US 
GB 
DE 
FR En este artículo:
- ¿Qué es el Edge Computing?
- ¿Cómo funciona el Edge Computing?
- ¿Qué es el ancho de banda?
- ¿Qué es la latencia?
- ¿Por qué es necesario el Edge Computing?
- ¿Cuáles son las ventajas del Edge Computing?
- ¿Cuáles son las principales aplicaciones de Edge Computing?
- Aplicaciones para Edge AI
- NVIDIA al límite
- ¿Qué nos depara el futuro del Edge Computing?
¿Qué es el Edge Computing?
Edge computing es la práctica de procesar datos físicamente más cerca de su origen.
En pocas palabras... acercar físicamente la potencia de cálculo al lugar donde se generan los datos, al "borde" de un dispositivo o una red.
Muchas tecnologías innovadoras son posibles gracias a la computación de borde, como las ciudades inteligentes, las cirugías a distancia, los vehículos totalmente autónomos y los altavoces domésticos controlados por voz.
Los datos se pueden procesar más rápidamente con el aumento del ancho de banda disponible y se garantiza la soberanía de los datos, al incorporar la computación de "borde".
Se reduce la necesidad de que grandes cantidades de datos viajen entre los servidores, la nube y las ubicaciones periféricas, y se resuelven problemas como la latencia y el ancho de banda disponible en el procesamiento de datos convencional.
La resolución de estos problemas es importante para aplicaciones modernas como la ciencia de datos y la IA.
Por ejemplo, los procesadores con capacidad de IA que pueden inferir en el borde, alimentan sensores inteligentes dentro de los equipos industriales más avanzados.
Es lo que se conoce como IA en los bordes.
Los supervisores de una fábrica de este tipo pueden ser alertados de cualquier anomalía que pueda poner en peligro un funcionamiento seguro, continuo y eficaz, ya que los sensores vigilan los equipos y la maquinaria cercana.
En este caso, con procesadores de IA físicamente presentes en el emplazamiento industrial se consigue una latencia menor y que los equipos industriales reaccionen más rápidamente a su entorno.
Cuando la seguridad humana es un factor importante, como en el caso de los coches autoconducidos, la información instantánea que ofrece la computación de borde es especialmente crítica para este tipo de aplicaciones, donde ahorrar incluso milisegundos de procesamiento de datos y tiempos de respuesta puede ser clave para evitar accidentes.
La computación de borde puede utilizarse en cualquier lugar donde los sensores recojan datos: desde tiendas de venta al por menor con autofacturación y hospitales con cirugías remotas, hasta almacenes con logística inteligente de la cadena de suministro y fábricas con inspecciones de control de calidad.
¿Cómo funciona el Edge Computing?
Mientras que antes los datos producidos por los sensores eran revisados manualmente por personas, se dejaban sin procesar o se enviaban a la nube o a un centro de datos para su procesamiento y posterior devolución al dispositivo, ahora los datos suelen procesarse lo más cerca posible de su fuente o usuario final.
La red centralizada o el centro de datos se mantienen ahora alejados de los datos, las aplicaciones y la potencia de cálculo.
Basarse únicamente en revisiones manuales da lugar a procesos más lentos y menos eficientes. La computación en nube proporciona recursos informáticos, sin embargo, el desplazamiento y procesamiento de los datos supone una gran carga para el ancho de banda y la latencia.
¿Qué es el ancho de banda?
El ancho de banda es la velocidad a la que se transfieren los datos por Internet. Cuando los datos se envían a la nube, viajan a través de una red de área extensa, que puede ser costosa debido a su cobertura global y a sus necesidades de gran ancho de banda. Cuando los datos se procesan en el perímetro, pueden utilizarse redes de área local, lo que permite un mayor ancho de banda a menor coste.
¿Qué es la latencia?
