IT之家 5 月 15 日音信，科技媒体 marktechpost 昨日（5 月 14 日）发布博文，报说念称 Meta AI 旗下 FAIR 团队联袂佐治亚理工学院，合营开发 CATransformers 框架，将碳排放手脚中枢联想考量，通过皆集优化模子架构与硬件性能，权贵镌汰总碳脚迹，为可握续 AI 发展迈出紧要一步。

机器学习本领的普及股东了从推选系统到自动驾驶的纠正，但其环境代价拦阻小觑。这些系统需要雄伟打算资源，常依赖定制硬件加快器运行，考试和推理阶段的高能耗平直导致运营碳排放攀升。

此外，硬件从制造到报废的全人命周期也产生“隐含碳”，加腾达态包袱。跟着专家各行业加快采用 AI 本领，搞定运营与隐含碳的双重着手成为热切需求。

刻下减排设檀越要辘集于擢升运营遵守，举例优化考试和推理的能耗，或提高硬件诈欺率。但这些模范时常忽略硬件联想和制造阶段的碳排放，未能整合模子联想与硬件遵守的相互影响。

Meta 的 FAIR 团队与佐治亚理工学院皆集推出的 CATransformers 框架，将碳排放纳入中枢联想考量。该框架通过多标的贝叶斯优化引擎，皆集评估模子架构与硬件加快器的性能，均衡蔓延、能耗、精度和总碳脚迹。

杰出针对边际推理斥地，CATransformers 通过剪枝大型 CLIP 模子生成变体，并诱骗硬件估算器具分析碳排放与性能。后来果 CarbonCLIP-S 与 TinyCLIP-39M 精度止境，但碳排放镌汰 17%，蔓延抵制在 15 毫秒内；CarbonCLIP-XS 则比 TinyCLIP-8M 精度擢升 8%，碳排放减少 3%，蔓延低于 10 毫秒。

询查透露，单纯优化蔓延的联想可能导致隐含碳增多高达 2.4 倍，而玄虚优化碳排放与蔓延的战略可收尾 19-20% 的总排放削减，且蔓延耗损极小。

CATransformers 通过镶嵌环境目的，为可握续机器学习系统联想奠定基础。这标明，AI 开发若从一开动就诱骗硬件智商与碳影响考量，可收尾性能与可握续性的双赢。跟着 AI 边界握续扩大，该框架为行业提供了切实可行的减排旅途。

IT之家附上参考地址

CATransformers

Carbon Aware Transformers Through Joint Model-Hardware Optimization体育游戏app平台