La redefinición del edge: se establecen nuevos estándares para la infraestructura de la IA

El rápido avance de la IA está transformando los sectores empresariales. Las empresas de hoy en día necesitan velocidad en la toma de decisiones, resiliencia operativa y experiencias personalizadas para tener una ventaja competitiva. También necesitan satisfacer las cambiantes expectativas de los consumidores y de las empresas en cuanto a un rendimiento aceptable.

La infraestructura de IA basada en la proximidad edge es esencial para cumplir estos exigentes estándares. El panorama de la IA está evolucionando, desde el entrenamiento de modelos en ubicaciones centralizadas hasta un paradigma más distribuido que incluye la inferencia de carga de trabajo en el edge. Esto se debe, en parte, al auge de la inferencia de IA de agente, que toma decisiones en el edge y se basa en una baja latencia.

Los modelos mas recientes de IA son más especializados y más pequeños, lo que hace posible el entrenamiento en el edge. Las empresas están utilizando estos modelos especializados y específicos de dominio porque se adaptan mejor a su uso en sectores, funciones y conjuntos de datos propietarios específicos.

Estos factores hacen que el edge sea una ubicación computacional más estratégica, dada su proximidad a donde se generan, almacenan y procesan los datos.

¿Dónde están el edge principal?

Las empresas deben repensar dónde está su edge. De hecho, hay varios edges donde una empresa podría optar por realizar inferencias de IA. El edge del área metropolitana está ganando terreno como una ubicación crucial para las cargas de trabajo de inferencia de la IA, ya que ofrecen el mejor equilibrio entre baja latencia, privacidad de datos y rentabilidad.

La elección del edge del área metropolitana implica trasladar datos de inferencia a instalaciones diferentes, como un data center de colocation, en la misma área geográfica concentrada que las fuentes de datos. Este enfoque añade cargas de trabajo de inferencia en una sola ubicación con una latencia media de menos de 10 milisegundos, y elimina la necesidad de que las empresas gestionen infraestructura privada en sus propias instalaciones.

Los tipos de aplicaciones también influyen en la identificación de los edge principales, ya que la tolerancia a la latencia varía. Las aplicaciones orientadas a máquinas suelen requerir alta velocidad y baja latencia. En el caso de aplicaciones que interactúan con humanos, unos pocos milisegundos adicionales de retraso ni siquiera se tendrían en cuenta. Un radiólogo que busca registros médicos no necesita una respuesta inmediata, pero un automóvil autónomo que intenta evitar a los peatones sí.

Los requisitos específicos del sector, como dónde se generan y procesan los datos y cómo se accede a las fuentes de datos, también determinan la ubicación del edge de una empresa. Las empresas necesitan cumplir los requisitos de latencia del edge para realizar distintas funciones:

• Empresas de logística: monitorizar entregas, gestionar rutas de entrega, agilizar las operaciones del almacén y supervisar y garantizar la seguridad de la carga.
• Empresas de distribución de contenidos: proporcionar recomendaciones personalizadas en tiempo real y garantizar una transmisión de baja latencia, juegos sin lag y experiencias inmersivas de realidad virtual y aumentada.
• Ciudades inteligentes: usar análisis de vídeo en tiempo real y procesamiento de datos de sensores para la gestión del tráfico, la detección de delitos y la respuesta a emergencias.
• Organizaciones de atención médica: garantizar una monitorización continua, cirugías robóticas remotas ágiles y un veloz análisis de datos para diagnósticos más rápidos y tratamientos personalizados.

Los casos prácticos en el edge seguirán evolucionando y creciendo, lo que requerirá que las empresas realicen diseños tanto para el presente como para el futuro.

Las decisiones sobre la ubicación de los datos afectan al coste y al cumplimiento normativo

El lugar donde las empresas deciden ejecutar cargas de trabajo de la IA y almacenar datos afecta a las tarifas de salida y a las estructuras de costes (OPEX frente a CAPEX). También afecta al rendimiento, la latencia y los requisitos de infraestructura de red.

El volumen de datos generados diariamente en el edge puede aumentar rápidamente. Por ejemplo:

• Fábrica inteligente: 1 petabyte
• Avión: 4 terabytes
• Coche autónomo: 3 terabytes

Transferir esos datos a una ubicación centralizada para la inferencia de IA afecta significativamente a la latencia, el coste y el ancho de banda, lo que hace que el edge sean la opción obvia.

Además, ya hay en vigor leyes de protección de datos y privacidad en 144 países, y hay más en camino.[2] Algunas regulaciones son complejas y requieren una consideración cuidadosa sobre dónde almacenar los datos. Por ejemplo, no se pueden almacenar datos recopilados en Alemania en una nube de AWS en EE. UU. Deben permanecer en Alemania. Es una de las razones por las que se necesita una infraestructura distribuida para la IA.

