Em resumo
Na sua própria máquina você pode medir diretamente: use o CodeCarbon ou uma ferramenta de potência que leia os contadores do processador e da GPU, ou coloque uma tomada inteligente com medidor entre o computador e a parede. Registre primeiro a base em repouso, faça amostras durante todo o trabalho em vez de leituras pontuais e repita a execução algumas vezes antes de confiar no número.
Passos
- Meça a potência da máquina em repouso antes de começar.
- Execute a tarefa de IA com o CodeCarbon, uma ferramenta baseada em contadores ou uma tomada inteligente com medidor registrando o tempo todo.
- Amostre a potência da GPU durante todo o trabalho e integre-a ao longo do tempo.
- Repita a execução várias vezes e informe a média e a faixa.
- Confira um medidor de software com um medidor de tomada uma vez por máquina.
O hardware que você possui pode ser medido, e isso é melhor que qualquer estimativa. É a melhor forma de ver o que um modelo local, um ajuste fino ou uma ferramenta de programação com IA realmente consome na sua máquina.
Que ferramentas posso usar?
| Opção | O que lê | Indicada para |
|---|---|---|
| Tomada inteligente com medidor | A máquina inteira, na tomada | Qualquer pessoa; confere outras ferramentas |
| CodeCarbon | Potência do processador, da GPU e da memória, mais o carbono da rede | Scripts Python, treinamento e inferência local |
| Contadores do processador (RAPL em muitos chips Intel e AMD) | Energia da CPU e da memória | Ferramentas Linux como perf, Scaphandre, PowerJoular |
Telemetria da GPU (nvidia-smi, NVML) |
Potência da GPU | Treinamento e inferência de modelos em placas NVIDIA |
Por que amostrar ao longo do tempo?
As leituras da GPU são amostradas, não contínuas. Yang e colegas descobriram que, nas GPUs A100 e H100, o nvidia-smi
amostra a potência em apenas cerca de 25% do tempo de execução, o que pode enganar muito em trabalhos curtos.
Registre leituras durante todo o trabalho, execute por tempo suficiente para cobrir muitos intervalos de amostragem e
some-as ao longo do tempo.
Erros comuns
- Esquecer a base em repouso. Um computador de mesa consome energia sem fazer nada; subtraia esse valor para ver o que a IA acrescenta.
- Medir uma vez só. A temperatura, as tarefas em segundo plano e o ajuste de frequência mudam as leituras. Repita e dê uma faixa.
- Comparar só a velocidade. Mais rápido e com menos energia costumam andar juntos, mas nem sempre. Informe os dois.
Para converter a energia em carbono, veja como encontrar a intensidade de carbono da rede. O método completo está em como medir a energia da IA.
Fontes
- Part-time power measurements: nvidia-smi's lack of attention, Yang et al. (arXiv 2312.02741) (2023)
- CodeCarbon, CodeCarbon (2026)
- When to use CodeCarbon, CodeCarbon (2025)
Relacionados
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 meço a pegada de carbono do treinamento de um modelo?
Acompanhe a energia de um treinamento com uma ferramenta como o CodeCarbon, multiplique pela intensidade de carbono da rede local e informe hardware, tempo e local.
Como defino uma linha de base para comprovar economias de energia com IA?
Comprove uma economia real de energia da IA: meça antes de mudar, com a mesma configuração e carga, repita execuções, meça por unidade e confira a qualidade.
Como medir a energia e o carbono da IA
Um guia prático para medir ou estimar a energia e o carbono do trabalho com IA: ferramentas, limites do sistema, métricas por tarefa e incerteza honesta.