# Come decido se far girare l'IA sul mio dispositivo o nel cloud?

> Come valutare l'IA sul dispositivo (edge) rispetto all'IA nel cloud per energia, privacy e qualità, e quali compiti si adattano a ciascuna, con oneste cautele sulle prove.

Source: https://greenai.guide/it/come/come-decido-se-far-girare-l-ia-sul-mio-dispositivo-o-nel-cloud/  
Updated: 2026-11-19

## In breve

Esegua sul dispositivo i compiti piccoli, frequenti, riservati o sensibili alla latenza, e invii a un servizio cloud efficiente i compiti grandi od occasionali che richiedono modelli di grandi dimensioni. Alcuni studi rilevano grandi risparmi energetici sul dispositivo per i modelli adatti, ma i data centre ben gestiti sono un termine di paragone difficile da battere, quindi misuri il Suo caso specifico dove possibile.

## Steps

1. Elenchi le esigenze del compito: dimensione del modello, frequenza d'uso, privacy e necessità di funzionare offline.
2. Preferisca il dispositivo per modelli piccoli, uso frequente, dati riservati ed esigenze offline.
3. Preferisca il cloud per modelli grandi, compiti pesanti occasionali e lavoro che si può raggruppare in batch.
4. Confronti l'energia per compito nelle due opzioni, rete compresa, dove può misurarla.
5. Consideri la durata della batteria e l'età dell'hardware come parte del costo del dispositivo.

**Piccolo e frequente si adatta al dispositivo; grande e occasionale si adatta al cloud.** Nessuno dei due è più
verde in tutti i casi. La risposta dipende dal modello, da quanto spesso viene eseguito e da quanto è efficiente
ciascuna delle due parti.

## Che cosa dicono le prove? {#what-does-the-evidence-say}

**Sono contrastanti.** Li, Islam e Ren hanno rilevato un'impronta ridotta per l'esecuzione edge di diversi modelli
generativi, con risparmi energetici superiori al 90% in prove su un telefono recente. Ma il loro termine di paragone
cloud non era un servizio di produzione pienamente ottimizzato, e server ben sfruttati con il batching in un data
centre efficiente sono più difficili da battere. Un sandpit (laboratorio di ricerca intensivo e collaborativo)
britannico sull'IA verde del 2026, con matematici, informatici e industria, ha indicato come questione aperta
l'effetto energetico netto dell'IA distribuita su milioni di dispositivi.

## Come scelgo? {#how-do-i-choose}

| A favore del dispositivo | A favore del cloud |
|---|---|
| Modello piccolo, come il modello di Apple sul dispositivo da circa tre miliardi di parametri | Modello grande che non entra in locale |
| Viene eseguito spesso, per esempio su ogni foto o a ogni tasto premuto | Viene eseguito occasionalmente |
| Dati riservati o sensibili | Lavoro che si può raggruppare in batch o pianificare |
| Deve funzionare offline o all'istante | Richiede il modello più recente e capace |

La Green Software Foundation include l'esecuzione dei modelli di IA all'edge tra i suoi pattern di software verde,
come opzione per i modelli adatti e non come regola.

## Errori comuni {#common-mistakes}

- **Presumere che l'esecuzione locale sia gratuita.** Consuma la batteria e può spingerLa verso nuovo hardware.
- **Ignorare la rete.** Anche inviare file di grandi dimensioni al cloud ha un costo.
- **Eseguire un modello troppo grande** per il dispositivo, che quindi è lento e consuma molta energia.

Per una guida alla decisione più completa, veda [edge o cloud](/it/buone-pratiche/edge-o-cloud-dove-dovrebbe-girare-l-ia/) e
[l'IA all'edge](/it/articoli/ia-all-edge-piu-verde-o-solo-meno-visibile/).

## Fonti

- [A case study of environmental footprints for generative AI inference: cloud versus edge](https://escholarship.org/uc/item/2kc978dg), Li, Islam and Ren, ACM SIGMETRICS Performance Evaluation Review (2025)
- [Apple Intelligence Foundation Language Models: Tech Report 2025](https://arxiv.org/abs/2507.13575), Apple (2025)
- [Green Software Patterns: run AI models at the edge](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/architecture/system-topology/run-ai-models-edge.md), Green Software Foundation (2025)