La latencia es el retraso en el envío de información de un punto a otro. La latencia se reduce cuando se procesa en el borde, porque los datos producidos por sensores y dispositivos IoT ya no necesitan enviar datos a una nube centralizada, para ser procesados.
Incluso en las redes de fibra óptica más rápidas, los datos no pueden viajar más rápido que la velocidad de la luz.
Para reducir los cuellos de botella y acelerar las aplicaciones, la computación periférica puede ejecutarse en uno o varios sistemas para acortar la distancia entre el lugar donde se recogen y procesan los datos.
Dentro de una infraestructura de borde ideal, intervendrá una plataforma de software centralizada que pueda gestionar a distancia todos los sistemas de borde en una sola interfaz.
¿Por qué es necesario el Edge Computing?
Las tres tendencias tecnológicas IoT, AI y 5G, están convergiendo y están creando casos de uso que están requiriendo que las organizaciones consideren la computación de borde.
IoT
Con la proliferación de dispositivos IoT llegó la explosión de big data que empezaron a generar las empresas.
Estas empresas pronto se dieron cuenta de que sus aplicaciones no estaban diseñadas para gestionar los grandes volúmenes de datos que ahora querían recopilar.
También se dieron cuenta de que la infraestructura para transferir, almacenar y procesar grandes volúmenes de datos puede ser cara y difícil de gestionar. Quizá por eso sólo se procesa una pequeña parte de los datos recogidos de los dispositivos IoT, que en algunos casos llega al 25%.
Y el problema se agrava. Hoy en día hay 40.000 millones de dispositivos IoT y las predicciones de ARM muestran que podría haber 1 billón de dispositivos IoT en 2022, por lo que a medida que crece el número de dispositivos IoT y aumenta la cantidad de datos que deben transferirse, almacenarse y procesarse, las organizaciones están cambiando a la computación de borde para aliviar los costes necesarios para poder utilizar los mismos datos en modelos de computación en nube.
IA (Inteligencia Artificial)
Al igual que el IoT, la IA ofrece infinitas posibilidades y ventajas a las empresas, como la capacidad de obtener información en tiempo real. Con la misma rapidez con la que las organizaciones están encontrando nuevos casos de uso para la IA, están descubriendo que esos nuevos casos de uso tienen requisitos que su infraestructura de nube actual no puede cumplir.
Cuando las organizaciones tienen limitaciones de ancho de banda e infraestructura de latencia, tienen que recortar la cantidad de datos que alimentan a sus modelos. El resultado son modelos más débiles.
5G
las redes 5G son aproximadamente 10 veces más rápidas que las 4G y están diseñadas para permitir que cada nodo preste servicio a cientos de dispositivos, lo que ha aumentado las posibilidades de los servicios habilitados para IA en ubicaciones periféricas.
Dado que la computación periférica es potente, rápida y ofrece una potencia de procesamiento fiable, las empresas tienen el potencial de explorar nuevas oportunidades de negocio, obtener información en tiempo real, aumentar la eficiencia operativa y mejorar la experiencia del usuario.
¿Cuáles son las ventajas del Edge Computing?
Las principales ventajas del edge computing son:
- Menor latencia Se reducen los desplazamientos de los datos, al procesarlos en el extremo de la red, lo que acelera la IA y hace posibles modelos de IA más complejos que requieren baja latencia, como los vehículos totalmente autónomos y la realidad aumentada.
- Reducción de costes Ahora las organizaciones pueden acceder a un mayor ancho de banda y almacenamiento a menor coste, en comparación con la computación en nube, utilizando la LAN para el procesamiento de datos y, dado que el procesamiento se produce en el borde, es necesario enviar menos datos a la nube o al centro de datos para su posterior procesamiento, lo que también se traduce en una disminución del volumen de datos que deben viajar, lo que reduce aún más los costes.