Se eleva el nivel de innovación de la IA en el edge

Veamos dos ejemplos de empresas que innovan con IA en el edge e implementan infraestructura de IA para colaborar en tiempo real y conectividad de alta velocidad con clientes y partners.

Nanyang Biologics, una empresa emergente de biotecnología especializada en el descubrimiento de fármacos basado en IA, aprovechó la interconexión definida por software de Equinix Fabric® para la computación en el edge, lo que permitió la colaboración en tiempo real con partners de investigación. De esta forma, se aumentó la velocidad y la precisión por un coste menor.

Vea este breve caso práctico en vídeo de Nanyang Biologics y así tener más información sobre cómo la infraestructura de la IA escalable en el edge sustenta el entrenamiento de modelos de IA y acelera el descubrimiento de fármacos.

Alembic es una empresa SaaS de información de marketing que proporciona a los clientes información basada en datos sobre sus actividades de marketing, lo que les permite optimizar el gasto y mejorar el movimiento del embudo de ventas. Posicionó una pila de infraestructura de IA más cerca de los clientes para conseguir una inferencia de alto rendimiento en el edge. Alembic también aprovechó el ecosistema de proveedores de servicios de red (NSP) de Equinix y Equinix Fabric para ofrecer conectividad de alta velocidad a sus clientes y partners, y ofreció, en última instancia, un producto de mayor rendimiento.

Vea este breve caso práctico en vídeo de Alembic para ver cómo están habilitando el marketing basado en datos a través del análisis de datos basado en IA.

Otros sectores que están innovando con IA en el edge son:

• Servicios financieros para estrategia comercial y detección de fraude.
• Medios y entretenimiento para la creación de contenidos digitales y desarrollo de juegos.
• Vehículos autónomos para detección de peatones y señales de tráfico y monitorización de carriles.
• Robótica para fabricación, construcción y navegación.

4 pasos para priorizar la proximidad en el edge

La transición a una estrategia de infraestructura que priorice la proximidad requiere un enfoque deliberado e integrado. Le recomendamos que siga estos pasos para crear su hoja de ruta.

1. Primero, audite su infraestructura de IA actual. Mapee los flujos de datos e identifique los cuellos de botella de rendimiento causados por la latencia.
2. A continuación, defina sus requisitos de edge: evalúe las demandas de las aplicaciones en tiempo real, incluida la latencia, el ancho de banda y el cumplimiento normativo. También es recomendable revisar los requisitos de su empresa en materia de conectividad de alto rendimiento, procesamiento y almacenamiento de datos.
3. A continuación, estará listo para diseñar una estrategia de datos flexible, multicloud y de múltiples proveedores que le permita distribuir cargas de trabajo de manera eficaz para alcanzar el equilibrio adecuado entre infraestructuras en el edge y centralizadas, e implementar infraestructura específica de país o región para lograr el cumplimiento.
4. Por último, aproveche los ecosistemas de partners de la IA neutrales e interconectados para acceder a la amplia gama de partners necesarios para sustentar las cargas de trabajo de IA.

Implemente su infraestructura de IA en el edge

La infraestructura distribuida ayuda a las empresas a acelerar la innovación en IA y a preparar sus estrategias de IA para el futuro. Si bien en este artículo nos hemos centrado en el edge, su estrategia de infraestructura de IA debe incluir una combinación de infraestructura en la nube y en el edge, y una red sólida para conectar de forma segura todos los recursos.

Los data centers de IA de Equinix están ubicados estratégicamente en los mercados más conectados del mundo para ayudar a las empresas a preparar sus operaciones para el futuro. Nuestra red global abarca más de 270 data centers de colocation interconectados en 76 áreas metropolitanas de todo el mundo, lo que garantiza el acceso a los principales proveedores de la nube a través de nuestra oferta, líder del sector, de más de 220 vías de acceso a la nube y proximidad a múltiples fuentes de datos.

Miles de proveedores de datos, nube, redes, tecnología de IA y GPU como servicio forman parte del sólido ecosistema digital de Equinix. Las empresas pueden usar Equinix Fabric para crear conexiones escalables y a demanda con partners del ecosistema y entre su propia infraestructura de IA en diferentes ubicaciones.

Para obtener más información sobre por qué es importante la proximidad, lea nuestro informe La paradoja de la proximidad.

[1] “Gartner Predicts 2025: Edge Computing Platforms Will Accelerate Edge AI,” Gartner®, November 28, 2024.

GARTNER is a registered trademark and service mark of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved.

[2] “Data protection and privacy laws now in effect in 144 countries,” IAPP, January 28, 2025.