碳排放的隐形杀手：代码和芯片的双重困境

各位好，我是Ian。咱们今天来聊聊半导体芯片和低碳代码。这话题听起来有点高大上，但其实跟我们日常生活的每一个细节息息相关。 首先，咱们的芯片如果每天都用，那得24小时开机做实验。咱们国家使用的话，两年内芯片就会老化，因为连续运行太热了。所以，如果能用低碳袋减少耗电量，或许就能多用些时间。这不光是物理上延长芯片寿命，还涉及到实际操作。要是按这个思路来，以后能多做几个实验，对吧？ 当然，咱们现在面临的问题不只芯片，代码也得考虑。代码在电脑里跑，每行代码都是电力的消耗。这些电最终还得从发电厂来，发电厂要烧煤、烧油，排放的碳排放，最终影响气候变化。那咱们是不是得减少数据流量，从而减少代码的执行？其实不然，代码逻辑性也是低碳的。比如，优化代码，减少冗余，这都能降低碳排放。咱公司研究的就是这种代码，看看能优化多少。 举个例子，ChatGPT开发模型就耗电相当于一个小城镇的耗电量。这背后的数据量和能耗，实在惊人。Mozilla机构的研究就发现，通讯技术的碳排放量居然和航空业一样，达到全球第四。这揭示了一个事实：网络对环境的伤害比我们想象的要大得多。过去大家以为数据看不见摸不着，但其实这些数据的生产、传输、处理，每一步都伴随着碳排放。 比如，你收到一个邮件，会排放5克二氧化碳。如果发一个广告邮件，可能排放50克二氧化碳。这还不算图片和视频，那可能要更多。据统计，每年的全球邮件可能超过1万亿封，其中很多是广告邮件，对个人而言，广告邮件的比例远远超过真正需要阅读的邮件。这不单是个人问题，也是整个行业的挑战。 说回芯片，咱们国家的芯片如果每天用，大概两年内就得换。要是换个低碳方案，比如减少能耗，那芯片可以用更长时间。但这种方案成本高，过程长，所以咱们得先找一个暂时的解决方案，比如低碳袋，用低碳方式减少芯片的热效应，延长寿命。这是物理层面的解决方案。 现在咱们再看看代码。代码的逻辑性也是低碳的，比如减少冗余代码，优化算法，都能降低碳排放。就像一个减肥药，可以用于某些地方，但不能用于所有地方。咱公司的Greenewab平台就相当于这样的减肥药。它可以减少97.25%的数据量，进而减少45%的用电量。这背后的原因是，很多系统的代码是三十年前写的，没有考虑未来。每次新的人进来，或者新的外包公司接手，都往上面堆代码，结果形成一大坨难以清理的“Legacy Code”。 咱们从大系统开始改造，一点一点优化。如果这部分风险低，对公司核心业务影响小，那就可以尝试。大部分公司不会让我们直接改动核心代码，但可以教他们程序员怎么优化代码。比如，我们帮一个海洋公司优化内网，他们的内网用了几十年，我们优化后，发现可以去掉很多不必要的数据，提升逻辑性能，降低能耗。这个过程很耗时，但效果显著。 所以，未来的发展不只是技术问题，也是可持续发展的问题。代码和芯片都在呼唤新的解决方案，而咱们正在努力为这个挑战提供答案。