# 炭素排出の少ないクラウドリージョンを選ぶには？

> AI の処理に低炭素なクラウドリージョンを選ぶ方法です。リージョンごとの電力網の炭素強度とカーボンフリー電力を比べ、レイテンシ、データ規則、費用を検討します。

Source: https://greenai.guide/ja/ハウツー/炭素排出の少ないクラウドリージョンを選ぶには/  
Updated: 2026-11-19

## 要点

プロバイダーが公表しているリージョンのデータや Electricity Maps などの情報源を使い、電力網の炭素強度とカーボンフリー電力の割合でリージョンを比べましょう。そのうえで、レイテンシ、データの所在に関する規則、費用を検討します。学習、ファインチューニング、夜間処理などのバッチ処理は最も移しやすく、ユーザー向けの推論は通常ユーザーの近くに置く必要があります。

## Steps

1. 学習、ファインチューニング、バッチ処理から始めて、どこでも実行できる処理を書き出します。
2. 候補のリージョンを、電力網の炭素強度とカーボンフリー電力の割合で比べます。
3. 各候補について、データの所在、レイテンシ、費用の制約を確認します。
4. 新しいリージョンへデータを移すためのエネルギーと費用も考慮します。
5. 電力網やプロバイダーのデータは変わるので、毎年選択を見直します。

**リージョンの選び方次第で、コードを一切変えずに同じ処理の炭素排出が何倍も変わることがあります。** 1 キロワット時の背後にある電力の中身は、電力網によって大きく異なります。

## リージョンのデータはどこで見つかりますか？ {#where-do-i-find-region-data}

- **Google Cloud** は、リージョンごとにカーボンフリー電力の 1 時間あたりの平均割合と、電力網の炭素強度（gCO₂e/kWh）を公表しています。コンソールでは、カーボンフリー電力が 75% 以上、またはそのデータがない場合は電力網の炭素強度が 200 gCO₂e/kWh 以下のリージョンに「Low CO2」の印を付けています。
- **Electricity Maps** は、350 を超えるゾーンについて、リアルタイム、予測、過去の炭素強度を提供しており、どのプロバイダーにも役立ちます。
- その他のプロバイダーのサステナビリティのページやカーボンダッシュボード。[クラウドプロバイダーの炭素データ](/ja/ハウツー/利用しているクラウドの炭素データはどこで見られる/)をご覧ください。

## どの処理を移すべきですか？ {#which-workloads-should-move}

Green Software Foundation の AI ワークロード向けパターンは、レイテンシがそれほど重要でない学習、ファインチューニング、バッチ処理を低炭素なリージョンで実行するよう提案しています。Microsoft の Azure Well-Architected のガイダンスは、リージョンを選ぶ際に炭素強度、レイテンシ、回復力をあわせて検討するよう助言しています。

## よくある間違い {#common-mistakes}

- **レイテンシが重要な推論をユーザーから遠くに移すこと。** 使い勝手が悪くなり、ネットワークの通信も増えることがあります。
- **データの移動を無視すること。** 大きなデータセットをリージョン間でコピーすること自体にもコストがかかります。
- **証書に頼ること。** プロバイダーが再生可能エネルギーの証書を買っても、高炭素の電力網が低炭素になるわけではありません。[AI が再生可能エネルギーで動いているか確かめる方法](/ja/ハウツー/自分の使う-ai-が再生可能エネルギーで動いているか確かめるには/)をご覧ください。
- **リージョンの選択を効率化の代わりと考えること。** 減るのは炭素であって、エネルギーではありません。

詳しくは[ホスティングとデータセンター](/ja/グッドプラクティス/グリーン-ai-のホスティングとデータセンター/)をご覧ください。

## 出典

- [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)
