综述:高性能计算的环境影响:一项系统性映射研究

《Computer Science Review》:The environmental impacts of high-performance computing: A systematic mapping study

【字体: 大 中 小 】 时间:2026年07月09日 来源:Computer Science Review 17.5

编辑推荐:

  高性能计算支撑着气候建模、药物发现和大规模人工智能,但其环境足迹超越了运营能耗,延伸到隐含碳(embodied carbon)、水资源消耗(water consumption)和电子废弃物(electronic waste)。对这些影响的认识仍然分散在零碎的研

  
高性能计算支撑着气候建模、药物发现和大规模人工智能,但其环境足迹超越了运营能耗,延伸到隐含碳(embodied carbon)、水资源消耗(water consumption)和电子废弃物(electronic waste)。对这些影响的认识仍然分散在零碎的研究中,难以看清哪些已被充分理解,哪些仍被忽视。这项系统性映射研究(systematic mapping study, SMS)描绘了高性能计算环境影响的科研图景,以识别主导主题、重复方法和结构缺口。研究人员搜索了IEEE Xplore、ACM Digital Library和Scopus,截至2026年4月,获取了4812条记录,去重后减少至3788条。标题和摘要筛选结合了人工评审与三个大语言模型评估者以及前向和后向滚雪球(snowballing),最终得到62篇报告。关键词提取过程产生了一个四方面分类,涵盖环境影响(environmental impacts)、生命周期阶段(lifecycle stages)、系统位点(system locus)以及管理与干预杠杆(management and intervention levers)。碳排放在62篇报告中出现了54篇,而材料与废弃物、水资源使用和生物多样性受到的关注要少得多,大多数研究孤立地处理单一影响。活动集中在运营阶段以及设施与能源基础设施,使得冷却之外的水资源、生物多样性和生命周期结束过程在很大程度上未被测量。报告的效率改进反复被增长的需求所吸收,而非转化为绝对的减少。该地图表明,仅关注效率的研究无法为高性能计算带来环境可持续性。进展可能取决于为未充分测量的影响建立测量工具,将生命周期成本作为采购标准,并采用意识充分性的核算方法,将环境成本与所交付的科学价值联系起来。
1. Introduction
文章介绍了高性能计算(High-Performance Computing, HPC)在气候建模、药物发现和人工智能等领域的关键作用,特别是以美国能源部Frontier超级计算机为代表的百亿亿次计算(exascale computing)的里程碑。然而,HPC的环境影响不仅限于运营能耗,还包括隐含碳(embodied carbon)、水资源消耗(water consumption)和电子废弃物(electronic waste)。当前研究分散,缺乏整体评估。本文通过系统性映射研究(Systematic Mapping Study, SMS)回答三个研究问题:HPC环境影响的研究现状、研究方法以及研究盲点。论文结构随后说明。

2. Background
2.1 Environmental impacts
采用ISO 14001:2015标准定义环境影响为组织环境方面引起的环境变化,涵盖空气、水、土地、自然资源、生物、人类及相互关系。在HPC背景下,组织包括设施和中心运营商,其环境方面涵盖完整系统生命周期:原材料提取、组件制造、设施建设、运营能耗、冷却需求、废弃处理等。受影响的环境超出设施边界,包括当地和全球后果。

2.2 Lifecycle stages
HPC系统经历三个生命周期阶段:生产(production)阶段包括设施规划、硬件制造、采购等,其影响是隐含的(embodied);运营(operational)阶段包括系统运行、调度、功耗和冷却控制等,影响主要来自电力消耗和冷却用水;废弃(end of life)阶段包括退役、处置、回收、再利用等,影响来自废弃物和残留材料。

