# Como escolho uma região de nuvem com baixo carbono?

> Escolha uma região de nuvem com menos carbono para a IA: compare a intensidade de carbono e a energia livre de carbono por região, e pese latência, dados e custo.

Source: https://greenai.guide/pt/como/como-escolho-uma-regiao-de-nuvem-com-baixo-carbono/  
Updated: 2026-11-19

## Em resumo

Compare as regiões pela intensidade de carbono da rede e pela parcela de energia livre de carbono, usando os dados de região publicados pelo seu provedor ou uma fonte como a Electricity Maps, e depois pese a latência, as regras de residência de dados e o custo. Trabalhos em lote, como treinamento, ajuste fino e processamento noturno, são os mais fáceis de mover; a inferência voltada para usuários normalmente precisa ficar perto deles.

## Steps

1. Liste quais cargas de trabalho podem rodar em qualquer lugar, começando por treinamento, ajuste fino e trabalhos em lote.
2. Compare as regiões candidatas pela intensidade de carbono da rede e pela parcela de energia livre de carbono.
3. Verifique as restrições de residência de dados, latência e custo de cada candidata.
4. Leve em conta a energia e o custo de mover os dados para a nova região.
5. Revise a escolha todo ano, porque as redes e os dados dos provedores mudam.

**A escolha da região pode multiplicar várias vezes o carbono do mesmo trabalho, sem mudar nada no código.** A
eletricidade por trás de um quilowatt-hora varia muito de uma rede para outra.

## Onde encontro dados das regiões? {#where-do-i-find-region-data}

- O **Google Cloud** publica, para cada região, a parcela média horária de energia livre de carbono e a intensidade de
  carbono da rede em gCO₂e/kWh. O console marca como "Low CO2" as regiões em que a energia livre de carbono é de pelo
  menos 75% ou, quando esse dado não existe, em que a intensidade da rede é de no máximo 200 gCO₂e/kWh.
- A **Electricity Maps** fornece a intensidade de carbono em tempo real, prevista e histórica para mais de 350 zonas,
  útil para qualquer provedor.
- As páginas de sustentabilidade e os painéis de carbono de outros provedores; veja [os dados de carbono do seu provedor de nuvem](/pt/como/como-encontro-os-dados-de-carbono-do-meu-provedor-de-nuvem/).

## Que cargas de trabalho devem mudar de lugar? {#which-workloads-should-move}

O padrão da Green Software Foundation para cargas de IA sugere rodar o treinamento, o ajuste fino e os trabalhos em
lote em regiões de baixo carbono, onde a latência é menos crítica. As orientações do Azure Well-Architected, da
Microsoft, recomendam pesar juntas a intensidade de carbono, a latência e a resiliência ao escolher regiões.

## Erros comuns {#common-mistakes}

- **Levar a inferência sensível à latência para longe dos usuários,** o que pode piorar a experiência e aumentar o
  tráfego de rede.
- **Ignorar a movimentação de dados.** Copiar grandes conjuntos de dados entre regiões tem um custo próprio.
- **Confiar em certificados.** Um provedor que compra certificados de energia renovável não torna de baixo carbono uma
  rede de alto carbono; veja [como verificar se a sua IA usa energia renovável](/pt/como/como-verifico-se-a-minha-ia-funciona-com-energia-renovavel/).
- **Tratar a escolha da região como substituta da eficiência.** Ela corta o carbono, não a energia.

Mais em [hospedagem e data centers](/pt/boas-praticas/hospedagem-e-data-centers-para-ia-verde/).

## Fontes

- [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)
