循环经济
芯片生产也产生大量碳排放，通过循环经济理念可以进一步减少AI产业的环境足迹。
绿色算力·阅读时间：约12分钟
01延长寿命
硬件寿命阶段
| 阶段 | 用途 | 时长 |
|---|---|---|
| 第一阶段 | 新模型训练 | 1-2年 |
| 第二阶段 | 推理/中小训练 | 2-3年 |
| 第三阶段 | 开发测试/非关键任务 | 2-3年 |
延长寿命的方法
分阶段使用
高性能需求→一般需求→低需求降级使用
良好运维
适当的温度、清洁的环境、稳定的供电
软件优化
旧硬件通过软件优化仍可发挥价值
避免过早淘汰
不要为了追求最新而频繁更换
环境收益
生产碳排放
芯片生产的碳排放占全生命周期的很大比例，延长寿命是最有效的减碳方式之一。
02硬件复用
降级使用
| 硬件 | 初期用途 | 后期用途 |
|---|---|---|
| A100/H100 | 大模型训练 | 大模型推理 |
| V100/A10 | 大模型训练 | 中小模型/开发 |
| 消费级GPU | 训练/推理 | 开发/测试/学习 |
转售和二手市场
- 评估残值：旧硬件仍有价值
- 规范流程：数据擦除、检测、分级
- 合规处置：确保数据安全和合规
- 循环生态：建立硬件循环利用体系
内部流转
- 建立内部硬件资源池
- 不同项目间调剂使用
- 开发测试优先使用旧硬件
- 追踪硬件状态和寿命
租赁和共享
- 云服务模式：提高硬件利用率
- 共享平台：硬件需求错配共享
- 科研教育：旧硬件捐赠给教育科研
- 初创企业：低成本获得计算资源
03回收处理
电子垃圾问题
环境影响
含重金属和有害物质，需要专业处理
资源回收
贵金属和稀土金属可以回收再利用
法规要求
越来越多的地区要求电子垃圾专业处理
回收流程
| 步骤 | 说明 |
|---|---|
| 1. 数据擦除 | 安全彻底的数据删除 |
| 2. 检测评估 | 检测状态，评估是否可复用 |
| 3. 拆解分类 | 专业拆解，材料分类 |
| 4. 资源提取 | 提取有价值的材料 |
| 5. 环保处理 | 无害处理剩余物 |
最佳实践
- 设计阶段：从设计考虑可回收性
- 合作伙伴：选择专业回收机构
- 流程规范：建立规范的回收处理流程
- 数据安全：确保数据完全擦除
- 记录追踪：记录和报告回收情况
循环经济模式
- 延长硬件使用寿命：减少生产需求
- 建立复用市场：让硬件流动起来
- 设计可维修：便于维修和升级
- 材料可回收：便于最终材料回收
- 制造商责任：生产者延伸责任