# 如何选择碳排放低的云区域？

> 为 AI 工作选择低碳云区域：按区域比较电网碳强度和无碳能源比例，再权衡延迟、数据规定和成本。

Source: https://greenai.guide/zh/如何/如何选择碳排放低的云区域/  
Updated: 2026-11-19

## 简而言之

利用提供商公布的区域数据或 Electricity Maps 等数据源，按电网碳强度和无碳能源比例比较各个区域，再权衡延迟、数据驻留规定和成本。训练、微调和夜间处理等批量工作最容易迁移；面向用户的推理通常需要靠近用户。

## Steps

1. 列出哪些工作负载可以在任何地方运行，从训练、微调和批处理作业开始。
2. 按电网碳强度和无碳能源比例比较候选区域。
3. 检查每个候选区域在数据驻留、延迟和成本方面的限制。
4. 把数据迁移到新区域的能耗和成本考虑在内。
5. 每年重新核查一次选择，因为电网和提供商数据都会变化。

**选择不同的区域，可以让同一项作业的碳排放相差好几倍，而代码无需任何改动。** 不同电网每千瓦时电力背后的碳排放差异很大。

## 在哪里可以找到区域数据？ {#where-do-i-find-region-data}

- **Google Cloud** 为每个区域公布逐小时平均的无碳能源比例，以及以 gCO₂e/kWh 计的电网碳强度。在其控制台中，无碳能源比例至少为 75% 的区域，或者在没有该数据时电网碳强度不超过 200 gCO₂e/kWh 的区域，会被标为“Low CO2”。
- **Electricity Maps** 提供 350 多个区域的实时、预测和历史碳强度数据，适用于任何提供商。
- 其他提供商的可持续发展页面和碳排放仪表板；参见[您的云提供商的碳数据](/zh/如何/如何找到我的云服务提供商的碳排放数据/)。

## 哪些工作负载应该迁移？ {#which-workloads-should-move}

绿色软件基金会（Green Software Foundation）针对 AI 工作负载的模式建议，把对延迟不太敏感的训练、微调和批量工作放在低碳区域运行。微软的 Azure Well-Architected 指引建议，在选择区域时综合权衡碳强度、延迟和韧性。

## 常见错误 {#common-mistakes}

- **把对延迟敏感的推理迁移到远离用户的地方**，这会影响体验，还会增加网络流量。
- **忽略数据迁移。** 在区域之间复制大型数据集本身也有成本。
- **依赖证书。** 提供商购买可再生能源证书，并不会让高碳电网变成低碳电网；参见[核实您的 AI 是否使用可再生能源](/zh/如何/如何确认我的-ai-是否使用可再生能源/)。
- **把区域选择当作提高效率的替代品。** 它减少的是碳排放，而不是能耗。

更多内容请参阅[托管与数据中心](/zh/良好实践/绿色-ai-的托管与数据中心/)。

## 来源

- [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)
