Schlagwort: Carbon

  • Googles Ironwood-Chip senkt Emissionen um Faktor 3,7

    Ein Schaubild zur Reduzierung des Stromverbrauchs

    Nano Banana

    Kurzfassung
    ▾

    Quellen
    ▾

    Die siebte TPU-Generation namens Ironwood verbessert die Compute Carbon Intensity im Vergleich zum Vorgänger um den Faktor 3,7.
    Dieser Effizienzsprung gelingt primär durch eine verfünffachte Rechenleistung bei der Ausführung von KI-Modellen.
    Auch ältere Architekturen wie Trillium und TPU v5e arbeiten dank klugem Server-Scheduling mittlerweile deutlich sparsamer.
    Zusätzliche Software-Techniken wie Mixture of Experts und das 8-Bit-Zahlenformat (FP8) reduzieren den Energiebedarf pro Rechenschritt spürbar.

    Google Cloud Blog – AI infrastructure efficiency: Ironwood TPUs deliver 3.7x carbon efficiency gains

    Die siebte Generation der Tensor Processing Units unter dem Codenamen Ironwood verbessert die »Compute Carbon Intensity« gegenüber dem Vorgänger um den Faktor 3,7. Der Chip fängt den steigenden Energiebedarf von KI-Modellen durch eine verfünffachte Rechenleistung auf. Leistung steigt schneller als Emissionen Die Grundlage für diese Metrik bildet die Compute Carbon Intensity (CCI). Der Wert gibt in Gramm CO2-Äquivalent pro ExaFLOP an, wie viel Treibhausgas für eine Fließkommaoperation entsteht. Die Berechnung schließt sowohl den direkten Betrieb im Rechenzentrum als auch die Emissionen für Herstellung und Transport der Hardware ein. Bei der Ironwood-Architektur sinkt dieser Indikator deutlich ab. Während der Vorgänger TPU v5p insgesamt noch 292 gCO2e/EFLOP erzeugte, verursacht Ironwood lediglich 79 gCO2e/EFLOP. Dieser Rückgang resultiert primär aus dem hohen Leistungszuwachs der Chips. Die effektiv genutzten FLOPs steigen im direkten Vergleich um den Faktor 5, wodurch der relative CO2-Fußabdruck pro einzelner Rechenoperation stark einbricht. + Quelle: Google Software optimiert bestehende Hardware Die Effizienzgewinne beschränken sich nicht ausschließlich auf kommende Hardware-Generationen. Auch bereits installierte Systeme arbeiten mittlerweile messbar sparsamer. Bei der sechsten Generation Trillium fiel die CCI laut den aktuellen Messreihen innerhalb von 15 Monaten um 20 Prozent auf exakt 125 gCO2e/EFLOP. Die Architektur TPU v5e verzeichnet im selben Zeitraum sogar einen Rückgang von 43 Prozent. Eine intelligente Orchestrierung der Serverflotte verteilt die Auslastung präziser und senkt den Stromverbrauch der Maschinen im Leerlauf. Parallel dazu reduzieren moderne Software-Ansätze den reinen Rechenaufwand. Sparse-Architekturen wie Mixture of Experts (MoE) aktivieren punktgenau nur die benötigten Parameter eines KI-Modells. Die verstärkte Nutzung des 8-Bit-Zahlenformats (FP8) halbiert zudem die Anforderungen an die Speicherbandbreite und verdoppelt den Datendurchsatz bei konstant hoher Ausgabequalität. Der Energiebedarf für KI-Workloads sinkt dadurch spürbar durch das Zusammenspiel aus Hardware-Dichte und optimiertem Code. + Quelle: Google Anzeige

  • Durchbruch bei Agrar-Robotik: Laser entfernen Unkraut vollautomatisch

    Ein LaserWeeder in Aktion

    carbonrobotics.com

    Kurzfassung
    ▾

    Quellen
    ▾

    Carbon Robotics veröffentlicht das Large Plant Model (LPM), das auf 50 Millionen Bildern basiert und Pflanzenstrukturen tiefgreifend versteht. Dank Zero-Shot-Learning erkennt die KI neue Pflanzenarten sofort, ohne dass Landwirte das System vorher aufwendig trainieren müssen. Die Software ist direkt in den LaserWeeder integriert, der Unkräuter in Echtzeit per Laserstrahl vernichtet statt Chemie zu nutzen. Das Update ermöglicht eine drastische Reduzierung der Rüstzeiten und erhöht die Flexibilität beim Wechsel zwischen verschiedenen Feldfrüchten.

    Carbon Robotics Webseite

    Carbon Robotics Youtubevideo

    TechCrunch – Carbon Robotics built an AI model that detects and identifies plants

    Business Wire – Carbon Robotics Launches the World’s First-Ever Large Plant Model

    Carbon Robotics bringt mit dem Large Plant Model (LPM) eine neue KI-Architektur in die Landwirtschaft. Das System identifiziert Pflanzen und Unkräuter ab sofort in Echtzeit, ohne dass Landwirte die Software vorab auf spezifische Feldfrüchte trainieren müssen. Umfassende Datenbasis als Fundament Das Unternehmen aus Seattle trainierte das Modell mit einer Bibliothek von über 50 Millionen annotierten Bildern. Diese massive Datenmenge deckt verschiedenste Wachstumsstadien, Lichtverhältnisse und Bodenbeschaffenheiten ab, um eine hohe Robustheit im Feld zu gewährleisten. Das System nutzt diese Informationen, um ein tiefes Verständnis für pflanzliche Strukturen zu entwickeln. Es unterscheidet nicht nur einfache Formen, sondern erkennt komplexe morphologische Details von Blättern und Stängeln zuverlässig. Damit hebt sich der Ansatz deutlich von bisherigen Computer-Vision-Lösungen ab. Während ältere Systeme oft an variierenden Umweltbedingungen scheiterten, liefert das neue Modell konstant präzise Ergebnisse.

    Sofortige Erkennung ohne Trainingsphase Die zentrale Innovation liegt in der Fähigkeit zur Generalisierung, technisch oft als Zero-Shot-Learning bezeichnet. Roboter identifizieren nun Pflanzenarten korrekt, die ihnen zuvor nie explizit in einem Datensatz gezeigt wurden. Für den landwirtschaftlichen Betrieb entfällt damit das zeitaufwendige Sammeln und Labeln von Bildern für neue Fruchtfolgen oder seltene Unkrautarten. Die Maschinen analysieren das Feld in Echtzeit und treffen Entscheidungen im Millisekundenbereich. Diese Flexibilität reduziert die Rüstzeiten vor dem Arbeitseinsatz drastisch. Landwirte können nahtlos zwischen verschiedenen Feldern wechseln, da sich die Software dynamisch an die neue Umgebung anpasst. Anzeige Präzisionseinsatz im LaserWeeder Carbon Robotics integriert das Large Plant Model direkt in die Steuerung seiner bestehenden LaserWeeder-Flotte. Diese autonomen Einheiten nutzen hochauflösende Kameras, um das Feld während der Fahrt permanent zu scannen. Sobald die KI ein Unkraut identifiziert, richten Spiegel hochenergetische Laserstrahlen auf das Wachstumszentrum der Pflanze. Diese Methode zerstört die Zellstruktur thermisch und verhindert ein Nachwachsen effektiv, ganz ohne Chemie. Durch das Software-Update erhöht sich die Einsatzbreite der Hardware massiv. Landwirte bearbeiten nun auch komplexe Mischkulturen oder Spezialgemüse effizient, ohne manuell in die Steuerung eingreifen zu müssen.