Resumen
Edge AI can bring together AI and edge computing. In the future, deploying AI workflows closer to sources of data generation or to the endpoints where decisions are acted on can help produce faster results at a lower cost.
A medida que continúa la implementación de la IA, las preguntas prácticas persisten sobre la adopción de la IA de un modo eficiente y rentable. La IA perimetral es una de las adaptaciones más impactantes de la inteligencia artificial, porque exige el despliegue de flujos de trabajo completos de IA más cerca de las fuentes de generación de datos o de los terminales en los que se toman las decisiones. Es la computación perimetral la que se ha impulsado con la potencia de la IA.
¿Qué es la IA perimetral?
La IA perimetral se ha propuesto para todo, desde dispositivos quirúrgicos robóticos que necesitan análisis para completar cirugías complejas hasta asistentes de voz de teléfonos inteligentes que responden en una fracción de segundo a sus preguntas. En cada caso, la IA perimetral permite que la recogida, el análisis y la toma de decisiones de los datos se realicen localmente (en el borde) sin necesidad de transmitir los datos de un lado a otro a la nube y sin la ayuda de los recursos informáticos de la nube. Hace que las aplicaciones conectadas existentes sean más rápidas y más reactivas, lo que permite colocar las aplicaciones de IA en más entornos, como ubicaciones remotas en las que las redes inalámbricas son débiles.
La IA perimetral puede ser el catalizador necesario para obtener resultados tangibles de las inversiones realizadas en el desarrollo y la infraestructura de la IA. La IA en el borde puede aportar inteligencia rica, funcional y de baja latencia a más casos de uso y de un modo que haga que la IA sea más efectiva para producir resultados de valor.
¿Cómo funciona?
La IA perimetral es posible gracias a la evolución de varias tecnologías facilitadoras:
- Las capacidades del aprendizaje automático han avanzado hasta el punto de que las organizaciones pueden desarrollar e implementar más fácilmente aplicaciones de IA perimetral personalizadas que resuelven problemas del mundo real.
- Los avances en las GPU y el procesamiento paralelo han permitido implementar el potente hardware de computación autónomo necesario para ejecutar la IA en el borde.
- El IoT, aunque no es una nueva tecnología, proporciona la otra materia prima esencial para la IA en el borde: los datos. Con la potencia informática incorporada, los dispositivos de IoT ya no tendrían que estar conectados a Internet para realizar funciones esenciales y actuar sobre los datos que recogen.
IA perimetral e IA en la nube: Los socios perfectos
La IA perimetral y la IA en la nube no forman parte de una pregunta o una pregunta, son dos herramientas complementarias que ayudan a las organizaciones a implementar sus propias aplicaciones de IA de la manera más eficiente posible. La nube sigue desempeñando un papel clave al proporcionar un canal para entrenar, desplegar y gestionar la IA perimetral, al menos para aquellas instancias que están dentro del rango de las redes inalámbricas y al proporcionar computación adicional para cargas pesadas o para cálculos que la implementación perimetral no puede manejar. La nube también recopila datos para la optimización continua de la aplicación y para su uso en cualquier otro lugar de una organización.
La IA distribuida (IAD) es un enfoque híbrido que tiene como objetivo aprovechar todos los recursos disponibles para lograr los objetivos. La IA perimetral puede ser una manera menos cara de realizar tareas en comparación con el uso de la nube, pero esto solo puede ser cierto en ciertos casos de uso y en ciertas condiciones —por ejemplo, si un proveedor de servicios cobra por uso—. La DAI utiliza dispositivos perimetrales, la nube y las redes para compartir cargas de trabajo de IA basadas en parámetros como la potencia de procesamiento necesaria, la latencia, el coste, el tráfico de red y la seguridad.
Las ventajas de la IA perimetral: Encontrar el ROI
Las principales ventajas de la IA perimetral son una menor latencia y un rendimiento más rápido en comparación con la IA conectada a la nube —además de la capacidad de implementar la IA en entornos en los que no hay red—. Sin variables de red, la IA perimetral mejora la disponibilidad y la fiabilidad de las aplicaciones de misión crítica. También puede ofrecer más privacidad para los datos confidenciales y presentar una superficie de ataque más limitada para los ciberdelincuentes. Para las organizaciones que buscan controlar el uso de la red y los costes asociados, la IA perimetral es una solución eficiente, especialmente cuando se utiliza como parte de un sistema DAI.
Sin embargo, no toda la IA tiene que realizarse en el borde. El coste del hardware adicional debe sopesarse con el valor que puede proporcionar. La IA perimetral también puede aumentar los retos, sobre todo cuando se trata de gestionarla a escala. Cuando la opción está disponible, el control y la gestión centralizados de los nodos de IA perimetral conectados a la nube pueden ser más ventajosos que las mejoras de rendimiento para los dispositivos autónomos.
Retos de la IA perimetral
La IA perimetral, aunque prometedora, se enfrenta a importantes retos en la infraestructura y la gestión del almacenamiento de datos, que afectan directamente a los resultados empresariales, el ROI y las decisiones de inversión. Estos son cinco retos clave:
- Capacidad y escalabilidad de almacenamiento limitadas
Los dispositivos perimetrales suelen tener una capacidad de almacenamiento limitada, lo que dificulta el almacenamiento y el procesamiento de grandes volúmenes de datos localmente. Esta limitación dificulta la capacidad de escalar las aplicaciones de IA de manera efectiva, lo que provoca cuellos de botella en el procesamiento de datos en tiempo real y en la toma de decisiones. La gestión ineficiente de los datos puede retrasar la información, lo que afecta a la toma de decisiones oportuna y reduce la ventaja competitiva que promete la IA perimetral.
