MIT新发现 或降低自动驾驶汽车计算机的碳排放-全球新要闻

据外媒报道，麻省理工学院（MIT）研究人员发现，全球自动驾驶车队运行强大的计算机所需的能源可能会产生大量温室气体，其排放量与全球数据中心一样多。研究人员表示，自动驾驶汽车被广泛采用可能带来更多潜在能源消耗和相关的碳排放量。

图片来源：麻省理工学院

具有物理计算基础设施的数据中心主要用于运行应用程序，因此会产生巨大的碳排放，约占全球温室气体排放量的0.3%，相当于阿根廷每年产生的碳排放量。麻省理工学院的研究人员意识到，人们对自动驾驶汽车的潜在足迹关注较少，因此建立了统计模型来研究这个问题。研究人员对10亿辆自动驾驶汽车研究，每辆每天驾驶1小时，配备一台消耗840瓦的计算机，结果发现所产生的排放量与数据中心目前排放量大致相同。

(资料图)

研究人员还发现，在超过90%的建模场景中，为了防止自动驾驶汽车的排放量超过当前数据中心的排放量，每辆汽车的计算功率必须低于1.2千瓦，因此需要更高效的硬件。到2050年，全球95%的车辆可能为自动驾驶车辆，计算工作量每三年翻一番，因此硬件效率需要比每1.1年翻一番更快，以控制排放量水平。

模拟排放

研究人员建立了一个框架来探索全球完全自动驾驶电动汽车车队上计算机的运行排放。该模型会展示全球车队中的车辆数量、每辆车上每台计算机的功率、每辆车行驶的小时数以及为每台计算机供电的电力碳强度。

MIT航空航天研究生Soumya Sudhakar表示：“就其本身而言，这看起来像是一个看似简单的方程式。但这些变量中的每一个都包含很多不确定性，因为我们正在考虑一种尚未出现的新兴应用程序。”

例如，一些研究表明，驾驶自动驾驶汽车的时间可能会增加，因为人们可以在开车时同时处理多项任务，而且年轻人和老年人可以开车更多。但其他研究表明，驾驶时间可能会减少，因为算法可以找到让人们更快到达目的地的最佳路线。

除了考虑这些不确定性之外，研究人员还需要对尚不存在的高级计算硬件和软件进行建模。为实现这一目标，研究人员对自动驾驶汽车算法的工作负载进行了建模。该算法是多任务深度神经网络，因为可以同时执行多项任务。研究人员对该深度神经网络进行了研究，即当同时处理来自多高帧率摄像头的高分辨率输入时它会消耗多少能量。当他们使用概率模型探索不同的场景时，Sudhakar对算法工作量增加的速度感到惊讶。

例如，如果一辆自动驾驶汽车来自10个摄像头的10个深度神经网络处理图像，并且该车辆每天行驶一小时，那么每天该车辆将进行2160万次推理。10亿辆汽车将进行21.6万亿次推理。从这个角度来看，Facebook在全球的所有数据中心每天都会进行几万亿次推理。

航空航天学副教授兼信息与决策系统实验室主任Sertac Karaman表示，自动驾驶汽车将用于运送货物和人员，因此全球供应链上可能分布着大量的计算能力。他们的模型只考虑计算，而没有考虑车辆传感器消耗的能量或制造过程中产生的排放。

控制排放

为了防止排放量失控，研究人员发现每辆自动驾驶汽车需要消耗不到1.2千瓦的能量来进行计算。为此，计算硬件必须以更快的速度变得更加高效，效率大约每1.1年要翻一番。

提高效率的一种方法可能是使用更专业的硬件，旨在运行特定的驾驶算法。Sudhakar称，由于研究人员了解自动驾驶所需的导航和感知任务，因此为这些任务设计专用硬件会更容易。但车辆往往有10年或20年的使用寿命，因此开发专用硬件的一个挑战是使其“面向未来”，以便可以运行新算法。

未来，研究人员还可以提高算法的效率，从而减少对计算能力的需求。然而，提高效率势必牺牲一些准确性，即可能会降低车辆安全。

目前，研究人员已经展示该框架。研究人员希望继续探索硬件效率和算法改进，通过表征自动驾驶汽车的隐含碳（汽车制造时产生的碳排放）和车辆传感器的排放来增强模型。

电气工程与计算机科学系副教授Vivienne Sze表示：“我们希望人们将排放和碳效率视为设计中要考虑的重要指标。自动驾驶汽车的能耗非常关键，不仅是为了延长电池寿命，也是为了可持续性。”