Guillem Alsina Gonzàlez
Con el objetivo de llevar la IA física al borde de la red (edge) para descongestionar los sufridos centros de datos, la fase inicial de este proyecto ha consistido en el desarrollo de las infraestructuras necesarias para soportar las nuevas demandas de procesamiento, que requieren de un equipamiento específico diseñado para redes de acceso por radio con inteligencia artificial (AI-RAN). Para ello, la cartera de hardware desarrollada para este propósito ha incluído los servidores NVIDIA ARC-Pro, basados en la edición RTX PRO 4500 Blackwell, destinados a estaciones base con restricciones energéticas, así como la variante RTX PRO 6000 para centros de conmutación móvil con requisitos de mayor capacidad.
La operadora T-Mobile fue la primera compañía en Estados Unidos en realizar pruebas piloto de esta infraestructura combinada con el software anyRAN de Nokia, un despliegue preliminar que sirvió para probar la viabilidad técnica de que los centros de conmutación y las estaciones base pudieran mantener los servicios de conectividad móvil de quinta generación y, al mismo tiempo, soportar cargas de trabajo de procesamiento de datos distribuidas geográficamente.
La evolución de estas pruebas ha desembocado en una colaboración formal para construir un ecosistema junto a diversos desarrolladores de software. Desde la dirección ejecutiva de NVIDIA se ha dicho que las telecomunicaciones están mutando hacia ordenadores distribuidos capaces de procesar información para vehículos autónomos y robots de manera instantánea, mientras que la cúpula directiva de T-Mobile ha incidido en que sus redes independientes avanzadas permiten alcanzar la coherencia espacio-temporal y la baja latencia requeridas, evitando que los sistemas dependan del procesamiento en la nube convencional.
La arquitectura descentralizada que propone el proyecto permite resolver las barreras inherentes a redes de área local, como el Wi-Fi, cuyas limitaciones de alcance y seguridad dificultan su aplicación a gran escala. Al trasladar la carga computacional desde los dispositivos finales hacia las ubicaciones de red más cercanas a través del 5G, las empresas pueden disminuir los requisitos técnicos del hardware individual, como es el caso de las cámaras, garantizando la calidad del servicio en entornos industriales, zonas rurales o intersecciones urbanas con una alta densidad del tráfico.
Diversas empresas ya están validando el funcionamiento de agentes físicos para impulsar respuestas inmediatas utilizando estas redes perimetrales; por ejemplo, en el ámbito urbano, entidades como LinkerVision, Inchor y Voxelmaps analizan la implantación de un gemelo digital en San José (California) destinado a la optimización semafórica, con el objetivo de quintuplicar la rapidez de respuesta ante incidentes.
Otro ejemplo se da en el sector de los servicios públicos, donde Levatas y Skydio emplean este procesamiento en el borde para automatizar la inspección de líneas de transmisión eléctrica, identificando anomalías térmicas, postes inclinados o corrosión mucho más rápidamente, con vistas a transitar del mantenimiento correctivo al predictivo.
Por otro lado, la administración de instalaciones y la seguridad industrial también integran estas capacidades: Vaidio utiliza los modelos preconfigurados para establecer flujos de trabajo automatizados que superan a los sensores tradicionales, logrando anticipar fallos estructurales y detectar amenazas en recintos cerrados.
Otra funcionalidad que permite incorporar este sistema es la revisión automatizada de vídeo; actualmente, menos del 1% del metraje capturado por más de mil quinientos millones de cámaras a nivel mundial, llega a ser revisado por operadores humanos. Para abordar este volumen de datos, se ha introducido la reciente versión del esquema Metropolis VSS 3, una estructura diseñada para procesar secuencias visuales desde los nodos de conexión hasta los servidores centralizados.
Este software dispone de una arquitectura modular adaptable a múltiples entornos, desde comercios hasta almacenes logísticos, que no exige modificar los cimientos de la red preexistente. Además, permite a los sistemas informáticos desglosar peticiones complejas en lenguaje natural para localizar sucesos específicos en fracciones de tiempo mínimas, resumiendo vídeos de larga duración con una rapidez que reduce de manera sustancial los costes de revisión manual.