- Complejidad de la gestión de datos y gestión remota
La IA perimetral implica la gestión de datos en tiempo real, a menudo incompletos o ruidosos, lo que complica la calidad y la fiabilidad de los datos. Garantizar la integridad de los datos es crucial para unos resultados precisos en el modelo de IA. La mala calidad de los datos puede generar información errónea, lo que afecta a las decisiones empresariales y, en última instancia, al ROI. La gestión de datos de alta calidad es esencial para maximizar el valor de la IA. Las ubicaciones perimetrales también suelen carecer de soporte informático in situ, lo que requiere soluciones con unas sencillas capacidades de gestión remota.
- Sobrecarga y redundancia de datos
El gran volumen de datos generados en el borde puede provocar ineficiencias en la agregación y la redundancia de datos. Esto genera un aumento de los costes de transmisión y almacenamiento de los datos. Los costes excesivos de gestión de los datos pueden erosionar los posibles beneficios de ROI de la IA perimetral, a menos que el almacenamiento sea escalable y tenga el rendimiento suficiente para compensarlos.
- Limitaciones de energía y recursos
Los dispositivos perimetrales suelen funcionar con limitaciones energéticas y de recursos, lo que exige que los modelos de IA se optimicen para un bajo consumo energético sin comprometer el rendimiento. El uso ineficiente de los recursos puede limitar el despliegue de las soluciones de IA perimetral, afectando a su capacidad para proporcionar información en tiempo real y afectando a la eficiencia general de la empresa.
- Retos de integración e interoperabilidad
Los ecosistemas fragmentados de los proveedores y la complejidad de integrar la IA perimetral con los sistemas existentes pueden dificultar una gestión y un procesamiento de los datos perfectos. Los retos de integración pueden retrasar la obtención del ROI de las inversiones en IA perimetral, ya que complican el despliegue y el escalamiento de las soluciones de IA en diversos entornos.
Abordar estos retos es crucial para maximizar los beneficios de la IA perimetral y garantizar que las inversiones producen resultados empresariales tangibles. Al desarrollar estrategias de gestión de datos sólidas y optimizar la infraestructura de almacenamiento, las organizaciones pueden aprovechar todo el potencial de la IA perimetral para mejorar la toma de decisiones e impulsar el crecimiento empresarial.
Casos de uso
Algunos de los casos de uso de la IA perimetral más interesantes son los que llevan la toma de decisiones autónoma a ubicaciones remotas fuera de la cobertura de la red, como minas, granjas, áreas no desarrolladas o espacio externo, por ejemplo. También puede soportar el alcance geográfico y el rendimiento del sistema en vehículos autónomos y hardware militar.
Además, la IA perimetral ayuda a que los casos de uso de la IA existentes funcionen mejor. Por ejemplo, los dispositivos robóticos en entornos médicos o de fábrica que solían transmitir datos a la nube para el procesamiento pueden responder más rápidamente y funcionar con mayor precisión.
Cómo el almacenamiento de datos adecuado ayuda al éxito de la IA perimetral
La selección de la solución de almacenamiento de datos adecuada es crucial para abordar los retos de las aplicaciones de IA perimetral, especialmente debido a la naturaleza remota y a menudo limitada por espacio de las ubicaciones perimetrales. Pure Storage aborda los retos de la infraestructura y la gestión del almacenamiento de datos de IA perimetral:
- Gestión de la sobrecarga y la redundancia de datos: La arquitectura por niveles de Pure Storage ayuda a gestionar la sobrecarga de datos al almacenar los datos a los que se accede con frecuencia en un almacenamiento de alta velocidad y archivar los datos a los que se accede con menos frecuencia en un almacenamiento rentable. Este enfoque reduce los costes asociados con la transmisión y el almacenamiento de datos.
- Evitar las limitaciones de energía y recursos: La plataforma de Pure Storage utiliza hasta un 85% menos de energía que los proveedores de almacenamiento all-flash alternativos, ya que aborda las limitaciones energéticas de los grandes clústeres de IA y los centros de datos con limitación energética. Esta eficiencia permite optimizar el uso de los recursos. FlashArray//RC20 se ha diseñado específicamente para satisfacer las necesidades de los entornos de baja capacidad y los despliegues perimetrales.
- Superar los retos de integración e interoperabilidad: Las soluciones de Pure Storage están diseñadas para integrarse sin problemas con los sistemas existentes, incluidos los clústeres de GPU. Proporcionan una plataforma unificada para diversas cargas de trabajo de IA, lo que simplifica la gestión de los datos y garantiza la compatibilidad en diferentes entornos.
Obtenga más información sobre FlashBlade//EXA y cómo ofrece un rendimiento y una escalabilidad sin igual para las cargas de trabajo de IA exigentes.
Los recorridos de los clientes hacia el éxito de la IA
Accelerate AI Innovation
Learn more about the most powerful data storage platform ever, built for AI.
