Khi nói đến chủ đề phát thải khí nhà kính, thủ phạm truyền thống thường thuộc các loại giao thông vận tải, nhiên liệu hóa thạch, nông nghiệp hoặc “điện”. Nhưng nếu tìm hiểu sâu hơn một chút, chúng ta sẽ thấy rằng nhiều ngành trong số này được hỗ trợ bởi lĩnh vực công nghệ ấn tượng trong vài thập kỷ qua. Và cũng giống như định luật Moore trước đó, lượng khí thải carbon của lĩnh vực công nghệ đang gia tăng với tốc độ chóng mặt.
Ví dụ, mức tiêu thụ điện của các trung tâm dữ liệu trên toàn cầu được ước tính vượt quá 205 terawatt giờ mỗi năm. Con số này nhiều hơn lượng điện tiêu thụ hàng năm của các quốc gia như Ireland, Đan Mạch, Đài Loan hay Nam Phi. Hơn nữa, hiện tại chỉ có 61% dân số thế giới trực tuyến và các dự đoán khiêm tốn cho thấy đến năm 2030, hơn 43 tỷ thiết bị IoT sẽ được khai thác trong lĩnh vực thị trường luôn được kết nối với nhau.
Với quy mô lớn như vậy, dự kiến công nghệ thông tin và truyền thông (ICT) sẽ chiếm từ 7% đến 20% nhu cầu tiêu thụ năng lượng toàn cầu vào năm 2030.
Sử dụng năng lượng tái tạo chỉ là một phần của phương trình phức tạp, đa diện về tính trung hòa carbon và việc theo đuổi dấu vết carbon khó nắm bắt đối với môi trường đã dẫn đến một số quan sát phản trực giác trong việc sử dụng năng lượng.
Khi máy tính ngày càng trở nên phổ biến, chúng tôi tìm cách làm sáng tỏ cách xây dựng hệ thống máy tính bền vững không chỉ là việc làm có lương tâm mà còn là cách nó có thể mang lại hiệu quả tốt hơn cho cả hệ thống máy tính và hành tinh.
Trong bài viết này, chúng tôi phân tích một số yếu tố góp phần lớn nhất vào lượng khí thải carbon trong ngành công nghiệp máy tính và mô tả cách thức các kỹ thuật hiện đại nhằm hạn chế lượng khí thải carbon thực sự có thể dẫn đến sự thay đổi lớn trong cách chúng ta phát triển phần cứng của tương lai. Thắt dây an toàn, vì đây sẽ là một chuyến đi khá thú vị…
Các xu hướng gần đây đã khiến ngành công nghiệp máy tính trở thành tâm điểm chú ý về lượng khí thải carbon, và không phải là một cách tốt. Mô hình kinh doanh phổ biến trong các công ty công nghệ, khuyến khích loại bỏ công nghệ “cũ” khi công nghệ “mới” được phát hành. Sự thay đổi liên tục của công nghệ, chẳng hạn như nâng cấp điện thoại di động, tạo ra một kho “rác thải” ngày càng tăng, rất khó tái chế, chứ chưa nói đến việc bán lại ở một thị trường thay thế.
Khai thác tiền điện tử đã gây bão trên toàn thế giới trong thập kỷ qua. Mô hình bằng chứng công việc trong chuỗi khối đòi hỏi mức tiêu thụ năng lượng lớn được phân phối trên nhiều máy và là một trong những yếu tố gây khó chịu lớn nhất đối với công nghệ này trong lĩnh vực công cộng.
Sau đó, bạn cũng có “đám mây” (tức là trung tâm dữ liệu), cung cấp năng lượng cho gần như tất cả các dịch vụ hàng ngày của chúng tôi và giúp chúng tôi kết nối với nhau. Những gã khổng lồ này cần tiếp tục mở rộng quy mô để phục vụ tất cả các nhu cầu hiện tại và tương lai của chúng ta, từ mục đích sử dụng cá nhân như lưu trữ ảnh hoặc xem TV, đến các dịch vụ quy mô công nghiệp như quản lý lưu lượng hàng không và điều hành chính phủ.
