Em resumo
Execute no aparelho as tarefas pequenas, frequentes, privadas ou sensíveis à latência, e envie para um serviço de nuvem eficiente as tarefas grandes ou ocasionais que precisam de modelos grandes. Alguns estudos encontram grandes economias de energia no aparelho para modelos adequados, mas data centers bem geridos são uma referência difícil de superar, por isso meça o seu próprio caso quando puder.
Passos
- Liste as necessidades da tarefa: tamanho do modelo, frequência de uso, privacidade e se ela precisa funcionar offline.
- Prefira o aparelho para modelos pequenos, uso frequente, dados privados e necessidades offline.
- Prefira a nuvem para modelos grandes, tarefas pesadas ocasionais e trabalho que pode ser feito em lotes.
- Compare a energia por tarefa nas duas opções, incluindo a rede, quando puder medi-la.
- Considere a duração da bateria e a idade do hardware como parte do custo do aparelho.
O que é pequeno e frequente combina com o aparelho; o que é grande e ocasional combina com a nuvem. Nenhum dos dois é mais verde em todos os casos. A resposta depende do modelo, da frequência de uso e da eficiência de cada lado.
O que dizem as evidências?
São mistas. Li, Islam e Ren encontraram uma pegada menor na execução em edge de vários modelos generativos, com economias de energia de mais de 90% em testes num celular recente. Mas a referência de nuvem deles não era um serviço de produção totalmente otimizado, e servidores com bons lotes num data center eficiente são mais difíceis de superar. Um sandpit (laboratório colaborativo) britânico de IA verde de 2026, com matemáticos, cientistas da computação e indústria, listou o efeito energético líquido da IA distribuída por milhões de aparelhos como uma questão em aberto.
Como escolho?
| Favorece o aparelho | Favorece a nuvem |
|---|---|
| Modelo pequeno, como o modelo no aparelho da Apple, de cerca de três bilhões de parâmetros | Modelo grande que não cabe localmente |
| Roda com frequência, por exemplo em cada foto ou tecla | Roda de vez em quando |
| Dados privados ou sensíveis | Trabalho que pode ser feito em lotes ou programado |
| Precisa funcionar offline ou instantaneamente | Precisa do modelo mais recente e mais capaz |
A Green Software Foundation inclui a execução de modelos de IA em edge entre os seus padrões de software verde, como uma opção para modelos adequados e não como regra.
Erros comuns
- Supor que o local é gratuito. Ele usa a sua bateria e pode empurrar você para hardware novo.
- Ignorar a rede. Enviar arquivos grandes para a nuvem também tem um custo.
- Executar um modelo grande demais para o aparelho, que fica lento e gasta muita energia.
Para um guia de decisão mais completo, veja edge ou nuvem e IA em edge.
Fontes
- A case study of environmental footprints for generative AI inference: cloud versus edge, Li, Islam and Ren, ACM SIGMETRICS Performance Evaluation Review (2025)
- Apple Intelligence Foundation Language Models: Tech Report 2025, Apple (2025)
- Green Software Patterns: run AI models at the edge, Green Software Foundation (2025)
Relacionados
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.
IA na borda: mais verde ou só menos visível?
A IA no dispositivo e na borda pode poupar energia de rede e de data center, mas espalha a computação por bilhões de aparelhos que ninguém mede. O que se sabe e o que não.
Como rodo um modelo de IA localmente?
Como rodar um modelo de IA aberto no seu laptop ou servidor com ferramentas como Ollama ou llama.cpp, escolher um modelo quantizado que caiba e medir a energia.
Como deixo um modelo pequeno o suficiente para um dispositivo de borda?
Reduza um modelo para celulares, sensores e placas embarcadas: comece pequeno, destile, quantize e pode, e teste a precisão e a energia no próprio aparelho.