La computación en el edge y las donas tienen una cosa en común: cuanto más cerca estén del consumidor, mejor. Un viaje a la tienda de donas de la esquina puede llevar un poco, pero una caja de donas al alcance de la mano es una gratificación instantánea.
Lo mismo ocurre con la computación en el edge. Envía datos a una aplicación de IA que se ejecuta en el cloud y retrasa las respuestas. Procesa esos datos en un dispositivo en el edge, y es como tomar directamente de esa caja rosa de chispas de arcoíris y glaseadas.
La computación en el edge, un término que tiene décadas de antigüedad, es el concepto de capturar y procesar datos lo más cerca posible de la fuente de los datos a través de procesadores equipados con software de IA. Debido a que la computación en el edge procesa los datos localmente, en lugar de hacerlo en el cloud o en un data center, minimiza las necesidades de latencia y de ancho de banda, lo que permite obtener respuestas y tomar decisiones en tiempo real.
Con frecuencia, los procesadores tienen la forma de sensores inteligentes integrados en dispositivos de Internet de las Cosas. Estos sensores podrían estar en la maquinaria pesada de una fábrica, procesando datos de las máquinas y alertando a los supervisores cuando ocurre un mal funcionamiento que puede provocar en un accidente.
Las empresas a menudo colocan servidores en el edge muy cerca de los sensores, generalmente en una sala de servidores o en un armario dentro de una tienda, hospital o almacén.
La retroalimentación instantánea y siempre activa que ofrece la computación en el edge es especialmente crítica para aplicaciones como los vehículos autónomos, donde el ahorro de incluso milisegundos de procesamiento de datos y tiempos de respuesta puede ser clave para evitar accidentes. La retroalimentación instantánea en el edge también es importante en los hospitales, donde los médicos confían en datos precisos y en tiempo real para tratar a sus pacientes.
La computación en el edge está en todas partes: se utiliza en todo, desde tiendas minoristas para el autopago inteligente hasta almacenes donde ayuda con la logística de la cadena de suministro y las inspecciones de calidad.
¿Por Qué se Necesita la Computación en el Edge?
Para 2025, se estima que 150,000 millones de sensores de máquinas y dispositivos de IoT transmitirán datos continuos que deberán procesarse. Estos sensores están encendidos todo el tiempo: monitorean, recogen datos, razonan sobre lo que están detectando y toman medidas.
La computación en el edge procesa estos datos en la fuente, lo que reduce la latencia o la necesidad de esperar a que los datos se envíen desde una red al cloud o al data center central para su procesamiento posterior, lo que permite a las empresas obtener información en tiempo real o más rápido.
El aumento de los datos utilizados en estas cargas de trabajo de computación intensiva que requieren alta eficiencia y velocidad en la recopilación y el análisis de datos exige computación en el edge de alto rendimiento para implementar la IA.
Además, las tecnologías emergentes, como la aparición de las redes 5G, que se espera que sean 10 veces más rápidas que las redes 4G, solo aumentan las posibilidades de los servicios habilitados para IA, lo que requiere una mayor aceleración de la computación en el edge.
¿Cómo Funciona la Computación en el Edge?
La computaciónen el edge funciona procesando datos lo más cerca posible de la fuente o del usuario final. Mantiene los datos, las aplicaciones y la potencia de computación lejos de una red o un data center centralizados.
Los data centers son servidores centralizados que a menudo se encuentran en lugares donde el espacio y la energía son menos costosos. Incluso en las redes de fibra óptica más rápidas, los datos no pueden viajar más rápido que la velocidad de la luz. La distancia física entre los datos y los data centers provoca latencia. Al llevar la computación al edge, más cerca de la fuente de datos, la computación en el edge reduce una de las principales causas de latencia.
La computación en el edge se puede ejecutar en varios nodos de red para acortar literalmente la distancia entre el lugar donde se recopilan y procesan los datos, a fin de reducir los cuellos de botella y acelerar las aplicaciones.
En la periferia de las redes, miles de millones de IoT y dispositivos móviles operan en pequeños procesadores integrados, que son ideales para aplicaciones básicas como video.
Eso estaría bien si las industrias y los municipios de todo el mundo no estuvieran aplicando IA a los datos de los dispositivos de IoT. Pero sí lo hacen.
Al usar la inteligencia artificial en el edge, un dispositivo no necesitaría estar conectado a Internet en todo momento. En cambio, un dispositivo podría procesar datos y tomar decisiones de forma independiente sin una conexión.
