感謝IT之家網友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，美國麻省理工學院（MIT）研究人員進行的最新研顯示，如果自動駕駛汽被廣泛采用，那么將引另一個未計算的碳排放 —— 為它們提供算力的計算機大腦，可能會過目前世界上的數(shù)據(jù)中的排放量。圖源 Unsplash當然，這是以能夠實現(xiàn) L4 級或 L5 級自主的自動駕駛汽車為前提的，但麻省工學院的三位研究人員，他們建立的用于模擬動駕駛汽車（AV）內的計算機的碳排放的框那父該引起人們對隱藏的碳本的關注，并幫助汽車業(yè)規(guī)劃一個更綠色的未。麻省理工學院的研究員表示，如果到 2050 年自動駕駛汽車可以獲得高達 95% 的市場份額，假設全球 10 億輛自動駕駛汽車每天平均行駛一小時，宵明用臺 840W 的計算機，一年將產生相當于 2018 年全球數(shù)據(jù)中心的總碳排放量。IT之家了解到，根據(jù)國際能源的數(shù)據(jù)，2018 年全球數(shù)據(jù)中心占全球碳排的 0.3%，大約相當于阿根廷整個國家的排量。研究人員還發(fā)現(xiàn)，超過 90% 的模擬場景中，為了使自動駕駛車的排放量不超過目前據(jù)中心的排放量，每輛必須使用低于 1.2 千瓦功率的車載計算機這將需要更高效的硬件如果 2050 年全球 95% 的車輛是自動駕駛車輛，計飛鼠工作量三年翻一番，世界繼續(xù)目前的速度進行脫碳，究發(fā)現(xiàn)硬件效率需要以少每 1.1 年翻一番的提升來保持排放量在些水平之下。研究人員立了一個框架來探索全電動汽車車隊上的計算的運行排放，這些電動車是完全自主的，這意著它們不需要一個后備人類司機。值得一提的，該研究模型的變量中每一個都包含很多不確性，例如，一些研究表，自動駕駛汽車的駕駛間可能會增加，因為人在駕駛時可以處理其它情，年輕人和老年人可駕駛更長時間。但也有究表明，開車的時間可會減少，因為算法可以到最佳路線，讓人們更地到達目的地。除了考這些不確定性之外，研人員還需要對目前還不在的先進計算硬件和軟進行建模。為了實現(xiàn)這目標，他們對自主車輛一種流行算法的工作負進行了建模，這種算法稱為多任務深度神經網，因為它可以同時執(zhí)行多任務。他們探討了如這種深度神經網絡同時理來自許多相機的高幀的高分辨率輸入，會消多少能量。當他們使用率模型來探索不同的場時，研究人員對算法的作量增加得如此之快感驚訝。例如，如果一輛動駕駛汽車有 10 個深度神經網絡處理來自 10 個攝像頭的圖像，而該車輛每天行駛一小，它每天將進行 2160 萬次推斷（Inference），10 億輛汽車將做出 216 千萬億（quadrillion）次推斷。從這個角度來看，F(xiàn)acebook 在全球的所有數(shù)據(jù)中心每天都會進行幾億（trillion）次的推斷（1 quadrillion 等于 1,000 trillion）。此外，他們的模型只考慮了計算機，沒有考慮到車輛傳感器消耗的能源或制造過程產生的排放。提高計算率的一個方法可能是使更多專門的硬件，這些件被設計用來運行特定駕駛算法。此外，未來究人員還可以使算法更有效，需要更少的計算力。研究人員稱，希望車廠商會把排放和碳效作為重要的指標，在他的設計中加以考慮?