.png)
在白宫发布其AI行动计划之后，我们在Read AI专注于继续遵循我们的四大气候原则，这有助于我们在我们的路线图中优先考虑效率和减少碳排放。 我们感到鼓舞，我们的进展已获得显著成效，并且随着我们平台的扩展，我们的影响力也在扩大。
我们的计划和方法相对简单易行：我们使用数据驱动决策，优先考虑有意的效率和积极的创新，并授权我们的客户以便我们可以以身作则，并继续尽可能可持续地运作。
上周，我们在西北太平洋气候周上展示了我们的研究结果，并提供了有关如何为任何规模的软件公司计算和衡量排放的方法的指导。 为了帮助说明我们的原则，我们审核了我们最新的里程碑，这些里程碑展示了我们在短时间内的影响，并希望为内部团队和观众中的团队提供未来的灵感。 我们相信，现在的责任在于我们所有人，高效且有效地降低我们的排放，因为我们为大众解锁了AI。
优先考虑测量
在2024年末，我们迁移到基于AWS Graviton的实例，提高了我们的吞吐量和性能，同时降低了大约20％的成本。 我们承担了量化该迁移对碳排放变化的挑战，发现现有的行业标准工具能够解决从软件和硬件中测量碳排放的问题。
对于我们来说，答案是绿色软件基金的软件碳强度规范 (SCI)。 我们使用SCI测量我们以前的实例得分，并将它们与新的Graviton实例进行比较。 SCI考虑到软件消费的总能量、消费能量的碳强度以及其运行的硬件的嵌入碳排放，以计算软件的排放率。
克服计算障碍
计算所需的一些数据不易获取或公开共享（例如Graviton处理器的CPU功率、公共云中服务器的生命周期），因此我们需要估计部分数据。 因为我们是在比较实例，所以我们可以专注于精确度，意味着计算值相对于彼此精确，而不一定是相对于实际值的精确。 这使我们能够将SCI方程的部分，如能量强度，视为常数，因为我们将它们部署到同一个公共云区域。
在我们的计算中，我们需要估计的唯一两个变量是Graviton处理器的CPU功率和Graviton实例的生命周期分析（嵌入碳）。 通过第三方基准测试，我们能够估计Graviton的CPU功率比我们以前的实例类型低33％。 对于生命周期分析数据，我们估计Graviton大致相当于同一计算组内的其他ARM处理器，并从Cloud Carbon Footprint仓库中平均这些嵌入系数。
实现首批目标
最终，我们计算出将我们的计算优化型实例类型切换到基于Graviton的实例可减少20％的碳排放。 自从该案例研究最初发布以来，我们已经确定了我们内存优化型实例类型的类似成本和性能机会，并开始迁移它们到Graviton。 大约60％的整体工作负载在计算优化型实例上完成，但大约10％的整体工作负载在内存优化型实例上完成。 使用上述相同步骤，我们将现有内存优化型实例的排放与新的内存优化型Graviton实例进行比较，并计算出碳排放减少了40％。
推动额外的效率
测量我们的能量消耗和碳排放符号我们第一个气候原则，但这仅仅是开始。 我们的第二个气候原则是优化我们的软件和硬件以实现能源效率并尽量减少碳排放。 为此，我们有三个重点领域：
总之
Read AI认为我们有责任以可持续方式运营并为全球气候变化对抗作出贡献。 AI是世界上最能耗的技术之一，我们承诺尽可能地衡量和限制我们组织的环境影响。
我们将继续推动这些原则融入我们的工作，并分享我们在此过程中取得的成功（和失败！），同时我们挑战其他公司，特别是那些使用AI的公司，建立和分享他们自己的气候原则以及他们为降低能耗和碳排放而正在做的工作。 我们可以共同减少AI的整体能耗需求及其产生的碳排放。
撰稿人：Bill Johnson，Read AI工程总监
.png)
%2C%20Color%3DOriginal.png)
