作者 / 曹锦
未来，如果自动驾驶汽车在全世界普及，那么如此海量汽车上装载的强大计算机，将造成巨大的能源消耗，这一过程中所产生的温室气体可能将等同于当今全球所有数据中心所排放温室气体的总和。
这项关键结论来自麻省理工学院最新发布的自动驾驶对环境影响的最新研究成果，研究人员探讨了当自动驾驶汽车被广泛运用后，可能导致的能源消耗和相关碳排放。
众所周知，数据中心因存储用于运行应用程序的物理计算基础设施，而产生了巨大的碳足迹数量。根据国际能源署的数据，它们目前占全球温室气体排放的0.3%左右，等同于阿根廷全国一年的碳排放量。
然而，公众对自动驾驶汽车的潜在碳排放量关注甚少。为此，麻省理工学院的研究人员建立了一个统计模型。根据模型推断，当10亿辆自动驾驶车配备了功率为840瓦的计算机，每天行驶一小时，其消耗的能源足以产生与当前数据中心相同的碳排放量。
硬件效率必须每年翻倍
研究人员发现，在超过90%的模拟场景中，要想使自动驾驶汽车的排放量不超过数据中心，每辆车用于计算所消耗的功率必须使用低于1.2千瓦，这要求车辆配备更加高效的硬件。
假定2050年自动驾驶汽车占全球车辆的95%，计算工作量每三年翻一倍，要想继续保持全球目前的脱碳速度，硬件效率提升的速度最少需要达到每1.1年翻一番。
麻省理工学院航空航天专业的学生Soumya Sudhakar表示，「如果维持目前的脱碳和硬件效率改进速度，我们无法控制自动驾驶汽车计算所带来的碳排放，这将是一个巨大的威胁。但如果我们先发制人，设计出更高效的自动驾驶汽车，那么我们可以从一开始就把碳足迹数量控制在一个较小的范围。」
目前，Sudhaker已经和她的导师，麻省理工学院电子工程和计算机科学系副教授，电子学研究实验室成员Vivienne Sze以及麻省理工学院航空和航天学副教授，信息和决策系统实验室主任Sertac Karaman将他们的研究成果撰写成论文，发表在IEEE Micro上。
建模分析碳排放量
研究人员建立了一个模型，用来计算全球自动驾驶汽车上的计算机运行所造成的碳排放量，这些汽车都可以实现完全自动驾驶，无需人类司机进行协助。
该函数模型包括全球自动驾驶车辆数量、每辆车上电脑的功率、每辆车的驾驶时间以及每台电脑供电的碳强度。
Sudhakar表示，「这个函数模型看似只是一个简单的方程式，但实际上它非常复杂。我们现在研究的自动驾驶汽车尚未大规模兴起，所以函数模型的每一个变量都存在很多不确定因素。」
例如，部分研究表明，自动驾驶汽车的兴起将导致驾驶时间延长。因为人们在开车时可以处理更多其他任务，年轻人和老年人也有了更多的驾驶机会。
但也有研究表明，自动驾驶将缩减驾驶时间，因为算法可以为车辆选择最佳行驶路线，用最快的速度将乘客送往目的地。
除了这些不确定因素，研究人员还需要对尚未问世的先进计算硬件和计算软件进行建模。
为了实现这一目标，研究人员对自动驾驶汽车目前流行使用的一种算法的工作负荷进行了建模。这种算法可以同时执行多项任务，所以被称为多任务深度神经网络。研究人员对该算法进行了分析，探讨如果同时处理多个高分辨率摄像机的输入会消耗多少能量。
当使用概率模型来模拟不同的场景时，Sudhakar对算法的工作量增加速度之快感到惊讶。
例如，假设一辆自动驾驶汽车用10个深度神经网络处理来自10个摄像头的图像，该车要是每天行驶一小时，需要进行2160万次推断（inference）。如果这样的汽车有10亿辆，总推断数将达到21.6万万亿次。
这个数字有多么壮观呢？Facebook全球所有数据中心每天的推断数只有几万亿次。（1万万亿等于1000万亿）。
Karaman解释道，「这些结果意义显著，但大多数人对此并不关注。自动驾驶车辆在不知不觉中就消耗了大量的计算机功率。它们能够360度观察世界，我们有两只眼睛，他们可能有20只眼睛，可以四处观察，了解周围同一时间内发生的所有事情。」
他还表示，自动驾驶汽车除了客运之外还将被用于货运，届时，全球供应链的各个环节都将涉及到大量的计算。而且，他们模型只考虑了计算因素，没有将车辆传感器或车辆制造过程中的能源消耗和碳排放量包括在内。
控制碳排放刻不容缓
研究人员发现，为了防止碳排放失控，每辆自动驾驶汽车的计算耗能需要低于1.2千瓦。要做到这一点，计算硬件必须以加速更新，每1.1年就要实现效率翻倍。
提高效率的方法之一是使用更多专门负责计算的硬件，这些硬件可支持运行特定的驾驶算法。Sudhakar表示，研究人员了解自动驾驶所需的导航和传感任务，所以可以更容易设计出有针对性的专门硬件。
但车辆的寿命往往长达10-20年，因此开发专用硬件的挑战之一是「未来可用」，硬件要能支持不断更新的算法的运行。
在未来，研究人员还可以使算法更加高效，这样能相应地减少计算耗能。但这也绝非易事，因为牺牲准确性来换取高效率可能会对车辆安全产生影响。
目前，研究人员已经展示了研究的大框架，接下来，他们希望进一步探索，改进硬件效率和算法。此外，他们的模型可以加入自动驾驶车辆的内含碳，也就是汽车制造时产生的碳排放，以及车辆传感器的碳排放量等数据来不断调整改进。
虽然研究方案还需要不断深入完善，但研究人员希望目前的结果能引起人们对潜在问题的重视。尽管目前的数据只是预测，但 Sudhakar说，这些结果应该让自动驾驶汽车的研究人员和制造商认识到，「一切照旧」是不够的，提升计算效率应该成为他们的首要任务。
Sze教授表示，「我们希望在自动驾驶汽车的设计过程中，碳排放和碳效率可以被看作一项重要指标。一辆自动驾驶汽车的能源消耗极为关键，这不仅是为了更长的电池寿命，也是为了可持续发展。」
参考链接：
https://news.mit.edu/2023/autonomous-vehicles-carbon-emissions-0113