3. Related work
现有HPC环境影响综述主要强调运营能耗研究,如Silva等人的HPC脱碳综述、O'Brien等人的预测性功耗模型、Czarnul等人的节能计算工具、Kocot等人的节能调度方法、Cai等人的能耗HPC分类。这些综述未覆盖多环境维度或生命周期视角。更广泛的可持续计算文献也集中在运营效率,如Shuja等人的可再生能源整合、Nagarathinam等人的数据中心最佳实践、Zhang等人的冷却系统、Chaudhry等人的热感知调度、Kahil等人的强化学习优化、Safari等人的能效度量、Kumar和Pindoriya的可持续数据中心运营。少数研究如Whitehead等人的两篇综述和D'Orgeval等人的框架展示了更广泛的生命周期意识,涵盖能源、碳、水、材料、人类健康等。通过表格对比,本综述是唯一结合HPC范围、系统性方法、多环境影响类别和生命周期覆盖的研究。

4. Methodology
采用Petersen等人的系统性映射研究方法,包括搜索、筛选、选择和分类步骤。

4.1 Search strategy
基于PICO(Population, Intervention, Comparison, Outcome)逻辑构建搜索字符串。人口(Population)项锚定HPC系统和基础设施,干预(Intervention)项捕获环境评估和可持续性概念。搜索在IEEE Xplore、ACM Digital Library和Scopus中进行,检索标题、摘要和关键词。

4.2 Selection criteria
建立了纳入标准(IC)和排除标准(EC)。IC1: 报告涉及HPC背景下至少一种环境影响;IC2: 报告提出预测或测量HPC系统环境影响的 methodologies。EC1: 与研究范围无关;EC2: 仅关注能耗而不联系更广泛环境影响;EC3: 非英语、不可获取或不可访问。

4.3 Selection process
选择过程包括数据库搜索、去重、标题和摘要筛选。筛选结合人工评审、三个大语言模型评估以及前向和后向滚雪球(snowballing)。最终语料库由人工筛选子集和联合裁决的候选报告组成。

4.4 Keywording
通过归纳关键提取(keywording)发展分类方案。对于每篇纳入报告,阅读摘要识别关键词和概念,当摘要不足时查阅引言或结论。重复关键词跨语料库分组,并在提取过程中细化类别。

5. Results and discussion
5.1 Selection of reports
数据库搜索共获得4812条记录,去重后3788条。人工筛选365条记录,得到25篇纳入和340篇排除。对25篇进行滚雪球,筛选2256条记录,保留5篇。三个大语言模型对全语料库进行筛选,获得307篇三票纳入,其中244篇不在基线中,经人工评审保留32篇。最终语料库包含62篇报告。

5.2 Publication landscape
超过70%的文献发表在高性能计算领域之外的场所,包括并行与分布式系统、通用计算机科学和特定领域场所。这可能降低HPC社区内部的可见性。出版活动在2010-2021年间稀疏,随后在2023-2025年急剧增长,2023年4篇,2024年12篇,2025年24篇。近期增长不均衡,其他场所贡献最多。近期HPC主要场所出现了可持续性研讨会,如ISC的Sustainable Supercomputing、SC的SHiPS、ISC的EESP、CARLA的能源效率与可持续性轨道。这些努力应被保留和加强。

5.3 Classification scheme
通过关键提取产生四方面分类:环境影响(environmental impacts)、生命周期阶段(lifecycle stages)、系统位点(system locus)、管理与干预杠杆(management and intervention levers)。每个方面包含子类别。

5.3.1 Environmental impacts
环境影响分为四个类别:碳排放(carbon emissions)出现在54/62篇(87.1%),材料与废弃物(materials and waste)在12篇(19.4%),水资源使用(water use)在5篇(8.1%),生物多样性与生态系统(biodiversity and ecosystems)在1篇(1.6%)。大多数报告只覆盖单一影响(52篇),10篇覆盖两个,没有覆盖三个或更多。碳排放是主导类别,也是近期增长的主要来源。2011-2022年间累积13篇碳报告,2023-2025年间增加了36篇。碳易于量化,因为功率遥测和电网排放因子常可获取。材料与废弃物通常与碳共同出现,因为它们共享制造阶段库存。水资源使用集中在冷却工程,5篇报告。生物多样性仅有1篇,由Shi等人的fab-to-grave分析引入,测量物种年单位。跨类别整合依然浅薄,仅存在碳-材料和碳-水配对。

