感謝IT之家網(wǎng)友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，美國麻省理工學院（MIT）研究人員進行的新研究顯示，如果動駕駛汽車被廣泛用，那么將引入另個未計算的碳排放 —— 為它們提供算力的計算機大腦可能會超過目前世上的數(shù)據(jù)中心的排量。圖源 Unsplash當然，這是以能夠實現(xiàn) L4 級或 L5 級自主的自動駕駛汽車為提的，但麻省理工院的三位研究人員，他們建立的用于擬自動駕駛汽車（AV）內的計算機的碳排放的框架應該引人們對隱藏的碳成的關注，并幫助汽行業(yè)規(guī)劃一個更綠的未來。麻省理工院的研究人員表示如果到 2050 年自動駕駛汽車可獲得高達 95% 的市場份額，假設球 10 億輛自動駕駛汽車每天平均駛一小時，使用一 840W 的計算機，一年將產生相于 2018 年全球數(shù)據(jù)中心的總碳放量。IT之家了解到，根據(jù)國際能源的數(shù)據(jù)，2018 年全球數(shù)據(jù)中心占球碳排放的 0.3%，大約相當于阿根廷整個國家的排放。研究人員還發(fā)現(xiàn)在超過 90% 的模擬場景中，為了自動駕駛汽車的排量不超過目前數(shù)據(jù)心的排放量，每輛必須使用低于 1.2 千瓦功率的車載計算機，這將需要高效的硬件。如果 2050 年全球 95% 的車輛是自動駕駛車輛，計算作量每三年翻一番世界繼續(xù)以目前的度進行脫碳，研究現(xiàn)硬件效率需要以少每 1.1 年翻一番的提升來保持放量在這些水平之。研究人員建立了個框架來探索全球動汽車車隊上的計機的運行排放，這電動汽車是完全自的，這意味著它們需要一個后備的人司機。值得一提的，該研究模型的變中的每一個都包含多不確定性，例如一些研究表明，自駕駛汽車的駕駛時可能會增加，因為們在駕駛時可以處其它事情，年輕人老年人可以駕駛更時間。但也有研究明，開車的時間可會減少，因為算法以找到最佳路線，人們更快地到達目地。除了考慮這些確定性之外，研究員還需要對目前還存在的先進計算硬和軟件進行建模。了實現(xiàn)這一目標，們對自主車輛的一流行算法的工作負進行了建模，這種法被稱為多任務深神經(jīng)網(wǎng)絡，因為它以同時執(zhí)行許多任。他們探討了如果種深度神經(jīng)網(wǎng)絡同處理來自許多相機高幀率的高分辨率入，會消耗多少能。當他們使用概率型來探索不同的場時，研究人員對算的工作量增加得如之快感到驚訝。例，如果一輛自動駕汽車有 10 個深度神經(jīng)網(wǎng)絡處理來 10 個攝像頭的圖像，而該車輛每行駛一小時，它每將進行 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)中心每天會進行幾萬億（trillion）次的推斷（1 quadrillion 等于 1,000 trillion）。此外，他們的模型考慮了計算機，并有考慮到車輛傳感所消耗的能源或制過程中產生的排放提高計算效率的一方法可能是使用更專門的硬件，這些件被設計用來運行定的駕駛算法。此，未來研究人員還以使算法更加有效需要更少的計算能。研究人員稱，希汽車廠商會把排放碳效率作為重要的標，在他們的設計加以考慮?