Các hoạt động và dịch vụ này hoạt động 24/7 và bất kỳ thời gian ngừng hoạt động nào cũng sẽ làm giảm đáng kể chất lượng cuộc sống của nhiều người. Tất nhiên, điều này cũng gây ra một khoản thuế carbon khổng lồ trên hành tinh của chúng ta.
Mặc dù hiệu quả sử dụng năng lượng luôn được xem xét chính khi thiết kế phần cứng mới (như được nhấn mạnh trong các bài đánh giá CPU và GPU của chúng tôi ở đây trên TechSpot), nó chỉ xem xét một khía cạnh của phương trình. Thiết kế cho một môi trường điện toán bền vững đòi hỏi phải có cái nhìn toàn diện về tác động môi trường của công nghệ trong suốt thời gian tồn tại của nó, từ sản xuất chip ở giai đoạn sản xuất, cho đến quá trình tái chế chất bán dẫn ở giai đoạn cuối vòng đời.
Như một động lực bổ sung, tài trợ của chính phủ hiện cũng đang được hướng đến nỗ lực này. Quỹ Khoa học Quốc gia Hoa Kỳ (NSF) gần đây đã đưa ra lời kêu gọi đề xuất nghiên cứu nhấn mạnh rõ ràng nhu cầu nỗ lực tính toán bền vững. Và do đó, tiền dẫn đến đâu, sự đổi mới (thường) theo sau.
Sẽ rất dễ dàng để chỉ trích các công ty tiền điện tử và trung tâm dữ liệu là những kẻ phạm tội làm tăng lượng khí thải carbon trong lĩnh vực CNTT-TT. Tuy nhiên, các công cụ khai thác tiền điện tử và trung tâm dữ liệu chỉ tạo thành một phần lượng khí thải carbon hoạt động dựa trên việc sử dụng. Lượng khí thải carbon từ quá trình sản xuất, chế tạo, vận chuyển và xử lý khi hết vòng đời thực sự làm lu mờ đáng kể lượng khí thải carbon hoạt động.
Đây là điều mà các nhà nghiên cứu của Harvard gần đây đã phát hiện ra, bằng cách xem xét các báo cáo doanh nghiệp công khai về lượng khí thải carbon từ các công ty bao gồm AMD, Apple, Google, Huawei, Intel, Microsoft, TSMC và các công ty khác.
Kết quả cho thấy lượng khí thải carbon ngày nay chủ yếu liên quan đến vốn đầu tư (từ cơ sở hạ tầng một lần và chi phí phần cứng), thay vì phát sinh từ hoạt động kinh doanh (hoạt động định kỳ).
Ví dụ: tỷ lệ phân hủy carbon của Apple năm 2019 là 74% do chi phí sản xuất, trong khi việc sử dụng phần cứng chỉ chiếm 19%. Hoạt động sản xuất mạch tích hợp phần lớn là nhà sản xuất chính tạo ra lượng khí thải carbon (33%), nêu bật nhu cầu đổi mới về mặt sản xuất để có được điện toán bền vững.
Quá trình đốt cháy nhiên liệu ở dạng dầu diesel, khí đốt tự nhiên và xăng chỉ tạo thành một phần nhỏ lượng khí thải trực tiếp trong chi phí vận hành của các trung tâm dữ liệu. Mặt khác, chúng tạo thành một phần lớn lượng khí thải carbon sản xuất chip: chẳng hạn như hơn 63% lượng khí thải từ việc sản xuất các tấm wafer 12 inch tại TSMC.
Việc chia nhỏ vòng đời của một hệ thống máy tính thành bốn giai đoạn riêng biệt giúp làm sáng tỏ hơn về các nguồn phát thải carbon có thể có. Bao gồm các:
Mặc dù lượng khí thải carbon từ phía nhà sản xuất chiếm một phần đáng kể trong tổng lượng khí thải carbon, nhưng các thiết bị luôn bật (chẳng hạn như bảng điều khiển trò chơi hoặc thiết bị thông minh) phải chịu chi phí opex lớn hơn so với chi phí đầu tư ban đầu. Do đó, việc tối ưu hóa để sử dụng năng lượng hiệu quả vẫn là một hạn chế quan trọng trong thiết kế, nhưng vẫn cần thực hiện các biện pháp đổi mới để giải quyết chi phí sản xuất, vận chuyển và tái chế không hoạt động.
