Quando se trata do tema das emissões de gases de efeito estufa, os culpados tradicionais geralmente se enquadram nas categorias abrangentes de transporte, combustível fóssil, agricultura ou “eletricidade”. Mas se cavarmos um pouco mais fundo, descobriremos que muitas dessas indústrias são sustentadas pelo impressionante setor de tecnologia das últimas décadas. E, assim como a lei de Moore, a pegada de carbono do setor de tecnologia está aumentando em um ritmo vertiginoso.
Por exemplo, estima-se que o consumo de eletricidade de data centers globalmente seja superior a 205 terawatt horas por ano. Esse número é maior do que o consumo anual de eletricidade de países como Irlanda, Dinamarca, Taiwan ou África do Sul. Além disso, no momento, apenas 61% da população mundial está online, e projeções modestas mostram que até 2030, mais de 43 bilhões de dispositivos IoT serão aproveitados na esfera de mercado sempre interconectada.
Em uma escala tão grande, projeta-se que a tecnologia da informação e comunicação (TIC) será responsável por 7% a 20% da demanda global de consumo de energia até 2030.
O uso de energia renovável é apenas uma parte da equação complexa e multifacetada para a neutralidade de carbono, e perseguir a pegada ambiental indescritível do carbono levou a algumas observações contra-intuitivas em utilização de energia.
À medida que a computação se torna cada vez mais onipresente, procuramos esclarecer como a construção sustentável sistemas de computação não é apenas a coisa consciente a se fazer, mas também como pode levar a uma melhor eficiência tanto para os sistemas de computação quanto para o planeta.
Neste artigo, detalhamos alguns dos maiores contribuintes para a pegada de carbono no setor de computação e descrevemos como as técnicas modernas destinadas a reduzir as emissões de carbono podem realmente resultar em uma mudança sísmica na forma como desenvolvemos o hardware do futuro. Aperte o cinto, já que este será um passeio e tanto…
Por que isso é relevante agora?
As tendências recentes colocaram a indústria de computação no centro das atenções para as emissões de carbono, e não de uma maneira boa. O modelo de negócios predominante nas empresas de tecnologia, que incentiva o lançamento de tecnologia “antiga” à medida que a tecnologia “nova” é lançada. Essa constante mudança de tecnologia, como atualizações de telefones celulares, cria um estoque crescente de “lixo” que é muito difícil de reciclar, muito menos revender em um mercado alternativo.
A mineração de criptomoedas tomou o mundo por uma tempestade na última década. O modelo de prova de trabalho no blockchain requer um consumo massivo de energia distribuído em muitas máquinas e tem sido um dos maiores detratores da tecnologia na esfera pública.
Então você também tem a “nuvem” (ou seja, data centers), que alimenta quase todos os nossos serviços diários e nos mantém interconectados. Esses gigantes precisam continuar escalando para atender a todas as nossas necessidades atuais e futuras, desde o uso pessoal, como armazenamento de fotos ou binging de TV, até serviços em escala industrial, como gerenciamento de tráfego aéreo e administração de governos.
Essas atividades e serviços estão operacionais 24 horas por dia, 7 dias por semana, e qualquer tempo de inatividade seria uma perda considerável de qualidade de vida para muitos. Claro, isso também incorre em um enorme imposto de carbono em nosso planeta.
Embora a eficiência de energia sempre tenha sido a principal consideração ao projetar um novo hardware (como destacado por nossas análises de CPU e GPU aqui no TechSpot), ele considera apenas um aspecto da equação. Projetar para um ambiente de computação sustentável requer uma visão holística do impacto ambiental da tecnologia durante sua vida útil, desde a fabricação de chips na fase de produção até a reciclagem de semicondutores na fase de fim de vida.
Como incentivo adicional, o financiamento do governo também está sendo direcionado para esse esforço. A Fundação Nacional de Ciência dos EUA (NSF) recentemente lançou uma chamada para propostas de pesquisa destacando explicitamente a necessidade de esforços de computação sustentáveis. E assim, onde o dinheiro leva, a inovação (geralmente) segue.
Qual é a fonte?
Seria fácil simplesmente apontar o dedo para empresas de criptomoedas e data centers como os infratores do aumento das emissões de carbono no setor de TIC. Mineradores de criptomoedas e data centers, no entanto, constituem apenas uma parte das emissões de carbono operacionaiscom base no uso. As emissões de carbono da produção, fabricação, transporte e processamento de fim de vida realmente ofuscam substancialmente a pegada de carbono operacional.
Isso é o que pesquisadores de Harvard descobriram recentemente, analisando relatórios corporativos disponíveis publicamente sobre as emissões de carbono de empresas como AMD, Apple, Google, Huawei, Intel, Microsoft, TSMC e outras.