- Precisión de los modelos La IA depende de modelos de alta precisión, especialmente para casos de uso periféricos que requieren respuestas instantáneas. Cuando el ancho de banda de una red es demasiado bajo, suele mitigarse reduciendo el tamaño de los datos utilizados para la inferencia. Esto se traduce en la reducción del tamaño de las imágenes, la omisión de fotogramas en vídeo y la reducción de la frecuencia de muestreo en audio. Cuando se despliegan en el borde, los bucles de retroalimentación de datos pueden utilizarse para mejorar la precisión del modelo de IA y pueden ejecutarse varios modelos simultáneamente, lo que da como resultado una mejor comprensión.
- Mayor alcance La computación en nube tradicional requiere acceso a Internet, mientras que la computación de borde puede procesar datos sin acceso a Internet, lo que significa que su gama de usos puede ampliarse a lugares remotos o antes inaccesibles.
- Soberanía de datos La computación de borde permite a las organizaciones mantener todos sus datos e informática dentro de la LAN y el cortafuegos de la empresa. De este modo, se reduce la exposición a ataques de ciberseguridad en la nube y a leyes de datos estrictas y en constante cambio.
¿Cuáles son las principales aplicaciones de Edge Computing?
Edge Computing para el comercio minorista
Los mayores minoristas del mundo recurren ahora a Edge AI para ofrecer mejores experiencias a los clientes.
Con Edge Computing, los minoristas pueden aumentar su agilidad:
- Reducción de la pérdida desconocida Las tiendas pueden identificar y prevenir errores, desperdicios, daños y robos mediante cámaras y sensores instalados en el establecimiento, ya que Edge AI puede utilizarse para analizar los datos pertinentes.
- Mejora de la gestión de inventarios Las aplicaciones de Edge Computing pueden utilizar también las cámaras de las tiendas para alertar a los empleados cuando las existencias de los estantes están bajas, lo que reduce el impacto de las roturas de stock.
- Agilizar las experiencias de compra Los minoristas ya pueden implantar los pedidos por voz para que los compradores puedan buscar fácilmente artículos, solicitar información sobre productos y realizar pedidos en línea utilizando altavoces inteligentes u otros dispositivos móviles inteligentes, gracias al rápido procesamiento de datos que la computación de borde aporta ahora al espacio minorista.
Edge Computing para ciudades inteligentes
Muchos lugares han empezado a utilizar la IA en el borde, transformándolos en espacios inteligentes. Ciudades, campus universitarios, estadios, centros comerciales y otras entidades están utilizando la IA para hacer sus operaciones más eficientes, seguras y accesibles.
La computación en el borde se ha utilizado para transformar las operaciones y mejorar la seguridad en todo el mundo en áreas como:
- Reducir la congestión del tráfico La visión por ordenador se utiliza para identificar, analizar y optimizar el tráfico. Las ciudades utilizan su oferta para mejorar la fluidez del tráfico, reducir los costes relacionados con la congestión y minimizar el tiempo que los conductores pasan en el tráfico.
- Supervisión de la seguridad en las playas La aplicación de detección de imágenes de SightBit ayuda a detectar peligros en las playas, como corrientes de resaca y condiciones oceánicas peligrosas, lo que permite a las autoridades poner en marcha procedimientos para salvar vidas.
- Aumentar la eficiencia de las operaciones de aerolíneas y aeropuertos Assaia International AG creó una aplicación de análisis de vídeo con IA para ayudar a aerolíneas y aeropuertos a tomar decisiones mejores, más informadas y más rápidas sobre capacidad, sostenibilidad y seguridad.
Edge Computing para fabricantes y fabricantes de automóviles
Los datos de sensores generados por fábricas, fabricantes y fabricantes de automóviles pueden utilizarse ahora de forma cruzada para mejorar los servicios.
Algunos casos de uso populares para promover la eficiencia y la productividad en la fabricación incluyen:
- Mantenimiento predictivo Para evitar tiempos de inactividad cuando las máquinas fallan, la computación de borde puede utilizarse para detectar cualquier anomalía en una fase temprana del sistema.