Dường như có sự căng thẳng giữa việc thiết kế phần cứng mới để có hiệu suất tốt hơn và thiết kế phần cứng theo cách bền vững. Tuy nhiên, điều này không nhất thiết phải đúng: ngành công nghiệp máy tính đã được hưởng lợi từ rất lâu bằng cách đưa định luật Moore vào lúc hoàng hôn. Nhiều tối ưu hóa qua các thế hệ máy tính là kết quả của việc mở rộng quy mô công nghệ.
Nhiều tối ưu hóa qua các thế hệ máy tính là kết quả của việc mở rộng quy mô công nghệ.
Giờ đây, không còn bữa trưa miễn phí nữa, nhưng nhiều cơ hội vẫn tồn tại bằng cách xem xét lại các kỹ thuật kiến trúc “truyền thống” từ góc độ bền vững và đáng tin cậy. Giải quyết cả chi phí đầu tư và chi phí hoạt động là rất quan trọng đối với tương lai của điện toán bền vững.
Hãy cùng tìm hiểu sâu về một trong những ngành phát triển nhanh nhất trong những năm gần đây: trí tuệ nhân tạo. Nhiều thành tựu đạt được chỉ riêng trong thập kỷ qua đối với AI đã là phi thường!
Từ việc phát triển vắc-xin trong thời gian kỷ lục, đến những đổi mới về phương tiện tự hành, đến DLSS 2.0 trong kết xuất hình ảnh… AI chỉ mới bắt đầu thay đổi cuộc sống và xã hội của chúng ta.
Nhưng trước khi bắt đầu quan tâm đến những tiến bộ to lớn của công nghệ, chúng ta hãy lùi lại một bước và khám phá tác động môi trường của AI đối với hành tinh của chúng ta. Chúng tôi không ở đây để chỉ tay, mà thay vào đó, giới thiệu một tư duy mới cho sự phát triển công nghệ trong tương lai có ý thức về tính bền vững.
Các mô hình AI đang phát triển siêu tuyến tính trên nhiều mặt. Sự gia tăng của dữ liệu lớn có nghĩa là chúng tôi hiện đang vận hành trên cơ sở tạo và lưu trữ dữ liệu ở quy mô exabyte. Tiếp theo, các mô hình AI đang tăng kích thước đáng kể: Google gần đây đã phát hành DALL-E 2, một mô hình 5 tỷ tham số tạo ra hình ảnh dựa trên văn bản ngôn ngữ tự nhiên. Sau đó, tất nhiên, bạn có tất cả cơ sở hạ tầng phần cứng cần thiết để cung cấp năng lượng cho cuộc cách mạng AI trên đám mây và phòng thí nghiệm nghiên cứu.
Tập trung vào khía cạnh ứng dụng, vòng đời để phát triển và triển khai hệ thống AI đại khái như sau:
Xử lý dữ liệu liên quan đến việc thu thập và làm sạch dữ liệu, cũng như trích xuất các tính năng phù hợp để phát triển mô hình máy. Giai đoạn thử nghiệm bao gồm phát triển và đánh giá các thuật toán được đề xuất, thiết kế kiến trúc mô hình, điều chỉnh siêu tham số và nhiều kỹ thuật tính toán tốn kém khác. Với không gian khám phá rộng lớn, không có gì lạ khi thực hiện nhiều hoạt động khám phá song song trên quy mô lớn, trên cả CPU và GPU trong đám mây.
