# Edge ou nuvem: onde a IA deve rodar?

> Como comparar a IA no dispositivo e na edge com data centers centrais: energia, rede, hardware, privacidade e resiliência, com um passo a passo para decidir.

Source: https://greenai.guide/pt/boas-praticas/edge-ou-nuvem-onde-a-ia-deve-rodar/  
Updated: 2026-11-19

## Em resumo

Nem a edge nem a nuvem são mais verdes por padrão. Data centers centrais em geral executam modelos grandes com mais eficiência, enquanto a IA no dispositivo e na edge pode evitar tráfego de rede, manter os dados no local e funcionar offline. Decida caso a caso, comparando a energia por resultado útil em todo o sistema, incluindo dispositivos, rede e hardware.

## Pontos-chave

- Execute localmente tarefas pequenas, frequentes ou sensíveis à latência; envie tarefas grandes ou raras para hardware central eficiente.
- A IEA estima que as redes de transmissão de dados usaram 260–360 TWh em 2022, cerca de 1–1,5% da eletricidade mundial, com as redes móveis respondendo por cerca de dois terços.
- A energia das redes não cresce de forma proporcional ao volume de dados, por isso as economias por gigabyte costumam ser exageradas.
- Bilhões de dispositivos somam muito: conte os dispositivos dos usuários, as baterias deles e o hardware que talvez precisem substituir.
- A IA local mantém os dados no dispositivo, o que ajuda a privacidade, a soberania e a resiliência.

## A IA na edge ou na nuvem é mais verde? {#is-edge-or-cloud-ai-greener}

**Depende da tarefa, do modelo e do dispositivo, então compare as opções em todo o sistema em vez de presumir.**
Data centers centrais operam aceleradores com alta taxa de utilização e refrigeração especializada, por isso em
geral fazem os cálculos de um modelo grande com mais eficiência. A edge AI, executada no dispositivo ou num servidor
próximo, evita enviar dados pela rede e pode desligar por completo quando está ociosa.

Um sandpit de IA verde realizado no Reino Unido em 2026, com matemáticos, cientistas da computação e representantes
da indústria, fez exatamente essa pergunta. A IA está se espalhando por sensores, câmeras, campainhas, carros e
assistentes de celular. Multiplicada por milhões de dispositivos, a IA local gasta mais ou menos energia do que
enviar os dados a um data center? Os participantes observaram que há estudos de energia de ponta a ponta para alguns
modelos de visão menores implantados na edge, mas poucos para modelos de linguagem de grande porte (LLM). A resposta
honesta hoje é: meça o seu caso.

## Quais são as vantagens e desvantagens? {#what-are-the-trade-offs}

**Cada opção ganha em aspectos diferentes.**

| Fator | No dispositivo / edge | Data center central |
|---|---|---|
| Energia por computação | Em geral maior em chips de uso geral; melhor em aceleradores neurais dedicados | Em geral menor, sobretudo com alta utilização |
| Tamanho do modelo | Modelos pequenos, muitas vezes quantizados | Qualquer tamanho |
| Energia de rede | Pouca ou nenhuma | Todo pedido trafega |
| Energia ociosa | Pode hibernar ou desligar | Capacidade compartilhada mantida pronta |
| Hardware | Espalhado por bilhões de dispositivos; pode forçar trocas | Concentrado, renovado a cada poucos anos |
| Latência | Rápida, funciona offline | Depende da conexão |
| Privacidade | Os dados podem ficar no dispositivo | Os dados saem do controle do usuário |
| Medição | Difícil: dispersa, sem relatórios | Possível, se os provedores divulgarem |
| Controle | Distribuído | Concentrado em poucos provedores |

## Quanto a rede importa? {#how-much-does-the-network-matter}

**As redes usam muita energia no total, mas grande parte dela é uma base quase constante, então o efeito de um único
pedido é menor do que as calculadoras por byte sugerem.**

