latencias en distintos percentiles, rendimiento, costos y tasas de error. Los resultados confirman que el enfoque es viable y eficiente, pero bajo ciertas circunstancias: se alcanzó una reducción promedio del 12.7% en emisiones comparado con enrutamiento convencional, con un aumento del 8.1% en latencia P95. Sin embargo, los promedios ocultan variaciones: por ejemplo, en cargas por lotes la reducción llegó al 18.3% y la latencia solo aumentó 5.8%, mientras que en inferencia interactiva con modelos pequeños, la reducción fue menor y el aumento de latencia más notable, requiriendo evaluación cuidadosa. También se detectó que operar fuera de horas pico, en la noche, optimiza resultados, mejorando latencias mientras reduce emisiones. Otro hallazgo importante, es que el costo no es un factor determinante a la hora de implementar modelos conscientes del carbono, esto se debe principalmente a la alta homogeneidad en los precios de las diferentes regiones de los grandes proveedores de nube, en este caso AWS. En conclusión, esta investigación aporta puntos de referencia amplios, protocolos metodológicos, principios conceptuales y teorías para prever condiciones de efectividad, sirviendo como base para adoptar y avanzar en computación consciente del carbono. Se ofrecen también recomendaciones para organizaciones, investigadores y gerentes de sostenibilidad, y se señalan futuras direcciones estratégicas para acelerar el impacto y escalabilidad de estas tecnologías. Este trabajo demuestra que es posible reducir la huella ambiental de la inteligencia artificial de forma significativa y práctica, pero lograr un cambio real exige superar barreras técnicas, organizacionales y culturales, además del desarrollo de ecosistemas de soporte, regulaciones adecuadas y una visión compartida de sostenibilidad como eje central.
Materias (LEMB)
Maestría en Ciencias de la Información y las Comunicaciones Metodología Profundización -- Tesis y disertaciones académicas, Modelos de lenguaje de gran escala, Computación en la nube, Huella de carbono, Computación sostenible, Optimización de sistemas informáticos, Arquitectura de sistemas distribuidos
