# मैं कम कार्बन वाला क्लाउड रीजन कैसे चुनूँ?

> AI काम के लिए कम कार्बन वाला क्लाउड रीजन चुनें: रीजन के हिसाब से ग्रिड कार्बन तीव्रता और कार्बन-मुक्त ऊर्जा की तुलना करें, फिर latency, डेटा नियम और लागत तौलें।

Source: https://greenai.guide/hi/कैसे/मैं-कम-कार्बन-वाला-क्लाउड-रीजन-कैसे-चुनूँ/  
Updated: 2026-11-19

## संक्षेप में

अपने प्रदाता के प्रकाशित रीजन डेटा या Electricity Maps जैसे स्रोत से रीजनों की तुलना ग्रिड कार्बन तीव्रता और कार्बन-मुक्त ऊर्जा के हिस्से पर करें, फिर latency, डेटा-निवास (data residency) के नियम और लागत तौलें। ट्रेनिंग, fine-tuning और रात भर चलने वाली प्रोसेसिंग जैसे batch काम सबसे आसानी से दूसरी जगह ले जाए जा सकते हैं; उपयोगकर्ताओं से सीधे जुड़ा inference आम तौर पर उनके पास ही रहना चाहिए।

## Steps

1. उन कामों की सूची बनाएँ जो कहीं भी चल सकते हैं, ट्रेनिंग, fine-tuning और batch jobs से शुरू करके।
2. संभावित रीजनों की तुलना ग्रिड कार्बन तीव्रता और कार्बन-मुक्त ऊर्जा के हिस्से पर करें।
3. हर संभावित रीजन के लिए डेटा-निवास, latency और लागत की शर्तें जाँचें।
4. नए रीजन में डेटा ले जाने की ऊर्जा और लागत भी जोड़ें।
5. हर साल चुनाव दोबारा जाँचें, क्योंकि ग्रिड और प्रदाता का डेटा बदलता है।

**रीजन का चुनाव कोड में कोई बदलाव किए बिना उसी काम के कार्बन को कई गुना बदल सकता है।** एक किलोवाट-घंटे के पीछे की बिजली
अलग-अलग ग्रिड में बहुत अलग होती है।

## मुझे रीजन का डेटा कहाँ मिलेगा? {#where-do-i-find-region-data}

- **Google Cloud** हर रीजन के लिए कार्बन-मुक्त ऊर्जा का घंटेवार औसत हिस्सा और gCO₂e/kWh में ग्रिड कार्बन तीव्रता प्रकाशित
  करता है। इसका कंसोल उन रीजनों को "Low CO2" चिह्नित करता है जहाँ कार्बन-मुक्त ऊर्जा कम से कम 75% हो या, जहाँ यह
  उपलब्ध न हो, ग्रिड तीव्रता अधिकतम 200 gCO₂e/kWh हो।
- **Electricity Maps** 350 से ज़्यादा ज़ोन के लिए रियल-टाइम, पूर्वानुमानित और ऐतिहासिक कार्बन तीव्रता देता है, जो किसी भी
  प्रदाता के लिए उपयोगी है।
- दूसरे प्रदाताओं के sustainability पेज और कार्बन डैशबोर्ड; देखें [आपके क्लाउड प्रदाता का कार्बन डेटा](/hi/कैसे/मुझे-अपने-क्लाउड-प्रदाता-का-कार्बन-डेटा-कहाँ-मिलेगा/)।

## कौन-से काम दूसरी जगह ले जाने चाहिए? {#which-workloads-should-move}

AI कामों के लिए Green Software Foundation का पैटर्न सुझाता है कि ट्रेनिंग, fine-tuning और batch काम कम कार्बन वाले रीजन में
चलाएँ, जहाँ latency उतनी अहम नहीं। Microsoft की Azure Well-Architected गाइडेंस रीजन चुनते समय कार्बन तीव्रता, latency और
resilience को साथ तौलने की सलाह देती है।

## आम गलतियाँ {#common-mistakes}

- **latency के प्रति संवेदनशील inference को उपयोगकर्ताओं से दूर ले जाना,** जिससे अनुभव बिगड़ सकता है और नेटवर्क ट्रैफ़िक
  बढ़ सकता है।
- **डेटा की आवाजाही को अनदेखा करना।** रीजनों के बीच बड़े डेटासेट कॉपी करने की अपनी लागत है।
- **प्रमाणपत्रों पर निर्भर रहना।** प्रदाता के नवीकरणीय ऊर्जा प्रमाणपत्र खरीदने से ज़्यादा कार्बन वाला ग्रिड कम कार्बन वाला
  नहीं बन जाता; देखें [जाँचें कि आपका AI नवीकरणीय ऊर्जा पर चलता है या नहीं](/hi/कैसे/मैं-कैसे-पता-करूँ-कि-मेरा-ai-नवीकरणीय-ऊर्जा-पर-चलता-है-या-नहीं/)।
- **रीजन के चुनाव को दक्षता का विकल्प मानना।** यह कार्बन घटाता है, ऊर्जा नहीं।

ज़्यादा जानकारी [होस्टिंग और डेटा सेंटर](/hi/अच्छी-प्रथाएँ/ग्रीन-ai-होस्टिंग-और-डेटा-सेंटर/) में।

## स्रोत

- [Carbon free energy for Google Cloud regions](https://cloud.google.com/sustainability/region-carbon), Google Cloud (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Reliability recommendations for sustainable workloads on Azure](https://learn.microsoft.com/en-us/azure/well-architected/sustainability/sustainability-reliability-recommendations), Microsoft Azure Well-Architected Framework (2026)
