为自动驾驶汽车提供动力的计算机可能是全球碳排放的巨大驱动力
未来，在全球自动驾驶车队中运行强大的计算机所需的能源可能产生与当今世界所有数据中心一样多的温室气体排放量。
这是麻省理工学院研究人员一项新研究的一个重要发现，该研究探讨了如果自动驾驶汽车被广泛采用，潜在的能源消耗和相关的碳排放量。
容纳用于运行应用程序的物理计算基础设施的数据中心以其巨大的碳足迹而闻名：它们目前约占全球温室气体排放量的 0.3% ，或者大约相当于阿根廷国家每年产生的碳量，据称国际能源署。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，因此建立了一个统计模型来研究这个问题。他们确定 10 亿辆自动驾驶汽车，每辆每天驾驶 1 小时，配备一台消耗 840 瓦的计算机，所消耗的能量足以产生与数据中心目前排放量大致相同的排放量。
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，这需要更高效的硬件。在一种情况下——到 2050 年，全球 95% 的车辆是自动驾驶的，计算工作量每三年翻一番，世界继续以目前的速度脱碳——他们发现硬件效率需要比每 1.1 年翻一番更快将排放量保持在这些水平以下。
“如果我们只是保持脱碳的常规趋势和目前硬件效率的提高速度，似乎不足以限制车载自动驾驶汽车计算的排放。这有可能成为一个巨大的问题。但如果我们领先于它，我们可以从一开始就设计出更高效、碳足迹更小的自动驾驶汽车，”第一作者、航空航天研究生 Soumya Sudhakar 说。
Sudhakar 与她的共同顾问 Vivienne Sze 共同撰写了这篇论文，Vivienne Sze 是电气工程与计算机科学系 (EECS) 的副教授，也是电子研究实验室 (RLE) 的成员;和航空航天学副教授兼信息与决策系统实验室 (LIDS) 主任 Sertac Karaman。该研究发表在IEEE Micro的 1 月至 2 月号上。
模拟排放
研究人员建立了一个框架来探索全球完全自主的电动汽车车队上计算机的运行排放，这意味着它们不需要后备人类司机。
该模型是全球车队中车辆数量、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的碳强度的函数。
“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，”Sudhakar 说。
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，他们对一种流行的自动驾驶汽车算法的工作负载进行了建模，该算法被称为多任务深度神经网络，因为它可以同时执行多项任务。他们探索了如果这个深度神经网络同时处理来自许多高帧率相机的许多高分辨率输入，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有 10 个深度神经网络处理来自 10 个摄像头的图像，并且该车辆每天行驶一小时，它每天将进行 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(1 千万亿次是 1,000 万亿次)。
“在看到结果后，这很有意义，但这并不是很多人关注的事情。这些车辆实际上可能使用了大量的计算机能力。他们拥有 360 度的世界观，因此，虽然我们有两只眼睛，但他们可能有 20 只眼睛，四处张望，试图了解同时发生的所有事情，”卡拉曼说。
他说，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——它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，计算硬件必须以明显更快的速度变得更加高效，效率大约每 1.1 年翻一番。
提高效率的一种方法可能是使用更专业的硬件，这些硬件旨在运行特定的驾驶算法。Sudhakar 说，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”，以便它可以运行新算法。
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，这也具有挑战性，因为为了提高效率而牺牲一些准确性可能会妨碍车辆安全。
现在他们已经展示了这个框架，研究人员希望继续探索硬件效率和算法改进。此外，他们表示，他们的模型可以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——以及车辆传感器的排放来增强。
虽然仍有许多场景需要探索，但研究人员希望这项工作能够揭示人们可能没有考虑过的潜在问题。
“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，”Sze 说。