- A Agência Internacional de Energia estima que as redes de transmissão de dados usaram de 260 a 360 TWh em 2022,
  cerca de 1 a 1,5% da eletricidade mundial, com as redes móveis respondendo por cerca de dois terços disso.
- Mytton, Lundén e Malmodin mostraram em 2024 que a energia das redes não é diretamente proporcional ao volume de
  dados. Os equipamentos de rede consomem energia estejam ocupados ou não, então converter gigabytes diretamente em
  quilowatts-hora exagera a economia de enviar menos.
- Reduza os dados mesmo assim: isso economiza energia em servidores e dispositivos, e o tráfego evitado pode evitar
  capacidade de rede futura. Mas não use economias de rede por gigabyte como principal argumento a favor da edge AI.

Observe que muitos números publicados por prompt deixam de fora a rede e os dispositivos dos usuários. Os números do
Gemini divulgados pelo Google em 2025, por exemplo, excluem ambos. Verifique a fronteira do cálculo antes de comparar
números de edge e de nuvem.

## E os próprios dispositivos? {#what-about-the-devices-themselves}

**Conte a energia, a bateria e o hardware dos dispositivos em que a sua IA roda, porque eles fazem parte da sua
pegada.**

- **Emissões incorporadas:** fabricar dispositivos gera carbono. A especificação SCI inclui uma parcela das emissões
  incorporadas na pegada de um sistema de software. Se a IA no dispositivo levar as pessoas a substituir mais cedo
  celulares ou notebooks que ainda funcionam, esse custo pode superar qualquer economia operacional.
- **O consumo de bateria** é um custo energético oculto que o usuário paga. O sandpit citou os assistentes de IA de
  celular como exemplo.
- **Adaptação:** a Green Software Foundation sugere passar para modelos menores ou frequência mais baixa quando a
  bateria está fraca ou o dispositivo está quente.
- **Escala:** uma pequena economia ou um pequeno custo por dispositivo fica grande em milhões de dispositivos
  funcionando o tempo todo.

## Como entram a privacidade e a resiliência? {#how-do-privacy-and-resilience-come-in}

**A IA local mantém os dados no dispositivo e continua funcionando quando a conexão ou o serviço central falha.**

- **Privacidade:** dados processados localmente não precisam ser transmitidos nem armazenados por um provedor. Isso
  apoia o princípio da minimização de dados na legislação de proteção de dados do Reino Unido e da UE, e é adequado
  para dados sensíveis, como registros de saúde ou de infraestrutura crítica. O sandpit observou que, nos setores de
  infraestrutura crítica, dados operacionais sensíveis muitas vezes precisam ficar dentro da organização, o que exige
  modelos locais eficientes.
- **Soberania e controle:** a inferência distribuída tira o controle das mãos de poucos grandes provedores.
- **Resiliência:** o sandpit também levantou a questão da dependência: o que acontece quando a sociedade depende da
  IA e a conexão ou a energia cai? Capacidade local pode manter funções essenciais em funcionamento.
- **Prestação de contas:** a edge AI é mais difícil de monitorar. Se você a implantar, planeje como vai medi-la e
  relatá-la.

## Como decidir, passo a passo? {#how-do-i-decide-step-by-step}

**Calcule a energia por resultado útil de cada opção e depois pondere privacidade, latência e resiliência.**

1. **Defina a tarefa e o padrão de qualidade.** O que conta como um resultado bem-sucedido?
2. **Encontre o menor modelo que atinja o padrão** ([escolha o modelo certo](/pt/boas-praticas/escolha-o-modelo-certo-para-a-tarefa/)).
   Modelos quantizados precisam de menos memória: a inferência em 8 bits reduziu pela metade a necessidade de memória
   no estudo LLM.int8().
3. **Estime a energia na nuvem por resultado**, incluindo a sobrecarga do data center e, quando possível, a rede.
4. **Meça a energia do dispositivo por resultado** em dispositivos representativos, incluindo os mais antigos e os
   de baixo consumo.
5. **Some os efeitos de hardware:** isso vai exigir novos dispositivos ou servidores de edge dedicados?
6. **Considere a frequência:** tarefas pequenas e frequentes costumam combinar com o dispositivo; tarefas raras e
   pesadas, com a nuvem.
7. **Pondere privacidade, latência, uso offline e resiliência.**
8. **Considere uma divisão:** um pequeno modelo local atende a maioria dos pedidos e escala os difíceis para a nuvem.
9. **Meça depois da implantação** e reveja à medida que modelos e hardware mudam.