- La informática Edge para el control de calidad también puede ayudar a detectar cualquier defecto en los productos y alertar al personal en caso de que se produzca, lo que a su vez ayuda a reducir los residuos y a que la fabricación de dichos productos sea más eficiente.
- Seguridad de los trabajadores El uso de una red de cámaras y sensores equipados con vídeo con IA puede permitir a los fabricantes identificar a los trabajadores que se encuentran en condiciones inseguras e intervenir para evitar accidentes.
Edge Computing para la sanidad
La combinación de Edge Computing e IA está ayudando a remodelar la sanidad.
Con el fin de aumentar la eficiencia de las operaciones, garantizar la seguridad de los pacientes y del personal y ofrecer la máxima calidad de atención posible, se ha implantado la IA en los bordes para proporcionar al personal sanitario las herramientas que necesita.
Dos ejemplos populares de edge computing con IA en el sector sanitario son:
- En los quirófanos, los modelos de IA basados en la transmisión de imágenes y los sensores de los dispositivos médicos ayudan en la adquisición y reconstrucción de imágenes, la optimización del flujo de trabajo para el diagnóstico y la planificación de terapias, la medición de órganos y tumores, la orientación de terapias quirúrgicas y la visualización y monitorización en tiempo real durante las operaciones.
- Hospitales Monitorización de pacientes, cribado de pacientes, IA conversacional, estimación del ritmo cardíaco, escáneres radiológicos, son sólo algunas de las tecnologías que se utilizan en los hospitales inteligentes. La estimación de la pose humana es una popular tarea de visión por ordenador, que estima puntos clave del cuerpo de una persona como ojos, brazos y piernas, ayudando a notificar al personal cuando un paciente se mueve o se cae de la cama de un hospital.
Aplicaciones para Edge AI
Para complementar estas ofertas, NVIDIA también ha trabajado con sus partners para crear todo un ecosistema de kits de desarrollo de software, aplicaciones y marcos industriales en todas las áreas de la computación acelerada.
Este software puede implantarse y gestionarse de forma remota a través del centro de software NVIDIA NGC. Los equipos de IA y TI pueden acceder fácilmente a una amplia variedad de modelos de IA preentrenados y gráficos Helm preparados para Kubernetes para implementarlos en sus sistemas de IA edge.
NVIDIA al límite
La capacidad de obtener información más rápidamente puede ahorrar tiempo, costes e incluso vidas. Por eso las empresas están aprovechando los datos generados por los miles de millones de sensores IoT que se encuentran en tiendas, calles y hospitales para crear espacios inteligentes.
Para ello, las organizaciones necesitan sistemas de computación de borde que ofrezcan una computación potente y distribuida, una gestión remota segura y sencilla, y compatibilidad con las tecnologías más avanzadas del sector.
NVIDIA, uno de los principales fabricantes de este tipo de tecnologías, reúne sistemas certificados por NVIDIA, plataformas integradas, software de IA y servicios de gestión que permiten a las empresas aprovechar la potencia de la IA en el perímetro.
¿Qué nos depara el futuro del Edge Computing?
Según estudios de mercado anteriores, el mercado de la computación de borde tiene como objetivo alcanzar un valor de 251.000 millones de dólares en 2025 y se espera que siga creciendo cada año con una tasa de crecimiento anual compuesta del 16,4%.
La evolución de la IA, IoT y 5G continuará catalizando la adopción de la computación de borde con el número de casos de uso y los tipos de cargas de trabajo desplegadas en el borde que continúan creciendo.
En la actualidad, los casos de uso más frecuentes en los bordes giran en torno a la visión por ordenador. Sin embargo, hay muchas oportunidades sin explotar en áreas de carga de trabajo como el procesamiento del lenguaje natural, los sistemas de recomendación y la robótica.
Las posibilidades en el perímetro son ilimitadas.
CA