Os resultados mostram que a pegada de carbono hoje é predominantemente relacionada ao capex (de um -infraestrutura de tempo e custo de hardware), em vez de incorridos em opex (operações recorrentes).
Quebra de emissão de carbono da Apple
Por exemplo, a quebra de carbono da Apple em 2019 foi de 74% devido ao custo de fabricação, enquanto o uso de hardware representou apenas 19%. A fabricação de circuitos integrados foi esmagadoramente a maior produtora de emissões de carbono (33%), destacando a necessidade de inovar no lado da produção para computação sustentável.
Combustão de combustível na forma de diesel, gás natural , e gasolina formam apenas uma pequena fração das emissões diretas no custo operacional dos data centers. Por outro lado, eles formam uma grande fração da pegada de carbono da fabricação de chips: mais de 63% das emissões da fabricação de wafers de 12 polegadas na TSMC, por exemplo.
Divida a vida útil de um sistema de computador em quatro fases distintas ajuda a lançar mais luz sobre as possíveis fontes de emissões de carbono. Esses incluem:
Produção: uma fonte de capex; envolvendo aquisição de material, projeto de IC, embalagem e montagem
Transporte de Produtos
: uma fonte de capex; mover um produto ou hardware para seu ponto de uso Uso do produto: uma fonte de opex; utilização do hardware durante sua vida útil, incluindo consumo de energia estática e dinâmica Fim da vida: uma fonte de capex; reciclagem e emissões de carbono no fim da vida útil, potencialmente para reutilização em sistemas futuros.
Embora a pegada de carbono do lado da fabricação represente uma parte substancial das emissões totais de carbono, dispositivos sempre ligados (como consoles de jogos ou dispositivos inteligentes) incorrem em um custo de opex maior do que o capex. Assim, otimizar a eficiência de energia ainda é uma importante restrição de projeto, mas medidas inovadoras ainda precisam ser tomadas para lidar com o custo não operacional de produção, transporte e reciclagem.
Parece haver uma tensão entre projetar novo hardware para melhor desempenho e projetar hardware de maneira sustentável. No entanto, isso não precisa ser o caso: a indústria de computação tem se beneficiado por muito tempo ao levar a lei de Moore para o pôr do sol. Muitas otimizações em gerações de computação foram resultado de dimensionamento de tecnologia.
Muitas otimizações em gerações de computação foram resultado de dimensionamento de tecnologia.
Agora, há não é mais um almoço grátis, mas muitas oportunidades ainda existem ao repensar as técnicas arquitetônicas “tradicionais” do ponto de vista da sustentabilidade e confiabilidade. Lidar com os custos de capex e opex é importante para o futuro da computação sustentável.
Vamos mergulhar profundamente em um dos setores que mais cresceram nos últimos anos: inteligência artificial. As muitas conquistas na última década apenas para a IA foram extraordinárias!
Desde o desenvolvimento de vacinas em tempo recorde, até inovações de veículos autônomos, até DLSS 2.0 em renderização visual… A IA é apenas apenas começando a transformar nossas vidas e sociedades.
Mas antes de nos deixarmos levar pelo imenso progresso da tecnologia, vamos dar um passo atrás e explorar o impacto ambiental da IA em nosso planeta. Não estamos aqui para apontar dedos, mas sim para introduzir uma nova mentalidade para o desenvolvimento de tecnologia futura que seja consciente da sustentabilidade.
Ciclo de vida de um sistema de IA
Os modelos de IA estão crescendo de forma superlinear em várias frentes. A ascensão do big data significa que agora estamos operando na geração e armazenamento de dados em escala de exabyte. Em seguida, os modelos de IA estão aumentando drasticamente em tamanho: o Google lançou recentemente o DALL-E 2, um modelo de 5 bilhões de parâmetros que gera imagens com base em texto em linguagem natural. Então, é claro, você tem toda a infraestrutura de hardware necessária para impulsionar a revolução da IA na nuvem e nos laboratórios de pesquisa.
Com foco no lado do aplicativo, o ciclo de vida para o desenvolvimento e implantação de uma IA sistema é aproximadamente o seguinte:
Processamento de dadosExperimentação TreinamentoInferência
Processamento de dados envolve a coleta e limpeza de dados, bem como a extração de recursos relevantes para o desenvolvimento de um modelo de máquina. A fase de experimentaçãoinclui o desenvolvimento e avaliação de algoritmos propostos, projetos de arquitetura de modelo, ajuste de hiperparâmetros e vários outros técnicas caras. Dado o grande espaço de exploração, não é incomum realizar muitas explorações em paralelo em escala, tanto em CPUs quanto em GPUs na nuvem.