Por ejemplo, una aplicación de IA en el edge en un microprocesador en un robot podría procesar datos del robot en tiempo real y almacenar los resultados localmente en el dispositivo. Después de un tiempo, el robot podría conectarse a Internet y enviar datos específicos al cloud para su posterior almacenamiento o procesamiento. Si el robot no estuviera operando en el edge, transmitiría datos continuamente al cloud (agotando sus baterías), tardaría más en procesar los datos y requeriría una conexión constante a Internet.
¿Cuáles son los Beneficios de la Computación en el Edge?
El cambio a la computación en el edge ofrece a las empresas nuevas oportunidades para obtener conocimientos de sus grandes conjuntos de datos. Los cuatro beneficios principales de la computación en el edge son:
- Menor latencia: Llevar la computación de IA al lugar donde se generan los datos, en lugar de recopilar y cargar datos en un data center centralizado o en el cloud, reduce la latencia.
- Seguridad mejorada: Dado que la computación en el edge permite que los datos se procesen localmente, se reduce la necesidad de enviar datos confidenciales a la instancia de cloud pública.
- Gastos reducidos: La creación de más y más datos aumenta el ancho de banda y los costos de almacenamiento de datos. El uso de la computación en el edge y el procesamiento de datos locales significa que se necesitan enviar menos datos al cloud.
- Mayor rango: Se requiere acceso a Internet para la computación en cloud tradicional. Sin embargo, la computación en el edge procesa datos sin acceso a Internet, lo que extiende su alcance a ubicaciones remotas que antes eran inaccesibles.
Computación en Edge, Computación en Cloud y Computación en Fog
Estos métodos de computación a menudo se usan y se mencionan juntos para fortalecer la potencia de computación. Sin embargo, son claramente diferentes:
- La computación en cloud utiliza una red de servidores remotos alojados en Internet.
- La computación en edge utiliza el edge de un dispositivo o servidor.
- La computación en fog utiliza la red de área local (LAN) de una arquitectura de red.
En los últimos años, la computación en cloud ha sido el método de procesamiento preferido debido a su capacidad, elasticidad y habilidad para almacenar y procesar datos sin hardware físico.
Pero la computación en cloud está limitada por la velocidad de la luz y el ancho de banda de Internet. A medida que más empresas implementan IA dentro de sus ofertas, aumenta la demanda de datos más rápidos y confiables, lo que ejerce presión sobre el ancho de banda de la red de la computación en cloud.
Para aliviar esta tensión, la computación en el edge se ha incorporado en muchos dispositivos de IoT para acelerar el procesamiento de datos y los tiempos de respuesta.
La computación en fog es similar a la computación en el edge. La diferencia es que, mientras que la computación en el edge procesa datos en el edge de la red, la computación en fog procesa los datos en la red de área local de un dispositivo. Su fortaleza radica en su capacidad para procesar más datos que la computación en el edge, pero está limitada por la conexión física a los dispositivos en la LAN.
Computación en el Edge: IoT y 5G
La computación en el edge juega un papel fundamental en los avances recientes en tecnologías como la red 5G y las aplicaciones de IoT.
Edge e IoT
Con la avalancha de datos provenientes de los dispositivos de IoT, los fabricantes se han dado cuenta de los beneficios financieros y operativos del procesamiento de datos en el edge. Con la computación en el edge, los dispositivos y sensores de IoT pueden operar con una latencia reducida y una menor dependencia del cloud para el almacenamiento y procesamiento de datos costosos.
Por ejemplo, con la plataforma NVIDIA Metropolis para el análisis de videos inteligente, los datos de billones de sensores y dispositivos IoT se pueden analizar en tiempo real. Esto puede proporcionar información procesable para aplicaciones como los servicios públicos para la detección de anomalías y la respuesta a desastres, la logística para la previsión de suministros y la gestión del tráfico para la detección de incidentes y la optimización de semáforos.
Para una respuesta eficaz a los desastres, es fundamental actuar de manera oportuna. Mediante la implementación de una plataforma de edge como NVIDIA Metropolis, los datos instantáneos y constantes sobre la ubicación del personal, los vehículos y el equipo necesarios para los esfuerzos de primeros auxilios están disponibles para ayudar a garantizar la seguridad de los ciudadanos. Además, la implementación de la computación en el edge que recopila datos de sensores y dispositivos de IoT, y no a través de redes celulares o conexión a Internet, es posible lograr un plan de respuesta ante desastres más confiable y eficiente con el potencial de salvar vidas.
Edge y 5G
La cantidad de datos que se generan en el edge está creciendo exponencialmente y, con el despliegue de la infraestructura 5G, están surgiendo nuevas clases de aplicaciones.
Si bien la inteligencia artificial permite obtener información a partir de datos masivos, estas aplicaciones se basarán en el ancho de banda rápido, la baja latencia y la confiabilidad de 5G para brindar acceso a esos datos.
