# ¿Cómo mido la energía que usa la IA en mi propio ordenador o GPU?

> Mida la energía de la IA local con contadores de hardware, telemetría de la GPU o un medidor de enchufe, muestree todo el trabajo y reste el consumo en reposo.

Source: https://greenai.guide/es/como/como-mido-la-energia-que-usa-la-ia-en-mi-propio-ordenador-o-gpu/  
Updated: 2026-11-19

## En resumen

En su propia máquina puede medir directamente: use CodeCarbon o una herramienta de potencia que lea los contadores del procesador y de la GPU, o ponga un enchufe inteligente con medidor entre el ordenador y la pared. Registre primero el consumo en reposo, muestree durante todo el trabajo en lugar de tomar instantáneas y repita la ejecución varias veces antes de fiarse de la cifra.

## Steps

1. Mida la potencia en reposo de la máquina antes de empezar.
2. Ejecute la tarea de IA con CodeCarbon, una herramienta basada en contadores o un enchufe inteligente con medidor registrando todo el tiempo.
3. Muestree la potencia de la GPU durante todo el trabajo e intégrela en el tiempo.
4. Repita la ejecución varias veces e informe de la media y del intervalo.
5. Contraste una vez por máquina un medidor de software con un medidor de enchufe.

**El hardware que es suyo puede medirse, y eso es mejor que cualquier estimación.** Es la mejor forma de ver lo que
consume realmente en su máquina un modelo local, un ajuste fino o una herramienta de programación con IA.

## ¿Qué herramientas puedo usar? {#which-tools-can-i-use}

| Opción | Qué lee | Adecuado para |
|---|---|---|
| Enchufe inteligente con medidor | Toda la máquina en la toma de corriente | Cualquier persona; sirve para contrastar otras herramientas |
| CodeCarbon | Potencia del procesador, la GPU y la memoria, más el carbono de la red | Scripts de Python, entrenamiento e inferencia local |
| Contadores del procesador (RAPL en muchos chips Intel y AMD) | Energía de la CPU y la memoria | Herramientas de Linux como `perf`, Scaphandre, PowerJoular |
| Telemetría de la GPU (`nvidia-smi`, NVML) | Potencia de la GPU | Entrenamiento e inferencia de modelos en tarjetas NVIDIA |

## ¿Por qué muestrear a lo largo del tiempo? {#why-sample-over-time}

Las lecturas de la GPU son muestreadas, no continuas. Yang y sus colegas hallaron que, en las GPU A100 y H100,
`nvidia-smi` solo muestrea la potencia durante un 25% del tiempo de ejecución, aproximadamente, lo que puede inducir a
grandes errores en trabajos cortos. Registre lecturas durante todo el trabajo, ejecútelo el tiempo suficiente para
cubrir muchos intervalos de muestreo y súmelas a lo largo del tiempo.

## Errores frecuentes {#common-mistakes}

- **Olvidar el consumo en reposo.** Un ordenador de sobremesa consume energía sin hacer nada; réstelo para ver lo que
  añade la IA.
- **Medir una sola vez.** La temperatura, las tareas en segundo plano y el escalado de frecuencia cambian las
  lecturas. Repita y dé un intervalo.
- **Comparar solo la velocidad.** Más rápido y menos energía suelen ir juntos, pero no siempre. Informe de ambos.

Para convertir la energía en carbono, consulte [encontrar la intensidad de carbono de la red](/es/como/como-encuentro-la-intensidad-de-carbono-de-mi-red-electrica/).
El método completo está en [cómo medir la energía de la IA](/es/buenas-practicas/como-medir-la-energia-y-el-carbono-de-la-ia/).

## Fuentes

- [Part-time power measurements: nvidia-smi's lack of attention](https://arxiv.org/abs/2312.02741), Yang et al. (arXiv 2312.02741) (2023)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [When to use CodeCarbon](https://docs.codecarbon.io/latest/explanation/when-to-use/), CodeCarbon (2025)