Após a experimentação, um
Rotina de treinamento é desenvolvida, o que requer grandes quantidades de dados, abrangendo muitos casos e cenários. O treinamento de um modelo em si é outra tarefa de computação intensiva e, às vezes, pode exigir ajustes adicionais ou retreinamento à medida que dados mais recentes se tornam disponíveis.
Finalmente, um modelo é implantado e usado em modo de inferência. Esta etapa envolve fazer previsões dinamicamente, por exemplo, fornecer recomendações sobre o que assistir na Netflix ou preencher automaticamente os resultados da pesquisa em um mecanismo de pesquisa.
Embora cada inferência individual possa ser rápida e (potencialmente) de baixo cálculo, a escala em que a inferência é realizada a torna uma força a ser reconhecida. Espera-se que os modelos implantados produzam trilhõesde previsões diariamente e atendam bilhões de dispositivos em todo o mundo.
Cada fase é importante, e você não pode descartar nenhuma fase ao visar a sustentabilidade. Um modelo de linguagem universal para tradução de texto usado pelo Meta, por exemplo, mostra uma divisão de 31%, 29% e 40% para processamento de dados, experimentação/treinamento e inferência, respectivamente.
Distribuição de carbono dos modelos de IA conforme perfilado pela Meta
Analisar o efeito da IA nas emissões de carbono envolve principalmente a fabricação e uso do sistema. Conforme descrito acima, o uso de um sistema de IA é substancial em todas as fases do ciclo de vida. O lado de fabricaçãoinclui a construção da infraestrutura para sistemas de IA.
O relatório de sustentabilidade do Facebook indica que o impacto de fabricação é mais de 50%. Isso significa que sempre há um custo inicial para o design de modelos de IA, antes mesmo de serem projetados e implantados.
Como isso é arquiteturalmente relevante? Bem, os projetistas de sistemas agora têm um novo botão e métrica para ajustar: sustentabilidade!
A aceleração de GPU de uso geral pode fornecer uma eficiência energética de ordem de magnitude melhoria de ciência em relação à computação baseada em CPU. Projetar aceleradores de IA ainda mais especializados pode melhorar ainda mais (ambos) o desempenho e os esforços de sustentabilidade.
Compreender os efeitos do nível de cache nesses sistemas também pode ajudar a otimizar a pegada de carbono dos sistemas de IA. Quais tarefas são usadas com frequência e precisam ser armazenadas para acesso rápido? É mais barato recalcular uma operação ou armazená-la e lê-la da memória? Que tipo de dispositivos (como DRAM ou flash) são ideais para esses sistemas, para equilibrar o desempenho e reduzir a pegada de carbono?
… enquanto a métrica principal tem sido tradicionalmente desempenho- centrado, elevando a sustentabilidade como uma restrição de design de primeira classe apresenta ainda mais espaço para inovação com uma mentalidade de longo prazo sobre o impacto da tecnologia em nosso planeta.
Há também questões fundamentais de computação que precisam ser revisitados. Por exemplo, reduzir pela metade a precisão dos números (de operações de 32 bits para 16 bits) pode mais que dobrar a eficiência energética, com impacto mínimo na precisão de um modelo de ML. Talvez até mesmo questionar a representação digital de números também seja justificado, com uma mudança do ponto flutuante IEEE 754 para formatos numéricos mais conscientes da energia, mas com o mesmo desempenho. as questões arquitetônicas já estão na vanguarda do novo design de hardware, devido ao surgimento da IA na última década. No entanto, enquanto a métrica principal tem sido tradicionalmente centrada no desempenho , elevando a sustentabilidade como um projeto de primeira classe restrição apresenta ainda mais espaço para inovação com uma mentalidade de longo prazo sobre o impacto da tecnologia em nosso planeta.
O efeito do centro de dados
Um método que várias empresas estão adotando para compensar suas emissões de carbono pegada é atingir as emissões de carbono “net-zero”. O objetivo é produzir efetivamente zero emissões de carbono para todas as suas operações, seja por meio do uso de fontes renováveis, redução de emissões, seja pela “compra” de créditos de carbono.
Vamos ignorar a opção “comprar crédito de carbono” por enquanto, pois isso é tipicamente um golpe de relações públicas e menos interessante tecnologicamente. Então, como os data centers e grandes corporações podem compensar seu uso de carbono, enquanto ainda sustentam um negócio lucrativo?
A resposta (como é o objetivo deste artigo) é otimizar para computação sustentável!
A Meta tem estado na vanguarda deste esforço. Um artigo recente descreve como a Meta está explorando como fontes de energia renovável, como solar ou eólica, podem ser usadas para alimentar seus data centers de maneira otimizada.
