¿Qué es la informática de borde?

¿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 red.

Muchas tecnologías innovadoras son posibles gracias a la computación de borde, con cosas como ciudades inteligentes, cirugías a distancia, vehículos totalmente autónomos y 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".

La necesidad de que grandes cantidades de datos viajen entre los servidores, la nube y las ubicaciones periféricas se reduce en gran medida y problemas como la latencia y el ancho de banda disponible que se encuentran en el procesamiento de datos convencional quedan prácticamente resueltos. La resolución de estos problemas es especialmente 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 pueden ser alertados de cualquier anomalía que pueda poner en peligro la seguridad, continuidad y eficacia de las operaciones, ya que los sensores se utilizan para supervisar los equipos y la maquinaria cercana.

En este caso, la presencia física de procesadores de IA en el emplazamiento industrial reduce la latencia y hace 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 minoristas 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 la computación de borde?

Mientras que antes los datos producidos por los sensores eran revisados manualmente por humanos, se dejaban sin procesar o se enviaban a la nube o a un centro de datos para su procesamiento, y luego se devolvían al dispositivo, ahora los datos suelen procesarse lo más cerca posible de su fuente o usuario final, y la red centralizada o el centro de datos también se mantienen ahora alejados de los datos, las aplicaciones y la potencia de cálculo.

Confiar únicamente en las revisiones manuales da lugar a procesos más lentos y menos eficientes. La computación en nube proporciona recursos informáticos, sin embargo, el viaje y procesamiento de los datos supone una gran carga para el ancho de banda y la latencia.

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 resultar costosa debido a su cobertura global y a las elevadas necesidades de ancho de banda. Cuando se procesan datos en el extremo, pueden utilizarse redes de área local, lo que permite un mayor ancho de banda a menor coste.

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 de borde puede ejecutarse en uno o varios sistemas para acortar la distancia entre el lugar donde se recogen y procesan los datos, y en una infraestructura de borde ideal intervendrá una plataforma de software centralizada que pueda gestionar remotamente todos los sistemas de borde en una sola interfaz.

¿Por qué es necesaria la computación de borde?

Las tres tendencias tecnológicas IoT, AI y 5G están convergiendo y, a su vez, están creando casos de uso que requieren que las organizaciones consideren la computación de borde.

IoT

Con la proliferación de los 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 extremadamente 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 representa un sinfín de posibilidades y beneficios para 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.

Como la computación de borde 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 su experiencia de usuario.

Artículo relacionado: 5G e IA: un futuro automatizado e hiperinteligente

¿Cuáles son los beneficios de la computación de borde?

Los principales beneficios del edge computing son:

Menor latencia: Se reducen o eliminan los desplazamientos de los datos, al procesarlos en el borde de una red, lo que acelera la IA haciendo que los modelos de IA más complejos que requieren baja latencia, como los vehículos totalmente autónomos y la realidad aumentada, sean ahora posibles.

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 LAN para el procesamiento de datos y, además, como el procesamiento se realiza 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 ámbito de uso puede ampliarse a lugares remotos o previamente inaccesibles.

Soberanía de los 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. Esto se traduce en una menor exposición a ataques de ciberseguridad en la nube y a leyes de datos estrictas y en constante cambio.

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 mediante:

Reducir las pérdidas: Las tiendas pueden identificar y prevenir casos de errores, desperdicios, daños y robos, a través de cámaras y sensores en la tienda, ya que Edge AI puede aprovecharse para analizar los datos relevantes.

Mejora de la gestión del inventario: Las aplicaciones de Edge computing pueden utilizar también las cámaras de las tiendas para alertar a los empleados cuando las existencias en los estantes están bajas, lo que reduce el impacto de las roturas de stock.

Agilizar la experiencia de compra: Los minoristas ya pueden realizar pedidos por voz para que los compradores puedan buscar fácilmente artículos, solicitar información sobre productos y hacer pedidos en línea utilizando altavoces inteligentes u otros dispositivos móviles inteligentes, gracias al rápido procesamiento de datos que el edge computing aporta ahora al espacio minorista.

Edge Computing para ciudades inteligentes

Muchos lugares han empezado a utilizar la IA en los bordes, transformándolos en espacios inteligentes. Ciudades, campus universitarios, estadios, centros comerciales y otras entidades están utilizando la IA para que sus espacios sean más eficientes desde el punto de vista operativo, seguros 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:

Reducción de 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, disminuir los costes relacionados con la congestión y minimizar el tiempo que los conductores pasan en el tráfico.

Control 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 basada en IA para ayudar a las aerolíneas y aeropuertos a tomar decisiones más rápidas, informadas y acertadas sobre capacidad, sostenibilidad y seguridad.

Edge Computing para 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: Con el fin de evitar el tiempo de inactividad cuando las máquinas fallan, la computación de borde se puede utilizar para detectar cualquier anomalía en una fase temprana del sistema.

Control de calidad: La computación de borde también puede ayudar a detectar cualquier defecto en los productos y alertar al personal en un momento dado, lo que a su vez ayuda a reducir los residuos y hacer 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 habilitado para 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 eficacia de las operaciones, garantizar la seguridad de los pacientes y del personal y ofrecer la máxima calidad asistencial 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:

Quirófanos: Los modelos de IA creados a partir de imágenes en streaming y sensores en dispositivos médicos están ayudando 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 cirugías.

Hospitales: Monitorización y cribado de pacientes, inteligencia artificial conversacional, estimación de la frecuencia cardíaca, escáneres radiológicos, etc., son 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 socios 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 está disponible para su implantación y gestión remotas 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 listos para Kubernetes para implementarlos en sus sistemas de IA en el edge.

NVIDIA en la periferia

La capacidad de obtener información más rápidamente puede significar 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 las tiendas, las calles de las ciudades y los hospitales para crear espacios inteligentes.

Pero para ello, las organizaciones necesitan sistemas de computación de borde que proporcionen computación potente y distribuida, gestión remota segura y sencilla, y compatibilidad con las tecnologías líderes 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 rápidamente la potencia de la IA en el perímetro.

El futuro del edge computing

Según estudios de mercado anteriores, el mercado de la computación en los bordes tiene previsto alcanzar un valor de 251.000 millones de dólares en 2025 y se espera que siga creciendo cada año con una tasa compuesta de crecimiento anual 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 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 realmente ilimitadas.