作者 / 曹錦
未來，如果自動駕駛汽車在全世界普及，那麼如此海量汽車上裝載的強大計算機，将造成巨大的能源消耗，這一過程中所産生的溫室氣體可能将等同于當今全球所有資料中心所排放溫室氣體的總和。
這項關鍵結論來自麻省理工學院最新釋出的自動駕駛對環境影響的最新研究成果，研究人員探讨了當自動駕駛汽車被廣泛運用後，可能導緻的能源消耗和相關碳排放。
衆所周知，資料中心因存儲用于運作應用程式的實體計算基礎設施，而産生了巨大的碳足迹數量。根據國際能源署的資料，它們目前占全球溫室氣體排放的0.3%左右，等同于阿根廷全國一年的碳排放量。
然而，公衆對自動駕駛汽車的潛在碳排放量關注甚少。為此，麻省理工學院的研究人員建立了一個統計模型。根據模型推斷，當10億輛自動駕駛車配備了功率為840瓦的計算機，每天行駛一小時，其消耗的能源足以産生與目前資料中心相同的碳排放量。
硬體效率必須每年翻倍
研究人員發現，在超過90%的模拟場景中，要想使自動駕駛汽車的排放量不超過資料中心，每輛車用于計算所消耗的功率必須使用低于1.2千瓦，這要求車輛配備更加高效的硬體。
假定2050年自動駕駛汽車占全球車輛的95%，計算工作量每三年翻一倍，要想繼續保持全球目前的脫碳速度，硬體效率提升的速度最少需要達到每1.1年翻一番。
麻省理工學院航空航天專業的學生Soumya Sudhakar表示，「如果維持目前的脫碳和硬體效率改進速度，我們無法控制自動駕駛汽車計算所帶來的碳排放，這将是一個巨大的威脅。但如果我們先發制人，設計出更高效的自動駕駛汽車，那麼我們可以從一開始就把碳足迹數量控制在一個較小的範圍。」
目前，Sudhaker已經和她的導師，麻省理工學院電子工程和計算機科學系副教授，電子學研究實驗室成員Vivienne Sze以及麻省理工學院航空和航天學副教授，資訊和決策系統實驗室主任Sertac Karaman将他們的研究成果撰寫成論文，發表在IEEE Micro上。
模組化分析碳排放量
研究人員建立了一個模型，用來計算全球自動駕駛汽車上的計算機運作所造成的碳排放量，這些汽車都可以實作完全自動駕駛，無需人類司機進行協助。
該函數模型包括全球自動駕駛車輛數量、每輛車上電腦的功率、每輛車的駕駛時間以及每台電腦供電的碳強度。
Sudhakar表示，「這個函數模型看似隻是一個簡單的方程式，但實際上它非常複雜。我們現在研究的自動駕駛汽車尚未大規模興起，是以函數模型的每一個變量都存在很多不确定因素。」
例如，部分研究表明，自動駕駛汽車的興起将導緻駕駛時間延長。因為人們在開車時可以處理更多其他任務，年輕人和老年人也有了更多的駕駛機會。
但也有研究表明，自動駕駛将縮減駕駛時間，因為算法可以為車輛選擇最佳行駛路線，用最快的速度将乘客送往目的地。
除了這些不确定因素，研究人員還需要對尚未問世的先進計算硬體和計算軟體進行模組化。
為了實作這一目标，研究人員對自動駕駛汽車目前流行使用的一種算法的工作負荷進行了模組化。這種算法可以同時執行多項任務，是以被稱為多任務深度神經網絡。研究人員對該算法進行了分析，探讨如果同時處理多個高分辨率錄影機的輸入會消耗多少能量。
當使用機率模型來模拟不同的場景時，Sudhakar對算法的工作量增加速度之快感到驚訝。
例如，假設一輛自動駕駛汽車用10個深度神經網絡處理來自10個攝像頭的圖像，該車要是每天行駛一小時，需要進行2160萬次推斷（inference）。如果這樣的汽車有10億輛，總推斷數将達到21.6萬萬億次。
這個數字有多麼壯觀呢？Facebook全球所有資料中心每天的推斷數隻有幾萬億次。（1萬萬億等于1000萬億）。
Karaman解釋道，「這些結果意義顯著，但大多數人對此并不關注。自動駕駛車輛在不知不覺中就消耗了大量的計算機功率。它們能夠360度觀察世界，我們有兩隻眼睛，他們可能有20隻眼睛，可以四處觀察，了解周圍同一時間内發生的所有事情。」
他還表示，自動駕駛汽車除了客運之外還将被用于貨運，屆時，全球供應鍊的各個環節都将涉及到大量的計算。而且，他們模型隻考慮了計算因素，沒有将車輛傳感器或車輛制造過程中的能源消耗和碳排放量包括在内。
控制碳排放刻不容緩
研究人員發現，為了防止碳排放失控，每輛自動駕駛汽車的計算耗能需要低于1.2千瓦。要做到這一點，計算硬體必須以加速更新，每1.1年就要實作效率翻倍。
提高效率的方法之一是使用更多專門負責計算的硬體，這些硬體可支援運作特定的駕駛算法。Sudhakar表示，研究人員了解自動駕駛所需的導航和傳感任務，是以可以更容易設計出有針對性的專門硬體。
但車輛的壽命往往長達10-20年，是以開發專用硬體的挑戰之一是「未來可用」，硬體要能支援不斷更新的算法的運作。
在未來，研究人員還可以使算法更加高效，這樣能相應地減少計算耗能。但這也絕非易事，因為犧牲準确性來換取高效率可能會對車輛安全産生影響。
目前，研究人員已經展示了研究的大架構，接下來，他們希望進一步探索，改進硬體效率和算法。此外，他們的模型可以加入自動駕駛車輛的内含碳，也就是汽車制造時産生的碳排放，以及車輛傳感器的碳排放量等資料來不斷調整改進。
雖然研究方案還需要不斷深入完善，但研究人員希望目前的結果能引起人們對潛在問題的重視。盡管目前的資料隻是預測，但 Sudhakar說，這些結果應該讓自動駕駛汽車的研究人員和制造商認識到，「一切照舊」是不夠的，提升計算效率應該成為他們的首要任務。
Sze教授表示，「我們希望在自動駕駛汽車的設計過程中，碳排放和碳效率可以被看作一項重要名額。一輛自動駕駛汽車的能源消耗極為關鍵，這不僅是為了更長的電池壽命，也是為了可持續發展。」
參考連結：
https://news.mit.edu/2023/autonomous-vehicles-carbon-emissions-0113