greenai.guide

Strona główna › Jak…? › Jak wybrać region chmury o niskiej emisyjności?

Jak…?

Jak wybrać region chmury o niskiej emisyjności?

Aktualizacja · Czas czytania: 1 min

W skrócie

Należy porównać regiony pod względem intensywności emisji sieci energetycznej i udziału energii bezemisyjnej, korzystając z danych o regionach publikowanych przez dostawcę lub ze źródła takiego jak Electricity Maps, a potem uwzględnić opóźnienie, przepisy o lokalizacji danych i koszt. Najłatwiej przenieść pracę wsadową, taką jak trenowanie, dostrajanie i nocne przetwarzanie; wnioskowanie obsługujące użytkowników zwykle musi pozostać blisko nich.

Kroki

  1. Wypisać obciążenia, które mogą działać gdziekolwiek, zaczynając od trenowania, dostrajania i zadań wsadowych.
  2. Porównać kandydujące regiony pod względem intensywności emisji sieci i udziału energii bezemisyjnej.
  3. Sprawdzić dla każdego kandydata ograniczenia dotyczące lokalizacji danych, opóźnienia i kosztu.
  4. Uwzględnić energię i koszt przeniesienia danych do nowego regionu.
  5. Co roku ponownie sprawdzać wybór, bo sieci energetyczne i dane dostawców się zmieniają.

Wybór regionu może kilkakrotnie zmienić emisje tego samego zadania, bez żadnej zmiany w kodzie. Energia elektryczna stojąca za kilowatogodziną bardzo różni się między sieciami.

Gdzie znaleźć dane o regionach?

  • Google Cloud publikuje dla każdego regionu średni godzinowy udział energii bezemisyjnej oraz intensywność emisji sieci w gCO₂e/kWh. Konsola oznacza regiony etykietą „Low CO2”, gdy udział energii bezemisyjnej wynosi co najmniej 75% lub, jeśli te dane są niedostępne, gdy intensywność emisji sieci wynosi najwyżej 200 gCO₂e/kWh.
  • Electricity Maps podaje bieżącą, prognozowaną i historyczną intensywność emisji dla ponad 350 stref, co przydaje się przy każdym dostawcy.
  • Strony o zrównoważonym rozwoju i panele emisji innych dostawców; zob. dane o emisjach dostawcy chmury.

Które obciążenia warto przenieść?

Wzorzec Green Software Foundation dla obciążeń AI sugeruje uruchamianie trenowania, dostrajania i pracy wsadowej w regionach o niskiej emisyjności, gdzie opóźnienie ma mniejsze znaczenie. Wytyczne Microsoft Azure Well-Architected zalecają, by przy wyborze regionu rozważać razem intensywność emisji, opóźnienie i odporność.

Częste błędy

  • Przenoszenie wnioskowania wrażliwego na opóźnienia daleko od użytkowników, co może pogorszyć ich doświadczenie i zwiększyć ruch sieciowy.
  • Pomijanie przesyłu danych. Kopiowanie dużych zbiorów danych między regionami ma własny koszt.
  • Poleganie na certyfikatach. Zakup certyfikatów energii odnawialnej przez dostawcę nie sprawia, że sieć o wysokiej emisyjności staje się niskoemisyjna; zob. jak sprawdzić, czy AI działa na energii odnawialnej.
  • Traktowanie wyboru regionu jako zamiennika wydajności. Zmniejsza on emisje, a nie zużycie energii.

Więcej na stronie hosting i centra danych.

Źródła

  1. Carbon free energy for Google Cloud regions, Google Cloud (2025)
  2. Electricity Maps data, Electricity Maps (2026)
  3. Use carbon-aware scheduling and region selection for AI workloads, Green Software Foundation, Green Software Patterns (2025)
  4. Reliability recommendations for sustainable workloads on Azure, Microsoft Azure Well-Architected Framework (2026)

Dołącz do nas

Pomóżmy zmniejszyć wpływ AI na planetę

Nowe przewodniki, nabory wniosków i wpisy w katalogach e-mailem, mniej więcej raz w miesiącu. Można też dodać do katalogów swój produkt, kurs, ofertę studiów doktoranckich lub badania.

Bez śledzenia. Rezygnacja jednym kliknięciem. Inne sposoby dołączenia · Prywatność