真正的自动驾驶汽车距离普及还有至少几年时间——但如果有一天自动驾驶软件真的成为事实上的导航方式，一项新研究表明，它将需要变得更加节能。否则，自动驾驶功能可能会抵消所有自动驾驶电动汽车的环境效益。根据麻省理工学院（MIT）研究人员的一项新研究，统计模型表明，为未来全球自动驾驶电动汽车车队供电所需的潜在能源消耗所产生的温室气体，将相当于目前全球所有数据中心产生的温室气体总量。
如今为世界无数应用提供动力的海量计算机阵列所在的物理场所，约占全球温室气体排放总量的0.3%——这大约是阿根廷每年的碳排放量。研究人员估计，仅依靠10亿辆自动驾驶汽车的自动驾驶技术，每辆车每天驾驶一小时，就能达到这一排放水平。相比之下，目前全球道路上大约有15亿辆汽车。
[相关：特斯拉因辅助驾驶系统问题接受联邦调查。]
研究人员还发现，在生成的模型中，超过90%的情况下，电动汽车的计算机需要消耗不到1.2千瓦的计算能力才能保持在当前数据中心的排放水平范围内，而以目前的硬件效率来说，这是我们无法实现的。例如，在另一项统计模型分析中，假设到2050年，95%的车辆都是自动驾驶的，并且计算工作量每3年翻一番，那么汽车的硬件效率需要每年翻一番才能将排放量控制在同一水平。相比之下，数十年来一直被接受的行业规律，即摩尔定律，指出计算能力大约每两年翻一番——而这一时间预期最终会放缓，而不是加速。
这些情景的参数——如道路上的汽车数量、行驶时间、车载计算能力和能源需求等——看似相对清晰，但还需要考虑许多不可预见的后果。例如，自动驾驶汽车可能会花费更多时间在路上，让人们可以多任务处理，而且它们甚至可能催生新的交通参与人群，例如更年轻和更年长的人群。另外，还有如何为尚未存在的硬件和软件进行建模的问题。
然后还有需要考虑的神经网络。
[相关：特斯拉司机将八车连撞归咎于自动驾驶模式。]
麻省理工学院指出，半自动驾驶汽车已经依赖于流行的算法，例如“多任务深度神经网络”，通过大量高分辨率摄像头不断向其系统提供实时信息来导航。在一项研究中，研究人员估计，如果一辆自动驾驶汽车使用10个深度神经网络分析10个摄像头的图像，并且仅驾驶一小时，每天将产生2160万次推理。如果将其推广到10亿辆汽车，那么就会产生……2.16亿亿次推理。
麻省理工学院解释说：“为了说明这一点，Facebook全球所有数据中心每天的推理次数只有几万亿次（1万亿是1000亿）。”
可以说，如果汽车行业希望继续拓展自动驾驶技术，那么这些都是需要克服的重大障碍。电动汽车是我们可持续未来的关键，但自动驾驶版本最终可能会加剧能源危机。
