人工智能在各领域的爆发式发展只会进一步加速对计算能力和能源的需求。
解决之道在于我们发展可持续的计算实践，其中包含五个组成部分。
这些步骤各自以不同方式助力应对可持续计算的挑战，但将它们整合在一起的影响将十分显著。
计算技术持续以惊人的速度发展，通过推动科学研究、工程突破和新数字服务，为创新的未来提供动力。
计算在推动创新和商业方面发挥着巨大作用，但与之相伴的碳足迹同样十分显著。例如，Uptime Institute的报告显示，服务器耗电量已经自2017年以来增长了266%。目前，数据中心约占全球电力消耗的3%，预计到2030年可能升至4%。
人工智能（AI）在各领域的爆发式发展只会进一步加速对计算能力和能源的需求。我们如何才能在享受人工智能革命所带来的经济增长的同时，不让计算的碳足迹随之增加？
解决之道在于我们发展可持续的计算实践，其中包含五个组成部分：通过云计算提高利用率、开发特定领域架构、实现工作负载可移植性、实现性能优化自动化，以及使用可持续能源。这些步骤各自以截然不同的方式帮助我们应对可持续计算的挑战，但将所有这些整合在一起的影响将十分显著。
借助云计算提高服务器利用率
无论计算服务器运行的是企业还是云服务提供商数据中心中的人工智能工作负载，更高的利用率意味着我们需要运行的服务器更少，从而耗电更少。利用率的估算各不相同，但企业数据中心通常处于低利用率运行状态，利用率在10%至50%之间。另一方面，云服务提供商的利用率通常可维持在50%至80%。云服务提供商之所以能够做到这一点，是因为它们以更大的规模汇聚需求，并能够获得超大规模效率。
但将工作负载迁移至云端可能是一项复杂的任务，需要投入时间、资金和专业知识，才能确保迁移工作顺利完成。借助自动化，我们可以让更多组织更便捷地使用云服务，并提高全球范围内的整体利用率。
借助特定领域架构实现加速
通用中央处理器（CPU）芯片的时代已经过去。如今，计算领域的进步主要依靠图形处理器（GPU）、张量处理器（TPU）等特定领域架构及其他变体来实现。
顾名思义，特定领域架构经过优化，专门用于运行特定工作负载，一旦运行，其性能提升十分显著。因此，半导体的种类也迅速增多。在过去10年里，专用计算芯片相较通用CPU架构的性能提升已超过1000倍。仅在2022年，云服务提供商就推出了近400种新的硬件选项。
在计算、网络和存储领域，更高效的芯片也大有可为。半导体制造商需要持续努力，寻找能效更高的芯片，或许可借鉴低功耗移动设备所采用的技术。
通过自动化实现工作负载可移植性
虽然可供选择的更环保芯片种类繁多，但这并不意味着组织能够轻松利用它们。更换服务器或云服务的难度和成本意味着，组织无法轻易地从一种硬件架构迁移至另一种。
鉴于本地数据中心的经济性，硬件投资需要至少三年的时间。因此，采用本地部署的组织几乎从一开始就要承担使用效率较低芯片的负担，而无法使用通过云端提供的最新、最优芯片。
即便使用云服务，将应用程序从一个云基础设施迁移至另一个云基础设施也非常困难且复杂。这阻碍了为实现更环保计算而采用最适配架构的进程。
为解决这一问题，组织需要新的方法，以实现将应用程序迁移至不同云服务所需的全部步骤的自动化。
芯片能效的自动化评估
如果组织不清楚针对特定应用（甚至特定类型的计算工作负载）应选用哪些基础设施，那么即便能够轻松切换至不同的云基础设施，也无济于事。
为应用程序匹配最适配硬件的过程需要自动化。事物变化太快，组织无法持续进行测试、基准评估，然后再采用新硬件。
如果判断失误，可能会造成数量级更高的不必要电力消耗。例如，在运行深度学习神经网络方面，新型GPU的效率远高于传统CPU，因为其并行处理多项任务的速度最高可达CPU的三倍。
为数据中心提供更清洁的电力
最后，除了帮助组织充分利用日益增多的硬件选项以降低碳足迹之外，行业还需继续推动开发更清洁、更可持续的云计算数据中心。
这包括推动创新性的新方法，例如结合清洁能源的负碳解决方案，以及回收数据中心热量作为补充能源。
激励措施、税收抵免及其他工具可进一步鼓励此类创新，以建设更清洁、更节能的数据中心。
世界经济论坛如何确保人工智能的伦理发展？
云计算：迈向更环保计算的第一步
尽管对计算能力的需求将持续增长，但组织已不再受制于本地数据中心的传统计算模式。所幸，云计算现已提供所需的各种选择，帮助组织为人工智能及其其他计算需求做出最佳选择。
但要让组织更轻松地使用更环保的计算替代方案，仍有更多工作要做。激励措施固然有所帮助，但关键在于实现组织识别并采用最环保计算选项的自动化。
在这些能力到位之后，组织便可以利用人工智能应对世界最重大的创新挑战，同时确保计算更具可持续性。
在Rescale，我们致力于发展生态系统、技术和能力，以支持组织实现其可持续计算目标。
