研究：自动驾驶汽车车载计算机对全球碳排放的影响将堪比数据中心

感谢本站网友OC_Formula的线索传递！

麻省理工学院的研究人员进行的最新研究表明，如果自动驾驶汽车被广泛采用，将会引入另一个无法计算的碳排放源，即为它们提供计算能力的计算机大脑，这可能会超过目前世界上数据中心的排放量。

图像源取消飞溅

当然，这是建立在能够实现L4或L5自动驾驶汽车的前提下，但麻省理工学院的三名研究人员表示，他们建立的模拟自动驾驶汽车中计算机碳排放的框架应该能够吸引人们对隐藏的碳成本的关注，并帮助汽车行业规划更绿色的未来。

麻省理工学院的研究人员表示，如果自动驾驶汽车到2050年可以获得高达95%的市场份额，假设全球10亿辆自动驾驶汽车每天平均行驶1小时，使用840W的计算机一年将产生相当于2018年的产量全球数据中心的总碳排放量

本站了解到，根据国际能源署的数据，2018年全球数据中心占全球碳排放量的0.3%，大约相当于阿根廷整个国家的排放量。

研究人员还发现，在超过90%的模拟场景中，为了使自动驾驶汽车的排放量不超过当前数据中心的排放量，每辆汽车必须使用功率小于1.2千瓦的车载计算机，这将需要更高效的硬件如果2050年全球95%的车辆都是自动驾驶车辆，那么计算工作量每三年翻一番，全球以现在的速度继续脱碳我们发现，硬件效率至少需要每1.1年翻一番，才能将排放保持在这些水平以下

研究人员建立了一个框架，来探索全球电动汽车车队中计算机的运行排放，这些汽车是完全自主的，这意味着它们不需要备用的人类司机。

值得一提的是，研究模型中的每个变量都包含了大量的不确定性例如，一些研究表明，自动驾驶汽车的驾驶时间可能会增加，因为人们可以在驾驶时处理其他事情，年轻人和老年人可以驾驶更长时间可是，一些研究表明，驾驶时间可能会减少，因为算法可以找到最佳路线，让人们更快地到达目的地

除了考虑这些不确定性，研究人员还需要对目前不存在的高级计算硬件和软件进行建模为了实现这一目标，他们对自动驾驶汽车的一种流行算法的工作负载进行了建模，这种算法被称为多任务深度神经网络，因为它可以同时执行许多任务他们讨论了如果同时处理来自许多相机的高帧率和高分辨率输入，这个深度神经网络将消耗多少能量

当他们使用概率模型探索不同的场景时，研究人员惊讶于算法的工作量增加得如此之快例如，如果一辆自动驾驶汽车有10个深度神经网络来处理来自10个摄像头的图像，汽车每天行驶1小时，每天将进行2160万次推理，10亿辆汽车将进行216万亿次推理从这个角度来看，脸书每天在全球所有数据中心进行数万亿次推断

此外，他们的模型只考虑了计算机，而没有考虑车辆传感器消耗的能源或制造过程中产生的排放。

提高计算效率的一种方法是使用更专用的硬件来运行特定的驱动算法此外，未来的研究人员可以使算法更有效，并需要更少的计算能力

研究人员表示，希望汽车制造商将排放和碳效率作为重要指标，并在设计中加以考虑。