Sau khi thử nghiệm, một thói quen đào tạo đầy hứa hẹn được phát triển, đòi hỏi lượng dữ liệu phong phú, bao gồm nhiều trường hợp và tình huống. Bản thân việc đào tạo một mô hình là một nhiệm vụ chuyên sâu khác về điện toán và đôi khi có thể yêu cầu tinh chỉnh bổ sung hoặc đào tạo lại khi có thêm dữ liệu gần đây.
Cuối cùng, một mô hình được triển khai và được sử dụng trong chế độ suy luận . Bước này liên quan đến việc đưa ra dự đoán một cách linh hoạt, chẳng hạn như cung cấp đề xuất nội dung nên xem trên Netflix hoặc để tự động hoàn thành kết quả tìm kiếm trong công cụ tìm kiếm.
Mặc dù mỗi suy luận riêng lẻ có thể nhanh và (có khả năng) tính toán thấp, nhưng quy mô mà suy luận được thực hiện khiến nó trở thành một lực lượng cần được tính đến. Các mô hình đã triển khai dự kiến sẽ tạo ra hàng nghìn tỷ dự đoán hàng ngày và phục vụ hàng tỷ thiết bị trên toàn cầu.
Mỗi giai đoạn đều quan trọng và bạn không thể bỏ qua bất kỳ giai đoạn nào khi nhắm mục tiêu phát triển bền vững. Ví dụ: một mô hình ngôn ngữ chung để dịch văn bản được Meta sử dụng cho thấy tỷ lệ phân tích lần lượt là 31%, 29% và 40% đối với xử lý dữ liệu, thử nghiệm/đào tạo và suy luận.
Phân tích tác động của AI đối với lượng khí thải carbon chủ yếu liên quan đến việc sản xuất và sử dụng hệ thống. Như đã mô tả ở trên, việc sử dụng hệ thống AI là quan trọng trong tất cả các giai đoạn của vòng đời. Phía sản xuất bao gồm việc xây dựng cơ sở hạ tầng cho các hệ thống AI.
Báo cáo bền vững của Facebook chỉ ra rằng tác động sản xuất là hơn 50% . Điều này có nghĩa là luôn có chi phí trả trước cho việc thiết kế các mô hình AI, thậm chí trước khi chúng được thiết kế và triển khai.
Làm thế nào là kiến trúc này có liên quan? Chà, các nhà thiết kế hệ thống hiện có một núm và thước đo mới để điều chỉnh: tính bền vững!
Tăng tốc GPU cho mục đích chung có thể cung cấp một thứ tự cải thiện hiệu suất năng lượng lớn hơn so với điện toán dựa trên CPU. Việc thiết kế các máy gia tốc AI chuyên dụng hơn nữa có thể cải thiện hơn nữa (cả) các nỗ lực về hiệu suất và tính bền vững.
Hiểu được các hiệu ứng ở cấp độ bộ đệm trên các hệ thống này cũng có thể giúp tối ưu hóa lượng khí thải carbon của các hệ thống AI. Tác vụ nào được sử dụng thường xuyên và cần được lưu trữ để truy cập nhanh? Việc tính toán lại một thao tác hay lưu trữ và đọc nó từ bộ nhớ có rẻ hơn không? Loại thiết bị nào (chẳng hạn như DRAM hoặc flash) là tối ưu cho các hệ thống này, để cân bằng cả hiệu suất và giảm lượng khí thải carbon?
… trong khi thước đo chính theo truyền thống là lấy hiệu suất làm trung tâm, việc nâng cao tính bền vững như một ràng buộc thiết kế hạng nhất thậm chí còn tạo ra nhiều cơ hội hơn cho sự đổi mới với tư duy dài hạn về tác động của công nghệ đối với hành tinh của chúng ta.
Ngoài ra còn có các câu hỏi máy tính cơ bản cần được xem xét lại. Ví dụ: giảm một nửa độ chính xác của các số (từ phép tính 32 bit xuống 16 bit) có thể tăng gấp đôi hiệu suất năng lượng, với tác động tối thiểu đến độ chính xác của mô hình ML. Có lẽ ngay cả việc đặt câu hỏi về biểu diễn kỹ thuật số của các số cũng được bảo đảm, với việc chuyển từ dấu phẩy động IEEE 754 sang các định dạng số có ý thức về năng lượng hơn nhưng hiệu suất cao hơn.
