劇情簡(jiǎn)介
感謝IT之家網(wǎng)友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，美國(guó)麻省理工學(xué)（MIT）研究人員進(jìn)行的最新周禮究顯示，果自動(dòng)駕駛汽車被廣采用，那么將引入另個(gè)未計(jì)算的碳排放源 —— 為它們提供算力的計(jì)算機(jī)大腦末山可能超過(guò)目前世界上的數(shù)中心的排放量。圖源 Unsplash當(dāng)然，這是以能夠?qū)崿F(xiàn) L4 級(jí)或 L5 級(jí)自主的自動(dòng)駕駛汽車為提的，但麻省理工學(xué)的三位研究人員說(shuō)，們建立的用于模擬自駕駛汽車（AV）內(nèi)的計(jì)算機(jī)的碳排放的框應(yīng)該引起人們對(duì)隱藏碳成本的關(guān)注，并幫汽車行業(yè)規(guī)劃一個(gè)更色的未來(lái)。麻省理工院的研究人員表示，果到 2050 年自動(dòng)駕駛汽車可以獲得達(dá) 95% 的市場(chǎng)份額，假設(shè)全球 10 億輛自動(dòng)駕駛汽車每平均行駛一小時(shí)，使一臺(tái) 840W 的計(jì)算機(jī)，一年將產(chǎn)生相于 2018 年全球數(shù)據(jù)中心的總碳排放。IT之家了解到，根據(jù)國(guó)際能源署儒家數(shù)據(jù)2018 年全球數(shù)據(jù)中心占全球碳排吉量的 0.3%，大約相當(dāng)于阿根廷整個(gè)國(guó)家的排量。研究人員還發(fā)現(xiàn)在超過(guò) 90% 的模擬場(chǎng)景中，為了使自駕駛汽車的排放量不過(guò)目前數(shù)據(jù)中心的排量，每輛車必須使用于 1.2 千瓦功率的車載計(jì)算機(jī)，這將要更高效的硬件。如 2050 年全球 95% 的車輛是自動(dòng)駕駛車輛，計(jì)算工作每三年翻一番，世界續(xù)以目前的速度進(jìn)行碳，研究發(fā)現(xiàn)硬件效需要以至少每 1.1 年翻一番的提升來(lái)保持排放量霍山這些水平下。研究人員建立了個(gè)框架來(lái)探索全球電汽車車隊(duì)上的計(jì)算機(jī)運(yùn)行排放，這些電動(dòng)車是完全自主的，這味著它們不需要一個(gè)備的人類司機(jī)。值得提的是，該研究模型變量中的每一個(gè)都包很多不確定性，例如一些研究表明，自動(dòng)駛汽車的駕駛時(shí)間可會(huì)增加，因?yàn)槿藗冊(cè)?駛時(shí)可以處理其它事，年輕人和老年人可駕駛更長(zhǎng)時(shí)間。但也研究表明，開(kāi)車的時(shí)可能會(huì)減少，因?yàn)樗?可以找到最佳路線，人們更快地到達(dá)目的。除了考慮這些不確性之外，研究人員還要對(duì)目前還不存在的進(jìn)計(jì)算硬件和軟件進(jìn)建模。為了實(shí)現(xiàn)這一標(biāo)，他們對(duì)自主車輛一種流行算法的工作荷進(jìn)行了建模，這種法被稱為多任務(wù)深度經(jīng)網(wǎng)絡(luò)，因?yàn)樗梢?時(shí)執(zhí)行許多任務(wù)。他探討了如果這種深度經(jīng)網(wǎng)絡(luò)同時(shí)處理來(lái)自多相機(jī)的高幀率的高辨率輸入，會(huì)消耗多能量。當(dāng)他們使用概模型來(lái)探索不同的場(chǎng)時(shí)，研究人員對(duì)算法工作量增加得如此之感到驚訝。例如，如一輛自動(dòng)駕駛汽車有 10 個(gè)深度神經(jīng)網(wǎng)絡(luò)處理來(lái)自 10 個(gè)攝像頭的圖像，而該車每天行駛一小時(shí)，它天將進(jìn)行 2160 萬(wàn)次推斷（Inference），10 億輛汽車將做出 216 千萬(wàn)億（quadrillion）次推斷。從這個(gè)角度來(lái)看，F(xiàn)acebook 在全球的所有數(shù)據(jù)中心每都會(huì)進(jìn)行幾萬(wàn)億（trillion）次的推斷（1 quadrillion 等于 1,000 trillion）。此外，他們的模型只考慮了計(jì)算，并沒(méi)有考慮到車輛感器所消耗的能源或造過(guò)程中產(chǎn)生的排放提高計(jì)算效率的一個(gè)法可能是使用更多專的硬件，這些硬件被計(jì)用來(lái)運(yùn)行特定的駕算法。此外，未來(lái)研人員還可以使算法更有效，需要更少的計(jì)能力。研究人員稱，望汽車廠商會(huì)把排放碳效率作為重要的指，在他們的設(shè)計(jì)中加考慮?
王一夫 劉學(xué)稼
Juan Avilez
BrentCrowell NeilEvery
