这篇论文描述了这些错误如何导致善意的研究预测信息技术(IT)部门的大规模能源增长，而这通常不会实现。马萨内解释说:“我们并不是说互联网的能源使用不是问题，也不是说我们不应该担心它。”“相反，我们的主要信息是，我们都需要更好地分析互联网能源使用情况，并避免这些陷阱。”

Masanet是UCSB布伦环境科学与管理学院新兴技术可持续发展科学Mellichamp主席，研究IT系统的能源分析超过15年。库米研究这一课题已有30多年，曾在劳伦斯伯克利国家实验室担任多年科学家和小组组长，并曾在斯坦福大学、耶鲁大学和加州大学伯克利分校担任客座教授。这篇没有外部资金来源的文章源于他们的综合经验和观察，并受到公众对互联网能源使用日益增长的兴趣的推动。虽然这篇文章没有包含关于当前能源使用或不同技术和部门对环境影响的新数据或结论，但它提出了该领域目前面临的一些重要技术问题。

Masanet和Koomey的工作包括收集数据和建立能源使用模型，以了解趋势并做出预测。不幸的是，IT系统是复杂的，数据是稀缺的。“互联网是一个非常复杂的技术系统，而且变化很快，”Masanet说。此外，在竞争激烈的科技行业，公司往往将能源和性能数据作为专有商业机密加以保护。“他们的操作涉及到很多工程设计，”他补充说，“他们通常不想放弃这些。”

四个谬论

这直接导致了两位研究人员发现的四个主要陷阱中的第一个:过度简化。每个模型都是对现实世界系统的简化。它必须是。但是，当分析师忽略了系统的重要方面时，简化就成了一个陷阱。例如，低估数据中心效率改进的模型往往高估了其能源使用的增长。

Koomey说，一些简化是可以理解的，因为研究人员通常只是没有足够的数据。但他强调，过于简化可能会产生不准确的结果。

第二个陷阱本质上是将互联网使用与能源需求混为一谈:数据流量和能源使用并不等同。“数据流量增加20%会导致互联网能源使用量增加20%，这似乎是合理的说法，”Masanet说，“但这不是系统工作的方式。”网络有很高的固定能耗，所以当数据流量发生变化时，能源需求不会发生太大变化。

把互联网上的数据吞吐量想象成火车上的乘客。大部分的能量都用于移动火车。火车上的人数增加一倍不会使火车所需的能量增加一倍。Masanet说:“因此，这种较小的边际效应是网络工程师所熟知的，但能源分析师并不总是知道。”

互联网技术和数据需求变化的速度和性质带来了第三个陷阱:对未来的预测过于遥远。在2020年Masanet发表的一项回顾性研究中，Koomey和他们的同事发现，早期的预测高估了数据中心的能源增长。他们没有预见到IT虚拟化或将工作负载转移到云的大幅增长。

我们不仅开发新的和改进的技术，而且行业结构和消费者需求也经常发生变化。例如，就在5年前，很少有人能预测到现在用于比特币挖矿的巨大处理能力。尽管如此，研究人员警告说，不要过分推断这种早期的增长趋势。“当互联网在20世纪90年代末迅速发展时，一些分析人士预测，IT将在十年内占美国用电量的一半，”库米说。

考虑到所有这些不确定性，难怪分析师的预测可能会失准。马萨内说，IT行业变化如此之快，几年之后的预测就不准确了。相比之下，在能源分析的其他领域，预测未来几十年是很常见的。它对于规划电网容量或交通基础设施至关重要，仅举几例。这可能导致在预测it能源使用时产生不切实际的期望，因为it能源使用的速度要快得多，也不可预测得多。

二人发现的最后一个陷阱源于缺乏适当的范围:过度概括。当数据稀缺时，很容易将系统一部分的增长率应用到整个系统中。Masanet以云计算的兴起为例。尽管许多云计算公司的能源使用在过去十年中迅速增长，但这并不是数据中心的全部情况。传统数据中心的能源使用随着该部门的萎缩而同时下降，使数据中心的总体能源使用在同一时期受到控制。

同样，虽然流媒体视频的增长可能会推高数据中心的能源消耗，但它可以通过减少电视机顶盒的数量来减少家庭能源消耗，Koomey解释说。

马萨内说:“你必须看到整个系统，避免只从一个部分推断。”

展望未来

除了应对数据匮乏和复杂的系统之外，科技公司和分析师在报告互联网能源使用情况方面没有任何标准。汽车每加仑汽油可以跑多少英里——这是美国公认的效率衡量标准——但数据中心还没有类似的标准。一个原因是每个数据中心都是不同的:一个主要从事科学计算的中心与另一个主要处理网络托管的中心很难进行比较，Masanet指出。

国会最近通过了《2020年能源法案》，其中有关于数据中心的规定。Masanet说:“这是一个积极的迹象，表明我们正朝着能够让更多公司公布业绩的目标迈进，至少在美国是这样。”

他补充说:“研究界可以做的一件事是帮助制定这些指标，这样，如果公司确实想要报告并保持保密，他们就可以有标准的、商定的、科学的指标来使用。”

Masanet继续说:“世界需要更好的IT能源预测，分析社区需要在生产这些方面做得更好，包括我们自己。”“我们在自己的工作中遇到了这些陷阱。

“现在我们需要认识到这些问题，并想办法在未来避免它们，这样我们才能提供更严格的产出，因为这些产出正变得越来越重要。”

Koomey强调了在面对持续存在数据缺口的复杂系统时保持克制的重要性。他说，虽然在数据不存在的情况下做出假设可能很有吸引力，但这不是最好的方法。最好是收集更多的数据，承认警告，并在发表声明时保持谦虚。

他说:“我们的目标是促进对信息技术的准确分析，这样决策者就可以根据现实而不是错误的观念做出判断。”“IT用电数据总是落后于现实，因为许多相关数据都是严格保密的，而且这些系统变化太快了。分析师需要接受这些固有的局限性，而不是基于猜测或过多的假设做出强有力的断言。”