Con el lanzamiento de 5G, está surgiendo una amplia cartera de servicios para ejecutar cargas de trabajo de IA en el edge y hacer posible el análisis en tiempo real. Estos van desde el control remoto de equipos y máquinas con cámaras y otros sensores hasta el uso de cámaras para mejorar la seguridad del sitio y la seguridad operativa, todo mientras admiten miles de millones de dispositivos ricos en medios que consumirán y producirán colectivamente zettabytes de datos.
La computación en el edge es fundamental para tales innovaciones tecnológicas y es la única forma de cumplir con los requisitos de latencia necesarios para que funcione 5G. También ayuda a virtualizar de forma segura y eficiente los nodos de edge 5G de múltiples inquilinos, como 5G.
4 Ejemplos de Computación en el Edge
La computación en el edge no solo reduce la latencia, sino que también brinda a los usuarios finales experiencias mejores y más fluidas. A continuación, se muestran algunos ejemplos de aplicaciones de edge en múltiples industrias.
Computación en el Edge para Vendedores Minoristas
Los vendedores minoristas más grandes del mundo están incorporando IA de edge para convertirse en minoristas inteligentes. El análisis de videos inteligente, la gestión de inventario impulsada por IA y el análisis de clientes y tiendas ofrecen en conjunto márgenes mejorados y la oportunidad de ofrecer mejores experiencias a los clientes.
Por ejemplo, utilizando la Plataforma NVIDIA EGX, Walmart puede calcular en tiempo real más de 1,6 terabytes de datos generados por segundo. Puede utilizar la inteligencia artificial para una amplia variedad de tareas, como alertar automáticamente a los asociados para que reabastezcan los estantes, recuperen los carritos de compras o abran nuevas líneas de pago.
Las cámaras conectadas que se cuentan por cientos o más pueden alimentar modelos de reconocimiento de imágenes de IA procesados en el sitio por NVIDIA EGX. Mientras tanto, Jetson Nano puede manejar redes más pequeñas de alimentación de video en ubicaciones remotas, vinculándolas con EGX y NVIDIA AI en el cloud.
Los pasillos de las tiendas pueden ser monitoreados por robots de IA conversacionales totalmente autónomos y capaces con tecnología Jetson AGX Xavier y que ejecutan NVIDIA Isaac para la navegación SLAM. Todo esto es compatible con EGX o NVIDIA AI en el cloud.
Cualquiera que sea la aplicación, las GPU NVIDIA T4 y Jetson en el edge brindan una combinación poderosa para el análisis de videos inteligente y las aplicaciones de machine learning.
Con la IA de edge, las empresas de telecomunicaciones pueden desarrollar servicios de próxima generación para ofrecerlos a sus clientes, lo que genera nuevas fuentes de ingresos.
Con NVIDIA EGX, los proveedores de telecomunicaciones pueden analizar las imágenes de las cámaras de video utilizando modelos de reconocimiento de imágenes para ayudar con todo, desde el tráfico peatonal hasta el monitoreo de los estantes de las tiendas y las entregas.
Por ejemplo, si un 7-Eleven se queda sin donas temprano en la mañana de un sábado en el escaparate exhibición de su tienda, el gerente podría recibir una alerta de que necesita reabastecimiento.
Computación en el Edge para Ciudades
Tanto las empresas de la lista Fortune 500 como las startups están adoptando la IA en el edge para los municipios. Por ejemplo, las ciudades están desarrollando aplicaciones de IA para aliviar los atascos y aumentar la seguridad.
Verizon utiliza NVIDIA Metropolis, el framework de aplicaciones de IoT que, combinado con las capacidades de deep learning de Jetson, puede analizar múltiples flujos de datos de video para buscar formas de mejorar el flujo de tráfico, mejorar la seguridad de los peatones, optimizar el estacionamiento en áreas urbanas y más.
Miovision Technologies, una startup con sede en Ontario, Canadá, utiliza redes neuronales profundas para analizar datos de sus propias cámaras y de la infraestructura de la ciudad para optimizar los semáforos y mantener los vehículos en movimiento.
El trabajo de Miovision y otros en este espacio puede acelerarse mediante la computación en el edge del módulo de supercomputación compacto NVIDIA Jetson y los conocimientos de NVIDIA Metropolis. El módulo Jetson energéticamente eficiente puede manejar múltiples transmisiones de video simultáneamente para procesos de IA. La combinación ofrece una alternativa a los cuellos de botella y atascos de la red.
La computación en el edge también se escala. Los frameworks de aplicaciones de la industria como NVIDIA Metropolis y las aplicaciones de IA de terceros se ejecutan en la plataforma NVIDIA EGX para un rendimiento óptimo.
