IT之家 1 月 15 日消息，美國麻省理工學(xué)院（MIT）研究人員進(jìn)行的最新研究顯示，如果自動駕駛汽車被廣泛采用，那么將引入另一個未計算的碳排放源 —— 為它們提供算力的計算機(jī)大腦，可能會超過目前世界上的數(shù)據(jù)中心的排放量。

當(dāng)然，這是以能夠?qū)崿F(xiàn) L4 級或 L5 級自主的自動駕駛汽車為前提的，但麻省理工學(xué)院的三位研究人員說，他們建立的用于模擬自動駕駛汽車（AV）內(nèi)的計算機(jī)的碳排放的框架應(yīng)該引起人們對隱藏的碳成本的關(guān)注，并幫助汽車行業(yè)規(guī)劃一個更綠色的未來。

麻省理工學(xué)院的研究人員表示，如果到 2050 年自動駕駛汽車可以獲得高達(dá) 95% 的市場份額，假設(shè)全球 10 億輛自動駕駛汽車每天平均行駛一小時，使用一臺 840W 的計算機(jī)，一年將產(chǎn)生相當(dāng)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)國際能源署的數(shù)據(jù)，2018 年全球數(shù)據(jù)中心占全球碳排放的 0.3%，大約相當(dāng)于阿根廷整個國家的排放量。

研究人員還發(fā)現(xiàn)，在超過 90% 的模擬場景中，為了使自動駕駛汽車的排放量不超過目前數(shù)據(jù)中心的排放量，每輛車必須使用低于 1.2 千瓦功率的車載計算機(jī)，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，計算工作量每三年翻一番，世界繼續(xù)以目前的速度進(jìn)行脫碳，研究發(fā)現(xiàn)硬件效率需要以至少每 1.1 年翻一番的提升來保持排放量在這些水平之下。

研究人員建立了一個框架來探索全球電動汽車車隊上的計算機(jī)的運(yùn)行排放，這些電動汽車是完全自主的，這意味著它們不需要一個后備的人類司機(jī)。

值得一提的是，該研究模型的變量中的每一個都包含很多不確定性，例如，一些研究表明，自動駕駛汽車的駕駛時間可能會增加，因?yàn)槿藗冊隈{駛時可以處理其它事情，年輕人和老年人可以駕駛更長時間。但也有研究表明，開車的時間可能會減少，因?yàn)樗惴梢哉业阶罴崖肪€，讓人們更快地到達(dá)目的地。

除了考慮這些不確定性之外，研究人員還需要對目前還不存在的先進(jìn)計算硬件和軟件進(jìn)行建模。為了實(shí)現(xiàn)這一目標(biāo)，他們對自主車輛的一種流行算法的工作負(fù)荷進(jìn)行了建模，這種算法被稱為多任務(wù)深度神經(jīng)網(wǎng)絡(luò)，因?yàn)樗梢酝瑫r執(zhí)行許多任務(wù)。他們探討了如果這種深度神經(jīng)網(wǎng)絡(luò)同時處理來自許多相機(jī)的高幀率的高分辨率輸入，會消耗多少能量。

當(dāng)他們使用概率模型來探索不同的場景時，研究人員對算法的工作量增加得如此之快感到驚訝。例如，如果一輛自動駕駛汽車有 10 個深度神經(jīng)網(wǎng)絡(luò)處理來自 10 個攝像頭的圖像，而該車輛每天行駛一小時，它每天將進(jìn)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(jìn)行幾萬億（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(jī)，并沒有考慮到車輛傳感器所消耗的能源或制造過程中產(chǎn)生的排放。

提高計算效率的一個方法可能是使用更多專門的硬件，這些硬件被設(shè)計用來運(yùn)行特定的駕駛算法。此外，未來研究人員還可以使算法更加有效，需要更少的計算能力。

研究人員稱，希望汽車廠商會把排放和碳效率作為重要的指標(biāo)，在他們的設(shè)計中加以考慮。