清华大学智能产业研究院张亚勤：推出AIoT绿色计算，提质增效节能减排

在9月26日举行的2021年世界互联网大会乌镇峰会企业家分论坛上，清华大学智能产业研究院院长张亚勤院士发表了题为《人工智能赋能绿色计算》的主旨演讲，从绿色计算方面探讨了人工智能面临的机遇和挑战。

随着全球气候问题日益严峻，“碳中和”已成为世界主要国家的共识，人工智能和物联网技术在“碳中和”中发挥着重要作用。张亚勤指出，基于AI IoT的“感知-决策-优化”可以循环迭代，助力碳中和。

张亚勤认为，AIoT支持的绿色计算应该聚焦三个方向：能源融合、ICT产业和新兴绿色产业。

清华大学智能产业研究院是面向第四次产业革命的国际化、智能化、产业化的应用研究机构。以人工智能(AI)、大数据、云计算、设备为基础，锁定了智能交通、工业互联网、智能医疗三大研究方向。

IT之家了解到，在AIoT赋能绿色计算方面，清华大学智能产业研究院重点关注两大核心赋能技术：高能效的： AI计算系统，以及利用AI提质增效、节能减排。希望搭建一个AIoT赋能的绿色计算平台，利用端边云协同的低层节能AI计算系统，支持上层数据驱动的AI决策优化算法。

为此，清华大学智能产业研究院与亚信科技合作，基于5G对3D频道进行建模仿真。此外，清华大学智能产业研究院还对线下强化学习的复杂工业/能源系统进行了优化，开展了构建节能AI计算系统的系列研究工作。

在数据与算法论坛上，张亚勤还从生命科学领域分析了人工智能面临的机遇和挑战，并发表了主题为“AI生命健康破局计划”的演讲。

以下是《人工智能赋能绿色计算》 :的原话。

各位来宾，各位领导，各位朋友，大家下午好！

我是张亚勤，很高兴在风景秀丽的乌镇，与各位领导、嘉宾、行业精英共同探讨算法和人工智能的发展和未来，加深国际上对可持续发展的共识。本报告由我和我的团队成员、詹、张策完成。

为应对气候变化，“碳中和”已成为世界主要国家的共识。中国提出了“碳中和”的时间表，力争在2060年前实现“碳中和”。“碳中和”是人类能源结构的又一次变革，既是可持续发展的必然选择，也是产业转型升级的重大机遇，为中国发展提供了巨大的历史机遇。

在“碳中和”的背景下，企业面临着巨大的挑战。高能耗、高排放不可持续，不仅造成高成本，还影响企业的公众形象和社会责任，带来未来经营风险。因此，企业迫切需要节能减排、提质增效，面临着产业转型升级的紧迫任务。

人工智能和物联网技术将在碳中和中发挥重要作用。通过智能感知，我们可以融合多源、多维的异构数据。利用人工智能，可以构建AI优化引擎，对数据进行深度分析，实现数据驱动的智能决策。基于这些决策，我们可以全面优化产业链的资源配置。这种基于AI IoT的“感知-决策-优化”可以循环迭代，支持绿色产业，帮助实现碳中和。

我们关注几个方向。一是清洁能源与传统能源的融合，包括光、风、水、电、核电、火电、氢能。从发电、输电、供电到能源利用和储存，还有很多问题需要解决。

去解决。利用AIoT技术，我们可以监测碳排放并优化智能化

我们关注的第二个方向是ICT产业，包括智能计算中心、智能通信网络和新一代AI计算架构。这些行业消耗大量能源。预计到2035年，全国数据中心用电量将超过4500亿千瓦时，全国5G基站用电量也将超过2400亿千瓦时。随着AI模型规模的不断增大，模型训练的能耗和排放也非常高。例如，NAS训练的Transformer模型可以排放高达284吨的二氧化碳。为了降低能耗和排放，对于智能计算中心，我们需要通过感知和优化进行更好的任务管理调度和制冷控制，预测和诊断系统故障，研究清洁能源驱动的设计。对于智能通信，要利用AI优化多基站大规模MIMO，实现通信感知一体化，充分利用边缘计算，优化系统级能耗管理。在新一代AI计算架构中，需要设计超低功耗的专用芯片，构建高能效的模型训练系统和模型执行系统。