Nhiều câu hỏi kiến trúc thú vị trong số này đã đi đầu trong thiết kế phần cứng mới do sự phát triển của AI trong thập kỷ qua. Tuy nhiên, mặc dù thước đo chính theo truyền thống là lấy hiệu suất làm trung tâm , nhưng việc nâng cao tính bền vững như một ràng buộc thiết kế hạng nhất thậm chí còn tạo ra nhiều cơ hội hơn cho sự đổi mới với tư duy dài hạn về tác động của công nghệ đối với hành tinh của chúng ta.
Một phương pháp mà các tập đoàn khác nhau đang thực hiện để bù đắp lượng khí thải carbon của họ là nhắm mục tiêu phát thải carbon “thuần bằng không”. Mục tiêu là tạo ra lượng khí thải carbon bằng không một cách hiệu quả cho tất cả các hoạt động của họ, thông qua việc sử dụng các nguồn tái tạo, cắt giảm lượng khí thải hoặc “mua” tín chỉ carbon.
Bây giờ chúng ta hãy bỏ qua tùy chọn “mua tín dụng carbon”, vì đó thường là một pha đóng thế quan hệ công chúng và ít thú vị hơn về mặt công nghệ. Vậy làm cách nào để các trung tâm dữ liệu và tập đoàn lớn có thể bù đắp việc sử dụng carbon của họ, trong khi vẫn duy trì hoạt động kinh doanh có lãi?
Câu trả lời (cũng như mục tiêu của bài viết này) là tối ưu hóa cho điện toán bền vững!
Meta đã thực sự đi đầu trong nỗ lực này. Một bài báo gần đây mô tả cách Meta đang khám phá cách các nguồn năng lượng tái tạo, chẳng hạn như năng lượng mặt trời hoặc gió, có thể được sử dụng để cung cấp năng lượng cho trung tâm dữ liệu của họ theo cách tối ưu.
Ví dụ, các nguồn năng lượng mặt trời cung cấp nguồn năng lượng theo chu kỳ, tạo ra hàng nghìn megawatt giờ vào ban ngày và sau đó là năng lượng tối thiểu vào buổi tối. Thật thú vị, điều này nói chung cũng rất giống với việc sử dụng các trung tâm dữ liệu, nơi mà giờ làm việc đòi hỏi nhiều tài nguyên hơn vào ban ngày so với buổi tối. Bằng cách sử dụng lập lịch biểu nhận biết carbon cho các tài nguyên trung tâm dữ liệu của họ, những nguồn này có thể tận dụng năng lượng tái tạo vào ban ngày nếu có, sau đó chuyển sang các nguồn thay thế vào những giờ không cao điểm.
Tuy nhiên, cách tiếp cận này chủ yếu tập trung vào chi phí vận hành, thay vì chi phí sản xuất trả trước. Để thiết kế các trung tâm dữ liệu của tương lai, điều quan trọng là phải tính đến chi phí trả trước và mô hình hóa nó một cách thích hợp. Chỉ sau đó, các tập đoàn như Meta mới có thể quyết định nơi sử dụng tài nguyên của họ: tập trung nỗ lực sản xuất vào pin có tốt hơn so với duy trì lịch trình nhận biết carbon trong suốt vòng đời của phần cứng không? Phương trình nhiều mặt này không hề đơn giản và các công ty hiện đang bắt đầu xem xét việc thiết kế các khuôn khổ như vậy để điều hướng ranh giới mới này.
Tin tốt là thiết kế bền vững và đáng tin cậy sẽ thực sự có lợi hơn về lâu dài cho các công ty và ảnh hưởng tích cực đến lợi nhuận của họ.
Chi phí “trả trước” để hiểu cách cân bằng và giải quyết carbon chắc chắn sẽ mang lại lợi ích cho các tập đoàn và quan trọng hơn là hành tinh mà tất cả chúng ta cùng chia sẻ.
