计算对环境的日益影响

现代计算基础设施消耗了全球电力的日益增长的份额。 数据中心本身约占全球电力使用量的1—2%,随着云服务、人工智能和边缘计算的扩展,这一数字继续上升。 半导体工业在电子产品中贡献了很大一部分碳的内含,从原材料提取到制造到报废处理。 微处理器作为几乎每个数字设备的计算核心,既是能源需求的主要来源,也是减少环境危害的关键杠杆。 设计节能微处理器,用可持续材料建造,并优化寿命,已不再是可选的 — — 这对于实现全球气候目标和减少电子废物至关重要。

可持续微处理器设计的关键原则

能源-有效建筑

降低微处理器环境足迹的最直接方式是在不牺牲性能的情况下最大限度地减少其功率消耗. 动态电压和频率缩放(DVFS)一直是主控技术,使处理器能够根据实时工作量需求调整其运行电压和时钟速度. 现代芯片将这一原则与每核心DVFS相延伸,使得颗粒电源管理成为可能. 异质计算架构,如ARM的大. LITLE和Intel的混合x86设计,配对高性能核心,以最佳功率抽取处理不同任务.

除了核心缩放,高级时钟的刻度,动力的刻度,以及适应性身体偏差,还减少了漏流 — — 也就是在亚-10nm节点中废物的主要来源。 指令集设计也起到作用;RISC-V的模块化性质允许设计者去除不必要的指令,减少切换活动。 与高效的内存分级和芯片加速器(如AI推论的NPU)相结合,这些技术可以将系统总能量比常规设计减少30—60%。

可持续材料和制造

传统的硅基制造依赖于高温工艺、有毒化学品(如全氟碳化物、砷和铬)和难以再循环的底物,研究替代半导体材料,如硅、碳化硅、甚至有机半导体上的氮化铬(GaN),可以降低制造能量和降低毒性,目前正在探索由纤维素或多乳酸制成的可降解底物,用于一次性或短寿命电子,尽管这些底物目前缺乏高性能芯片所需的热稳定性。

贫民窟中的水使用是另一个紧迫的问题。 单个300毫米瓦佛需要数千加仑的超纯水。 封闭式循环系统、干蚀除虫法以及回收水的使用正在成为主要铸造厂的标准。 此外,通过经认证的供应链消除冲突矿物(例如钽、锡、钨、黄金),用锡 ⁇ 西尔ver ⁇ 铜合金取代铅矿,既可以减少人类危害,又可以减少环境危害。 向碳中性法则的移动 — — 由可再生能源提供动力 — — 进一步缩小了碳的生命周期足迹。

寿命周期考虑:长寿和可回收性的设计

微处理器的环境影响远远超出了其运行能量。 制造一个1.5 cm2 芯片可以释放出相当于数公斤二氧化碳的量。 如果芯片在被丢弃前只用了两三年,那么内含的碳在短时间内分期摊销,使得每年足迹总量高。 设计更长的使用寿命 — — 通过模块化的架构,允许组件升级、软件基于性能的缩放和强效的误差修正 — — 减少替换频率。

回收性始于设计阶段。 使用较少稀土元素的芯片、避免使用阻碍拆卸的陶瓷化合物、并包含标准化的包件(例如LGA vs. BGA)更容易回收。 对基于芯片的设计的兴趣越来越大(见下文)提供了一条自然路径:如果一个核心或内存死亡可以互换而不是丢弃整个加工器,那么物质效率就会提高。 寿命结束的回收过程可以回收黄金、银、 ⁇ 和铜,从而减少对原始开采的需求。

创新驱动生态友好计算

近危和次危计算

近临界电压的操作晶体管 — — 通常为0.3-0.5 V — — 大大降低了动态电源,因为它与电压平方相适应。 近临界计算(NTC)可以比超临界电源的操作减少5–10x的能量,尽管其成本降低。 研究人员已经为低吞吐量的传感器节点和IOT设备演示了NTC处理器。 低于临界电源的计算将电源推向更低的地方,从而使得超低功率的操作能够用于能源的收集。关键的挑战包括处理变化和温度的敏感性,但适应性机体偏差和误差逻辑可以减轻这些问题。