我们关注的另一个方面是新兴的绿色产业，包括绿色城市、绿色公园/建筑、绿色交通等。城市、公园/建筑和交通散发出惊人的GHG气息。据统计，2019年，仅纽约州的GHG排放量就高达5500万吨，而2016年，全球GHG的建筑和交通排放量分别占17.5%和16.2%。在这些领域，AIoT有着巨大的潜力。通过多源异构感知和数据融合，对城市中的具体事件进行监测和预警，进行数据驱动的智能规划和优化城市资源调度，建设绿色城市。在公园和建筑中，AIoT可以帮助智能安防监控、目标检测和跟踪，实现智能管理和运营，降低能耗。在交通方面，AIoT可以赋能复杂交通系统协调控制、预测调度交通流，实现高效的车路协同和车侧能量管理。

我简单介绍一下清华大学智能产业研究院，AIR。我们的使命是利用人工智能技术创新和赋能行业，促进社会进步。我们的定位是面向第四次工业革命的国际化、智能化、产业化的应用研究机构。我们的策略很明确，第一，要培养技术带头人，特别是有技术带头人的。

/p>

国际视野的 CTO 和具备系统思维的架构师。二是推动关键核心技术的突破。三是打造产业技术战略的智囊团。

以 ABCD，也就是人工智能、大数据(Big Data)、云计算(Cloud)和装置(Device)为技术基础，我们锁定了智慧交通、工业互联网和智慧医疗为起步阶段的三个研究方向。这三个方向有一些共同点:一是都面对着巨大的商业空间和发展机遇。二是人工智能在探索过程中发挥着特别重要的作用，甚至是决定性、颠覆性的作用。三是相关研发成果实用化、普及化之后，将产生可观的社会效益。

具体来讲，在 AIoT 赋能绿色计算方面，我们聚焦于研究两个方面的核心赋能技术:一个是高能效的 AI 计算系统，包括在端侧设备上的高效 AI 模型执行，在边缘服务器上的高效资源管理，和在云服务器上的高效 AI 模型训练；第二个是利用 AI 提质增效节能减排，实现面向 AIoT 的数据驱动和 AI 决策优化算法引擎。

我们希望打造一个 AIoT 赋能的绿色计算平台，利用端-边-云协同的底层的高能效 AI 计算系统，支撑上层的数据驱动的 AI 决策优化算法，比如强化学习、多智能体协同等，赋能产业的绿色化，包括绿色智能计算中心、绿色园区、工业节能等。

下面我举几个具体的例子。首先是 5G Massive MIMO 天线权值优化。大规模多入多出 系统是第五代移动通信技术中提高网络覆盖和系统容量的关键技术。mMIMO 将信号空域利用在水平维度基础上扩展了垂直维度，具有丰富的空间自由度，其多天线阵列的信号辐射状是非常窄区域的波束，需要精准控制波束指向用户。在 5G 基站密度大幅提高，基站可调参数数量级增加、不同小区环境的影响、相邻基站之间的相互冲突的条件下，mMIMO 系统以用户为中心的调优控制异常复杂，寻优空间过大，且无法频繁现网尝试。

我们和亚信一起，基于 5G 三维信道建模仿真，对多基站 MIMO 天线权值优化进行了研究。通过对环境状态及动作进行高效表征建模，和多智能体优化算法建模，我们实现了 5G 网络功耗降低 15% 以上，5G 网络覆盖质量提升 5% 以上的初步研究成果第二个例子是基于离线强化学习的复杂工业/能源系统优化。通过对 AI+ 火力发电机组燃烧控制优化，可以提升机组燃烧效率，帮助一台 600MW 机组年节煤 3000-4000 吨。

此外，我们在打造高能效 AI 计算系统方面开展了一系列的研究工作。比如对于面向异构硬件的模型生成，我们提出了基于预测的方法，可以快速搜索特定硬件上满足

推理延迟的模型结构，并获得了 MobiSys 2021 的最佳论文奖。我们还针对 big.Little CPU 的模型推理进行了深度优化，可以最高加速 97%，降低能耗 55%，论文发表在 MobiCom 2021 大会上。

总结一下，我们认为 AI 赋能绿色计算大有可为，我们需要沉淀出具备一系列可跨领域落地、可通用化的数据驱动算法应用，基于此搭建 AI 控制优化算法引擎，通过试点、合作、转化落地多领域的应用。我们希望和同行们一起，利用 AI + IoT，为实现我国 2060 碳中和的目标贡献力量。

谢谢大家！

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。