毫无疑问,人工智能和机器学习已经并将继续对外围和集中式电子设备产生重大影响,从而影响电子行业、医疗保健、家庭等。.
但智能发展并非没有代价。虽然人工智能已被证明在提高电机等领域的能源效率方面卓有成效,但许多其他应用却导致能源消耗增加,对可持续发展目标产生负面影响。.
在这方面,如何确保边缘地区的 AI 和 ML 发挥其优势,同时又不损害全球可持续发展目标?
人工智能在能源消耗领域的两面性:
在某些领域,人工智能因其能够简化流程、减少浪费而备受赞誉。例如,边缘端的人工智能算法已帮助改进智能建筑技术,通过基于实时入住数据动态调节供暖、照明和空调,从而提高能源效率。
同样,自动驾驶汽车也需要集成人工智能和人工智能模型来解读和导航拥堵的道路,因为它们需要实时分析来自图像传感器等检测源的数据(图 1)。然而,人工智能和人工智能模型会消耗能源,汽车专家估计,L4 级自动驾驶电动汽车大约 46% 的电量将用于控制电子设备和人工智能模型。. 2

图 1:自动驾驶汽车必须评估各种变量才能安全运行(来源:adobe stock/scharfsinn86)。.
虽然边缘人工智能对能源消耗的影响可能是有益的,但集中式人工智能的影响几乎总是有害的。为生成式人工智能提供支持并训练边缘人工智能模型的大型数据中心可以提高现实世界的运营效率,但它们的能源消耗相当可观(据估计,仅训练 Chat GPT-3 就消耗了 1287 兆瓦时的电力)。.
挑战显而易见:人工智能有助于更智能地管理能源和资源,但人工智能算法也会消耗能源,而且由于其实现的复杂性,能源需求也在不断增加。.
开发节能型人工智能解决方案。
总体而言,降低人工智能对环境的影响可以通过三种途径实现。第一种是优化硬件,包括电源和人工智能加速器(例如专用集成电路和图形处理器)等支持组件。提高这些核心硬件组件的效率可以提升人工智能计算的效能,而人工智能计算涵盖了训练和推理神经网络等操作流程或任务。
此外,随着我们对人工智能理解的不断深入,工程师们也将能够找到降低复杂人工智能模型能耗的方法。诸如模型清洗(即移除神经网络中的冗余部分)和量化(即降低人工智能模型参数的精度)等技术,可以显著降低训练和推理过程中的能耗。鉴于越来越多的公司选择将人工智能解决方案扩展到工业和消费领域,并将集中式训练作为产品开发的重要组成部分,这一趋势尤为重要。.
最后,将可再生能源集成到能源消耗最高的 AI 应用中,正在成为降低对必要处理技术需求的一种有吸引力的解决方案 。
寻找理想的组件:
对于试图将解决方案推向市场的工程师来说,选择合适的组件至关重要,因为这样才能在技术进步和能源效率之间取得微妙的平衡。
为此,贸泽电子提供来自世界领先制造商的丰富解决方案,以及 资源 。这些解决方案涵盖边缘和核心人工智能,旨在降低能耗、优化硬件效率并促进可再生能源的使用。
Mouser提供的产品包括采用最新宽带半导体技术的电源,可实现更高效的集中式人工智能部署。 数据中心产品线 包括有源前端整流器、DC-DC转换器和逆变器产品,功率范围从5千瓦到60千瓦。
这些解决方案中有几项基于英飞凌先进的CoolSiC™混合器件和CoolSiC™ MOSFET技术。与传统的硅MOSFET模块不同,采用碳化硅(全部或部分)封装的器件能够承受更高的温度和电压,同时降低功率损耗。作为其功率器件的补充,英飞凌还提供 XDP™数字功率控制器 ,可对功率转换进行精确的数字控制。
XDP系列产品是新一代节能型48V服务器架构的理想之选。通过优化DC-DC转换,XDP™控制器可实现高达97%的效率,满足人工智能工作负载的需求,并实现能源回收利用。凭借其直观的图形用户界面(简化了配置和监控)以及先进的数字控制算法,XDP控制器可确保智能电源的快速开发和高效性能,适用于电信基础设施、服务器主板、工业4.0应用和其他高端48V系统。.
通过改用碳化硅主电源组件,并采用先进的控制器和 48V 架构,工程师们正在帮助打造能够提供高性能计算,同时降低能耗和运营成本的 AI 服务器。.
Mouser的产品目录还包括旨在帮助工程师创建低功耗边缘AI实现方案的组件。智能电源管理集成电路(PMIC),例如 NEH2000BYJ能量采集PMIC (图2),旨在从光伏电池中提取能量,从而使分布式物联网节点能够利用太阳能供电。

图 2:PMIC(例如 NEH2000BY)可以让外围设备使用可再生能源供电(来源:Mouser Electronics)。.
太阳能供电的电源管理集成电路(PMIC),例如NEH2000BYJ,只是开发节能型边缘人工智能设备这一更广泛战略的一部分。工程师必须优化人工智能模型以降低功耗,从而延长在没有固定电源的部署场景(例如工业传感节点或城市智能空气质量监测器)中的电池续航时间。.
Otii Arc Pro 能源优化工具 旨在捕捉小型电子设备(例如物联网节点)以及单个组件(例如微控制器和传感器)的能耗特性,并提供长时间的实时分析。对于节点开发而言,该工具精确的电流测量功能,配合兼容的 Otii Pro Battery Toolbox 和 Otii Pro Automation Toolbox,能够帮助工程师量化基于人工智能的操作的功耗,从而创建更节能的模型。
结论:
人工智能的兴起带来了令人振奋的机遇,但也带来了巨大的工程挑战。人工智能的扩展使得为边缘和集中式部署找到可持续的路径变得至关重要。然而,得益于硬件效率的创新、先进的模型优化技术以及可再生能源的采用,人工智能可以在不给电网造成过重负担的情况下发展。对于工程师而言,找到并集成合适的组件(例如 Mouser 提供的组件)至关重要,以便开发出能够在性能和能源责任之间取得平衡的集中式和边缘人工智能系统。
Mark Patrick, 贸泽电子欧洲、中东和非洲地区技术内容总监
成绩:
2. https://news.climate.columbia.edu/2023/06/09/ais-growing-carbon-footprint/