5.3.2 Lifecycle stages
运营阶段是所有环境影响类别中最充实的,共68个细胞出现,生产阶段次之(25个)。运营阶段数据可用性高,因为功率遥测和作业日志连续产生。生产阶段近年增长,因为生命周期方法促使作者向上游看。废弃阶段有7篇碳、7篇材料、1篇生物多样性,无水资源条目。材料通过电子废弃物到达该阶段。水资源无废弃阶段条目,是最突出的缺口,芯片制造消耗大量超纯水,但HPC特定研究中未出现。

5.3.3 System locus
碳跨越所有三个系统位点:设施与能源基础设施(38篇)、计算硬件(14篇)、软件与工作负载(28篇)。每个位点有其测量路径。材料集中在计算硬件(10/12),水资源完全位于设施(5/5),生物多样性无设施条目。三个细胞为空:水资源-计算硬件、水资源-软件与工作负载、生物多样性-设施。

5.3.4 Management and intervention levers
碳参与所有四个杠杆(测量28、工作负载优化21、基础设施设计17、激励与治理19)。测量工具如CEEMS(Compute Energy & Emissions Monitoring Stack)支持其他杠杆。材料也参与所有四个杠杆。水资源仅参与测量(2)和基础设施(4),生物多样性仅参与测量(1)。五个细胞为空:水资源-工作负载优化、水资源-激励、生物多样性-基础设施、工作负载、激励。碳的观察-行动管道大约发展了十年,建立于电网信号基础设施之上。

5.4 Beyond efficiency: sufficiency
文献地图显示田野沿单一走廊深:碳、运营、设施、测量。其他类别变薄。效率提升经常被计算需求增长所抵消,如Top500系统分析所示。仅关注效率无法解决材料、水、生态负担。需要补充充分性(sufficiency)方法,质疑计算必要性,将环境成本与科学结果联系起来。基于目标的度量,如每研究结果的碳排放,可改变评估。软件碳强度规范(Software Carbon Intensity)提供了方法论基础。充分性框架可在HPC资源分配系统中实现,与碳预算和生命周期采购政策一起。

6. Threats to validity
从四个类别讨论威胁:构造效度、内部效度、外部效度、结论效度。构造效度依赖于PICO查询和分类方案的可操作性。内部效度受自动化筛选影响,三个语言模型与基线的一致性为Cohen's κ 0.329-0.456,人工评审κ=0.374。外部效度受搜索范围限制,仅覆盖IEEE Xplore、ACM Digital Library和Scopus,未包括Web of Science、DBLP或预印本服务器,窗口截至2026年4月11日。结论效度涉及地图解读,62篇报告太小无法支持推断统计,空单元格可能反映真实缺失或搜索不足。

7. Conclusions
HPC环境影响研究是一个小而快速增长的领域,其重心在HPC社区之外。自2023年急剧增长,但大部分出现在非HPC场所。文献集中在单一走廊:碳、运营、设施、测量。盲点反映可用仪器的限制而非HPC足迹的限制。效率研究单独无法实现可持续性。建议保留可持续性研讨会,为缺乏测量工具的影响建立仪器,用基于目标的充分性核算补充效率度量,将生命周期影响作为采购标准。

8. Author Contributions
初始想法由Lucas、Danilo、Raphael和Alfredo提出。所有作者参与了讨论,提出想法和方向,包括搜索协议、选择标准和环境框架。报告评审和分类由Lucas和Victor完成。Lucas是主要写作者,文本修订主要由Danilo和Alfredo完成。所有作者审阅了最终手稿。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号