Computación en el Edge para Fabricantes de Automóviles y Fabricantes
Las fábricas, los minoristas y los fabricantes de automóviles están generando datos de sensores que se pueden utilizar con referencias cruzadas para mejorar los servicios.
Esta fusión de sensores permitirá a los minoristas ofrecer nuevos servicios. Los robots pueden usar algo más que modelos de procesamiento de voz i de idiomas naturales para las interacciones conversacionales. Esos mismos bots pueden usar feeds de video para ejecutar modelos de estimación de pose. Vincular la información del sensor de voz y de gestos puede ayudar a los robots a comprender mejor qué productos o direcciones buscan los clientes.
La fusión de sensores podría crear nuevas experiencias de usuario para que los fabricantes de automóviles las adopten también con el objetivo de obtener ventajas competitivas. Los fabricantes de automóviles podrían usar modelos de estimación de pose para comprender dónde está mirando un conductor junto con modelos de idiomas naturales que comprenden una solicitud que se correlaciona con la ubicación de los restaurantes en el mapa GPS de un automóvil.
Computación en el Edge para Juegos
Los jugadores son conocidos por exigir potencia de computación de alto rendimiento y baja latencia. Los juegos en cloud de alta calidad en el edge suben la apuesta. Las aplicaciones de juegos de próxima generación que involucran realidad virtual, realidad aumentada e inteligencia artificial son un desafío aún mayor.
Los proveedores de telecomunicaciones están utilizando Servidores NVIDIA RTX, que ofrecen gráficos de calidad cinematográfica mejorados por ray tracing y la inteligencia artificial, a los jugadores de todo el mundo. Estos servidores potencian GeForce NOW, el servicio de juegos en cloud de NVIDIA, que transforma hardware incompatible o con poca potencia en poderosas PC para juegos GeForce en el edge.
Taiwan Mobile, LG U+ de Corea, SoftBank de Japón y Rostelecom de Rusia han anunciado planes para implementar el servicio a sus clientes de juegos en el cloud.
Las Soluciones Edge de NVIDIA
En NVIDIA, hemos llevado la computación en el edge al siguiente nivel con la plataforma EGX, que facilita a las empresas la implementación de soluciones de edge que combinan software escalable, sensores de IoT y servidores de edge.
En lugar de los servidores de edge tradicionales que ejecutan racks de CPU, la huella más ligera de NVIDIA EGX ofrece compatibilidad a través de NVIDIA AI, desde la línea Jetson de módulos de supercomputación, hasta racks completos de servidores equipados con GPU NVIDIA T4 y el modelo NVIDIA EGX A100 recientemente anunciado.
Las empresas que ejecutan la computación en el edge para la IA están obteniendo la flexibilidad de implementar aplicaciones de IA de baja latencia en la pequeña NVIDIA Jetson Nano. La supercomputadora compacta necesita solo unos pocos vatios para entregar medio billón de operaciones por segundo para tareas como el reconocimiento de imágenes.
Un rack de servidores NVIDIA T4 ofrece más de 10,000 billones de operaciones por segundo, apto incluso para los algoritmos de reconocimiento de voz en tiempo real más exigentes y otras tareas de inteligencia artificial que requieren gran cantidad de recursos de computación.
Con NVIDIA EGX, las aplicaciones de edge se pueden implementar y administrar de forma remota y, utilizando el centro de software NGC de NVIDIA. Los equipos de IA y TI pueden comenzar rápidamente con una amplia variedad de modelos de AI previamente entrenados y plantillas de Helm listas para Kubernetes para implementar en sus soluciones de IA en el edge.
Además, las actualizaciones en la periferia de la red de edge impulsada por IA son simples. La pila de software EGX se ejecuta en Linux y Kubernetes, lo que permite actualizaciones remotas desde el cloud o servidores de edge para mejorar continuamente las aplicaciones.
Los Servidores NVIDIA EGX están optimizados para contenedores acelerados por CUDA disponibles en NGC.
El Futuro de la Computación en el Edge
Según la firma de investigación de mercado IDC, el mercado de la computación en el edge tendrá un valor de $ 34,000 millones para 2023. La aparición de las redes 5G permitirá la transición de la computación en los data centers centralizados a la computación en el edge, lo que liberará el potencial de oportunidades que antes no estaban disponibles.
Desde análisis de video hasta vehículos autónomos y juegos, la computación en el edge está creando más posibilidades para brindar experiencias inmersivas en tiempo real que tienen requisitos de baja latencia y conectividad.
Obtén más información sobre el uso de la computación en el edge para tu empresa.