您的智能手机的性能远胜于NASA的计算机，这些计算机曾于1969年将尼尔·阿姆斯特朗和巴兹·奥尔德林送上月球，但它也是个耗能大户。在计算领域，能源使用通常被视为次于速度和存储的次要问题，但随着技术发展的速度和方向，它正日益成为一个严峻的环境问题。
当加密货币挖矿公司Hut 8在加拿大艾伯塔省梅迪辛哈特（Medicine Hat）郊外开设加拿大最大的比特币挖矿项目时，环保人士敲响了警钟。该工厂消耗的电力是全市任何其他设施的10倍，这些电力主要由一座天然气发电厂提供。
全球信息、通信和技术（ICT）行业的温室气体（GHG）排放量预计每年将在2020年达到相当于14亿吨（十亿公制吨）二氧化碳的水平。这一比例占全球温室气体排放量的2.7%，且大约是加拿大每年温室气体排放总量的两倍。
通过设计节能型计算机处理器，我们可以降低能源消耗，并在依赖化石燃料发电的地区减少温室气体排放。作为专攻计算机体系结构与算术的计算机工程师，我和同事们确信，这些积极效果几乎不会影响计算机性能或用户便利性。
强大的连接能力
物联网（IoT）由嵌入日常物品中的互联计算设备构成，目前已带来积极的经济和社会影响，正在将我们的社会、环境和食品供应链推向更好的方向。
这些设备正在监测和减少空气污染、改善水资源保护，并养活饥饿的世界。它们还使我们的家庭和企业更加高效，可控制恒温器、照明、热水器、冰箱和洗衣机。
随着联网设备数量预计将超过110亿台（不包括计算机和手机），到2018年，物联网将产生需要大量计算的大数据。
提高计算的能效将节省资金并减少能源使用。它还可以让计算系统中提供电力的电池体积更小或续航时间更长。此外，计算速度可以更快，因此计算系统产生的热量会更少。
近似计算
当今的计算系统被设计为以高能耗提供精确解。但许多具有容错性的算法，如图像、声音和视频处理、数据挖掘、传感器数据分析和深度学习，并不需要精确答案。
这种不必要的精确度和过度的能源消耗是一种浪费。人类感知存在局限，我们并不总是需要100%的精确度才能对结果感到满意。例如，图像和视频质量的细微变化通常不易察觉。
计算系统可以利用这些局限来降低能耗，同时不对用户体验产生负面影响。“近似计算”是一种有时会返回不精确结果的计算技术，因此适用于近似结果已足够的应用。
在萨斯喀彻温大学的计算机工程实验室，我们提议设计并实现这些近似计算解决方案，以便在软件和硬件之间实现精确度与效率的最优权衡。当我们将这些解决方案应用于处理器的核心计算组件时，我们发现功耗降低了超过50%，而性能几乎没有下降。
灵活精度
如今，大多数个人计算机采用64位标准数值格式。这意味着它们使用由64位（零或一）组成的数字来执行所有计算。
3D图形、虚拟现实和增强现实需要64位格式才能运行。但基础音频和图像处理可以使用32位格式完成，并仍能提供令人满意的结果。此外，深度学习应用甚至可以使用16位或8位格式，这得益于其容错能力。
格式越短，执行计算所消耗的能量就越少。我们可以设计灵活而精确的计算解决方案，针对不同应用使用最合适的数值格式，从而提升能效。
根据我们的初步实验，采用这种灵活计算方案的深度学习应用可将能耗降低15%。此外，所提出的解决方案可以重新配置，以同时执行多个对低数值精度有要求的运算，并提升性能。
物联网蕴含着巨大潜力，但我们也必须考虑处理所有这些数据的成本。通过更智能、更环保的处理器，我们可以帮助应对环境问题，并减缓或减少其对气候变化的影响。