## Checklist {#checklist}

- [ ] Energia por resultado útil comparada para edge, nuvem e uma divisão
- [ ] Fronteira inclui os dispositivos e, quando possível, a rede
- [ ] Menor modelo adequado escolhido, quantizado para dispositivos onde o desempenho se mantém
- [ ] Nenhuma troca de dispositivo forçada pelo recurso de IA
- [ ] Bateria e calor tratados, com um modo mais leve quando a bateria estiver fraca
- [ ] Benefícios de privacidade e de proteção de dados registrados
- [ ] Monitoramento planejado para implantações na edge

## O que fazer a seguir {#what-to-do-next}

1. Escolha um recurso de IA e esboce as opções de edge, nuvem e divisão.
2. Meça a energia por resultado num dispositivo típico e estime o equivalente na nuvem; veja
   [medir a energia da IA](/pt/boas-praticas/como-medir-a-energia-e-o-carbono-da-ia/).
3. Teste um pequeno modelo quantizado no dispositivo mais antigo que você suporta.
4. Decida quais dados precisam ficar no local por razões de privacidade ou soberania.
5. Leia [IA na edge](/pt/artigos/ia-na-borda-mais-verde-ou-so-menos-visivel/) para o panorama mais amplo e
   [hospedagem e data centers](/pt/boas-praticas/hospedagem-e-data-centers-para-ia-verde/) para o lado da nuvem.
6. Encontre ferramentas de edge AI no [diretório de produtos](/pt/produtos/) e grupos de pesquisa em [pesquisa](/pt/pesquisa/).

## Perguntas frequentes

### A IA no dispositivo é mais verde que a IA na nuvem?

Às vezes. Um modelo pequeno num celular evita a energia do data center e da rede, mas os dispositivos são menos eficientes por computação do que os aceleradores de data center, e comprar hardware novo para rodar IA tem a sua própria pegada. Compare o sistema inteiro.

### Enviar dados para a nuvem usa muita energia?

As redes usam bastante energia, mas grande parte dela é uma base quase constante. Reduzir dados ainda ajuda dispositivos e servidores, mas as economias de rede por gigabyte em geral são exageradas.

### O que é edge computing?

Computação feita perto de onde os dados são produzidos ou usados: no próprio dispositivo, ou num gateway ou pequeno servidor local próximo, em vez de num data center distante.

### Por que a privacidade entra nisso?

Dados processados no dispositivo não precisam sair dele. Isso reduz a exposição e pode facilitar o cumprimento de regras de proteção de dados, como a minimização de dados.

## Fontes

- [Data centres and data transmission networks](https://www.iea.org/fuels-and-technologies/data-centres-networks), International Energy Agency (2023)
- [Network energy use not directly proportional to data volume: the power model approach for more reliable network energy consumption calculations](https://doi.org/10.1111/jiec.13512), Mytton, Lundén and Malmodin, Journal of Industrial Ecology (2024)
- [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)
- [Green Software Patterns: optimise power consumption for edge AI inference](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/optimize-edge-ai-power-performance.md), Green Software Foundation (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Google (arXiv 2508.15734) (2025)
- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [Principle (c): Data minimisation](https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-protection-principles/a-guide-to-the-data-protection-principles/data-minimisation/), Information Commissioner's Office (2023)
- [LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale](https://arxiv.org/abs/2208.07339), Dettmers et al. (arXiv 2208.07339) (2022)