Projeção de crescimento de energia renovável na rede elétrica dos EUA.
81% da energia renovável será composta por energia solar e eólica (fonte). Por exemplo, as fontes de energia solar fornecem uma fonte cíclica de energia, produzindo milhares de megawatts-hora durante o dia e energia mínima à noite. Curiosamente, isso geralmente é muito semelhante à utilização de data centers também, onde as horas de trabalho exigem muito mais recursos durante o dia do que à noite. Ao empregar a programação com reconhecimento de carbono de seus recursos de data center, eles podem aproveitar a energia renovável durante o dia, quando aplicável, e depois mudar para fontes alternativas fora do horário de pico.
Essa abordagem é no entanto, concentrava-se principalmente no custo operacional, em vez do custo inicial de fabricação. Para projetar os data centers de amanhã, é importante levar em consideração os custos iniciais e modelá-los adequadamente. Só então corporações como a Meta podem decidir onde gastar seus recursos: é melhor concentrar os esforços de fabricação em baterias do que manter a programação com reconhecimento de carbono durante a vida útil do hardware? Essa equação multifacetada não é trivial, e as empresas estão agora começando a pensar em projetar essas estruturas para navegar nessa nova fronteira.
A estrutura Carbon-Explorer proposta pela Meta, para otimizar a computação sustentável em data centers (fonte)
A boa notícia é que projetar para sustentabilidade e confiabilidade será realmente mais benéfico a longo prazo para as empresas e afetará positivamente seus resultados financeiros.
O custo “adiantado” de entender como equilibrar e lidar com o carbono certamente pagará dividendos para as corporações e, mais importante, para o planeta que todos compartilhamos.
Computação para a sustentabilidade
Além de gerenciar fontes de energia renovável, existem muitas outras abordagens para a computação sustentável que também são promissoras.
Projetando re hardware responsável e abordar falhas de hardware é sua própria linha de pesquisa nos dias de hoje. Tanto o Google quanto o Meta notaram um fenômeno recente interessante em que as falhas de hardware se tornaram extremamente comuns.
perfilado e mostrado como um fenômeno de um em mil. Compreender a origem desses erros e como mitigá-los ajudará a sustentar sua utilização por mais tempo, prolongando seu uso e amortizando sua pegada de carbono inicial.
A computação intermitente é outro desenvolvimento promissor, onde os dispositivos ligam quando necessário e desligam quando não são necessários. Power gating não é um fenômeno novo, mas a computação intermitente tem muitos desafios únicos, como determinar quando ligar/desligar os dispositivos, como minimizar o tempo para ligar o interruptor e, claro, quais domínios podem se beneficiar desse uso intermitente de computação.
Por último, mas não menos importante, como podemos reciclar adequadamente nosso hardware quando eles não são mais úteis?
Este é um problema que deve ser resolvido antecipadamente no processo de desenvolvimento do dispositivo. Por exemplo, é possível usar material orgânico para construir hardware de última geração, para permitir a reciclagem direta no final de sua vida útil?
Ou talvez o mercado possa girar para “reciclar” mais antigos hardware high-end em mercados low-end de forma direcionada? Talvez os chips de servidor de hoje possam se tornar a computação IoT de amanhã, gerenciando adequadamente a utilização de energia e construindo o chip de maneira reconfigurável. Essas ideias estão começando a aparecer em círculos menores e laboratórios de pesquisa, mas até que as grandes corporações decidam acelerar esse desenvolvimento, essas ideias podem não decolar totalmente.
Para onde vamos daqui?
Projetar a próxima geração de sistemas e hardware de forma consciente do carbono é uma fase empolgante e importante na indústria de tecnologia.
Independentemente de a motivação que as corporações podem ter para compensar sua pegada de carbono, há muitos desafios técnicos envolvidos para gerenciar adequadamente o carbono. Este empreendimento requer a compreensão da pegada de carbono de ponta a ponta de sistemas novos e existentes que estão sendo construídos e conscientização para aplicativos modernos e futuros (como IA e computação de ponta).
Muitos As decisões de projeto podem precisar ser revisadas e incorporadas em futuros projetos de sistemas. Incluindo rótulos de “fatos nutricionais” de carbono que em breve se tornarão um padrão de muitas folhas de especificações, e as empresas terão que incorporá-los em muitas decisões de negócios. Responsabilizar grandes e pequenas corporações é importante para o nosso planeta, e tudo começa com a compreensão do impacto de carbono da tecnologia e dos sistemas modernos.
Mais Explicadores de Tecnologia
Caminho Tracing vs. Ray Tracing, Explicado
O que é um Sistema de Arquivos?O que é Chip Binning?