Ngoài việc quản lý các nguồn năng lượng tái tạo, còn có nhiều cách tiếp cận khác hướng tới điện toán bền vững cũng đầy hứa hẹn.
Ngày nay, thiết kế phần cứng đáng tin cậy và giải quyết các lỗi phần cứng là hướng nghiên cứu của riêng họ. Cả Google và Meta đều nhận thấy một hiện tượng thú vị gần đây khi lỗi phần cứng trở nên cực kỳ phổ biến.
Lỗi phần cứng, vốn được coi là trường hợp một phần triệu, gần đây đã được lập hồ sơ và được chứng minh là hiện tượng một phần nghìn. Hiểu được nguồn gốc của những lỗi này và cách giảm thiểu chúng sẽ giúp duy trì việc sử dụng chúng lâu hơn, kéo dài thời gian sử dụng và giảm thiểu lượng khí thải carbon trả trước của chúng.
Điện toán gián đoạn là một sự phát triển đầy hứa hẹn khác, trong đó các thiết bị bật khi cần thiết và tắt khi không cần thiết. Power gating không phải là một hiện tượng mới, nhưng điện toán không liên tục có nhiều thách thức riêng như xác định thời điểm bật/tắt thiết bị, cách giảm thiểu thời gian bật công tắc và tất nhiên, miền nào có thể hưởng lợi từ việc sử dụng điện toán không liên tục như vậy.
Cuối cùng nhưng không kém phần quan trọng, làm thế nào chúng ta có thể tái chế đúng cách phần cứng của mình một khi chúng không còn hữu ích nữa?
Đây là một vấn đề cần được giải quyết sớm trong quá trình phát triển thiết bị. Ví dụ: liệu có thể sử dụng vật liệu hữu cơ để xây dựng phần cứng thế hệ tiếp theo, để cho phép tái chế đơn giản khi hết tuổi thọ của chúng không?
Hoặc có lẽ thị trường có thể xoay vòng để “tái chế” phần cứng cao cấp cũ hơn vào các thị trường cấp thấp theo cách có định hướng? Có lẽ các chip máy chủ của ngày hôm nay có thể trở thành máy tính IoT của ngày mai, bằng cách quản lý đúng cách việc sử dụng năng lượng và xây dựng chip theo cách có thể cấu hình lại. Những ý tưởng này đang bắt đầu xuất hiện trong các nhóm nhỏ hơn và phòng thí nghiệm nghiên cứu, nhưng cho đến khi các tập đoàn lớn hơn quyết định đẩy nhanh quá trình phát triển này, những ý tưởng này có thể chưa hoàn toàn cất cánh.
Thiết kế thế hệ hệ thống và phần cứng tiếp theo theo kiểu nhận biết carbon là một giai đoạn thú vị và quan trọng sắp tới trong ngành công nghệ.
Bất kể động lực nào mà các tập đoàn có thể phải bù đắp lượng khí thải carbon của họ, có khá nhiều thách thức kỹ thuật liên quan đến việc quản lý carbon đúng cách. Liên doanh này đòi hỏi phải hiểu lượng khí thải carbon trong toàn bộ vòng đời của các hệ thống mới và hiện có đang được xây dựng, cũng như nhận thức về các ứng dụng hiện đại và sắp tới (chẳng hạn như AI và điện toán biên).
Nhiều quyết định thiết kế cơ bản có thể cần được xem xét lại và kết hợp trong các thiết kế hệ thống trong tương lai. Bao gồm các nhãn “thực tế dinh dưỡng” carbon sẽ sớm trở thành mặc định của nhiều tờ thông số kỹ thuật và các doanh nghiệp sẽ phải kết hợp những điều này trong nhiều quyết định kinh doanh. Việc buộc các tập đoàn lớn và nhỏ phải chịu trách nhiệm như nhau là điều quan trọng đối với hành tinh của chúng ta và tất cả đều bắt đầu bằng việc hiểu tác động carbon của các hệ thống và công nghệ hiện đại.