Por Youssef Nadiri, Jefe de producto y BDM Ciudades y espacios inteligentes en PNY Technologies

La aceleración de la inteligencia artificial (IA) en la industria depende de infraestructuras de hardware y software adaptadas, capaces de soportar cargas de cómputo masivas, en local, en tiempo real y con una fiabilidad absoluta. En este contexto, el modelo centralizado de la nube, aunque omnipresente, muestra sus límites y no puede responder por sí solo a las exigencias operativas y regulatorias de la industria. Por ello, las infraestructuras locales vuelven a situarse en el centro de las estrategias de despliegue de la IA industrial.

Latencia, confidencialidad, soberanía: criterios determinantes

La IA se integra de manera casi natural en los procesos industriales. En casos como el control de calidad asistido por visión, la robótica inteligente o el mantenimiento predictivo, una latencia excesiva puede comprometer la precisión de las decisiones automatizadas e incluso generar riesgos operativos.

Más allá de los aspectos técnicos, las estrictas exigencias regulatorias en materia de seguridad y confidencialidad obligan a las empresas industriales a mantener un control total sobre sus flujos de datos. En sectores estratégicos como la salud, la defensa o la energía, externalizar datos hacia nubes públicas, a menudo sujetas a jurisdicciones extraterritoriales, no es una opción viable. Las infraestructuras locales permiten conservar el control absoluto de los datos al tiempo que garantizan el cumplimiento de las normativas locales de seguridad.

Gemelos digitales: la convergencia entre simulación, IA y edge computing

El auge de los gemelos digitales ilustra perfectamente esta necesidad de potencia local. Una encuesta de McKinsey mostró que el 86% de los directivos industriales identifican aplicaciones concretas en la implementación de gemelos digitales dentro de sus organizaciones, y casi la mitad ya habrían iniciado su despliegue. Estos entornos virtuales permiten simular cadenas de producción, predecir fallos y optimizar el mantenimiento de sistemas complejos.

Pero esta transformación solo es posible gracias a infraestructuras locales de alto rendimiento, que aseguran coherencia en tiempo real y reducen los riesgos asociados a la externalización del procesamiento. Para garantizar la fluidez entre la simulación y la realidad, el tratamiento debe realizarse donde se generan los datos: en el edge o en centros de datos locales, próximos a la producción.

Una arquitectura híbrida: datacenter local, edge e IA distribuida

La IA industrial evoluciona hacia arquitecturas híbridas que combinan centros de datos locales, edge computing e IA distribuida. Esta convergencia permite un procesamiento inteligente, seguro y en tiempo real de los datos industriales.

Ante las crecientes necesidades de flexibilidad, agilidad y soberanía, las infraestructuras deben ser más inteligentes y capaces de evolucionar rápidamente. Las empresas dependen de un ecosistema que gestione el cómputo, se integre con entornos de código abierto y se adapte a las particularidades de cada emplazamiento industrial.

Controlar la infraestructura para controlar la IA

Durante años, la nube pública se presentó como la solución ideal para ejecutar modelos de IA, pero sus límites son evidentes en aplicaciones industriales críticas. Las arquitecturas híbridas, que combinan centros de datos locales, edge computing e IA distribuida, permiten procesar datos en tiempo real y mantener el control sobre los flujos de información.

El edge computing desempeña un papel clave al posibilitar que las empresas procesen los datos donde se generan, optimizando recursos y reduciendo la dependencia de soluciones centralizadas. Estas tecnologías están siendo adoptadas masivamente para acelerar las cargas de trabajo de IA. Según un estudio de IDC patrocinado por NVIDIA, las empresas invierten en servidores acelerados por GPU para responder a las crecientes exigencias de la IA. La inversión mundial en servidores con GPU pasó de 6,9 mil millones de dólares en 2020 a 10,3 mil millones en 2022. El desafío actual para la industria es construir infraestructuras capaces de explotar todo el potencial de la IA, manteniendo un control total sobre los datos y procesos.

Construir las bases de una IA soberana, escalable y resiliente

El futuro de la IA, tal y como se perfila hoy, no será totalmente en la nube ni totalmente on-premise. Será híbrido, capaz de combinar la potencia de los centros de datos locales, la proximidad del edge y la agilidad de la nube. Para los industriales más avanzados, es esencial contar con socios tecnológicos de confianza que aporten experiencia en software y conocimiento de los entornos industriales, y que ofrezcan arquitecturas adaptadas a múltiples escenarios: centros de datos tradicionales, microcentros en edge computing o infraestructuras modulares embebidas. Así, las empresas industriales obtienen un soporte estratégico alineado con sus exigencias de flexibilidad, seguridad y escalabilidad.