感謝IT之家網(wǎng)友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，美國麻省理工院（MIT）研究人員進行的新研究顯示，果自動駕駛汽被廣泛采用，么將引入另一未計算的碳排源 —— 為它們提供算力的算機大腦，可會超過目前世上的數(shù)據(jù)中心排放量。圖源 Unsplash當然，這是以能夠?qū)崿F(xiàn) L4 級或 L5 級自主的自動駛汽車為前提，但麻省理工院的三位研究員說，他們建的用于模擬自駕駛汽車（AV）內(nèi)的計算機碳排放的框架該引起人們對藏的碳成本的注，并幫助汽行業(yè)規(guī)劃一個綠色的未來。省理工學院的究人員表示，果到 2050 年自動駕駛汽車可以獲得高 95% 的市場份額，假設(shè)球 10 億輛自動駕駛汽車天平均行駛一時，使用一臺 840W 的計算機，一年將生相當于 2018 年全球數(shù)據(jù)中心的總碳放量。IT之家了解到，根據(jù)際能源署的數(shù)，2018 年全球數(shù)據(jù)中心全球碳排放的 0.3%，大約相當于阿根廷個國家的排放。研究人員還現(xiàn)，在超過 90% 的模擬場景中，為了使動駕駛汽車的放量不超過目數(shù)據(jù)中心的排量，每輛車必使用低于 1.2 千瓦功率的車載計算機，將需要更高效硬件。如果 2050 年全球 95% 的車輛是自動駕駛輛，計算工作每三年翻一番世界繼續(xù)以目的速度進行脫，研究發(fā)現(xiàn)硬效率需要以至每 1.1 年翻一番的提升保持排放量在些水平之下。究人員建立了個框架來探索球電動汽車車上的計算機的行排放，這些動汽車是完全主的，這意味它們不需要一后備的人類司。值得一提的，該研究模型變量中的每一都包含很多不定性，例如，些研究表明，動駕駛汽車的駛時間可能會加，因為人們駕駛時可以處其它事情，年人和老年人可駕駛更長時間但也有研究表，開車的時間能會減少，因算法可以找到佳路線，讓人更快地到達目地。除了考慮些不確定性之，研究人員還要對目前還不在的先進計算件和軟件進行模。為了實現(xiàn)一目標，他們自主車輛的一流行算法的工負荷進行了建，這種算法被為多任務(wù)深度經(jīng)網(wǎng)絡(luò)，因為可以同時執(zhí)行多任務(wù)。他們討了如果這種度神經(jīng)網(wǎng)絡(luò)同處理來自許多機的高幀率的分辨率輸入，消耗多少能量當他們使用概模型來探索不的場景時，研人員對算法的作量增加得如之快感到驚訝例如，如果一自動駕駛汽車 10 個深度神經(jīng)網(wǎng)絡(luò)處理自 10 個攝像頭的圖像，該車輛每天行一小時，它每將進行 2160 萬次推斷（Inference），10 億輛汽車將做 216 千萬億（quadrillion）次推斷。從這角度來看，F(xiàn)acebook 在全球的所有據(jù)中心每天都進行幾萬億（trillion）次的推斷（1 quadrillion 等于 1,000 trillion）。此外，他們的模型只慮了計算機，沒有考慮到車傳感器所消耗能源或制造過中產(chǎn)生的排放提高計算效率一個方法可能使用更多專門硬件，這些硬被設(shè)計用來運特定的駕駛算。此外，未來究人員還可以算法更加有效需要更少的計能力。研究人稱，希望汽車商會把排放和效率作為重要指標，在他們設(shè)計中加以考?