神经形态和量子计算

神经形态芯片模仿生物神经网络的结构和功能,利用尖锐的神经元和塑料突触进行极低能量的计算。例如,英特尔的Loihi 2 处理稀疏的突触,使用事件驱动的电路,只有在信号出现时才会消耗电量。一个神经形态加速器处理模式的 认识任务可以比常规GPU更节能100-1000×。虽然目前仅限于特定AI工作量,但神经形态原理正在被整合到通用的 处理器核心中,用于永远的 oon语音或视觉处理。

量子计算承诺使用需要极端冷却到接近绝对零的量子来解决某些问题(例如,保理、优化、量子化学)——使能源总预算达到高水平,然而,对于量子优异的任务,时间溶解和过量电能可能比古典超级计算机低数量级。随着耐热量子机的发展,其净环境效益将取决于热清除费是否被常规数据中心运行时间较短和冷却量减少所节省的费用所抵消。

基于芯片和三维集成

将单晶片切成通过接口连接的较小芯片,可以实现若干可持续性。首先,每个芯片都可以在最佳工艺节点上制造,例如,逻辑死在前端的节点上,I/O死在一个成熟、成本较低的节点上,从而减少总体制造能量。第二,芯片的产量高于大死、斜拉废料。第三,一个失败的芯片可以替换而不是丢弃整个包,延长服务寿命。3D集成,死亡的垂直堆叠,缩短电线长度,切断信号延迟和电源。通过 ⁇ 硅(TSVs),3D堆积在离芯片连接的能量的一小部分上实现高内存带宽。

挑战与未来方向

尽管取得了这些进步,但仍存在若干障碍。 绩效效率权衡是最持久的:许多绿色设计技术(如近临界值操作、积极时钟定位)降低了峰值性能,这与消费者和企业对快速处理器的需求相冲突。 市场激励措施仍然奖励原始速度而不是可持续性,尽管主要的云端供应商现在将功率效益(PUE)和碳强度因素纳入采购决定。

成本是另一个障碍。 可持续材料 — — 如GAN底物或生物降解包装 — — 往往比常规替代品在小规模上更昂贵。 碳中性工艺的创始升级需要大量资本投资,并非所有制造商都有资金刺激来进行转换。 政策措施,如对芯片制造或强制性e — — 废物回收目标征收碳税,可以平和竞争环境。

随着芯片集成更多多样组件,热管理越来越具有挑战性。先进的冷却技术——液体浸润、微流道、两相蒸发器——可以回收废热,用于建造供暖或热水,提高整体系统效率。 还需要标准化:没有全行业的微处理器可持续性基准(例如,在生命周期内测量的能源-per-指令),设计者和购买者很难比较各种选择。

工业、学术界和政府之间的合作正在加速进展。 诸如“] 绿色信通技术标准”、美国能源部的数据中心效率方案以及诸如“] MIT 低压处理器设计研究等倡议正在推动创新。向[神经形态计算[ 和[chiplet 架构的转变代表了对加工器如何建设的根本反思——将可持续性与性能放在一起作为主要设计目标。

前进的道路

设计可持续计算微型处理器是一个工程挑战、市场挑战和政策挑战。 没有任何单一技术就足够了。 最有希望的途径是将节能结构(DVFS、多面芯片、近临界操作)、可持续材料和制造(生物降解底物、水循环、冲突供应链)和生命周期思维(模块、循环、扩展软件支持)结合起来。 新兴模式 — — 神经形态、量子和基于芯片的设计 — — 使每次操作的能源都出现一步的减少,尽管每个模式都有其自身的权衡和时间范围。

技术产业要想为更健康的地球做出有意义的贡献,可持续性就必须从次要考虑提升到核心设计限制。 这意味着投资研究,采用RISC VI等开放标准来进行设计再利用,并要求碳核算透明。 消费者意识和监管压力将继续推动制造商转向更绿色的产品。 下一代微处理器不仅更快、更有能力 — — 它们在地球上也更轻,这值得未来建设。