En el proyecto Capsul-IA se busca universalizar el uso de la Inteligencia Artificial en la industria, rompiendo las numerosas barreras de entrada existentes para muchas empresas, especialmente para las pequeñas y medianas. Estas barreras incluyen desde la dificultad para seleccionar, configurar y desplegar los modelos de IA, hasta la necesidad de obtener un balance entre rendimiento, coste y seguridad.
Para superar todos estos retos, desde Capsul-IA proponemos el concepto de cápsulas de IA, soluciones prediseñadas que encapsulan modelos de IA ya entrenados, configuraciones optimizadas y todas las herramientas necesarias para su despliegue en contextos industriales. Sin embargo, para que estas cápsulas sean realmente efectivas, es necesario contar con una infraestructura de hardware que sea capaz de ejecutarlas de forma eficiente, segura y escalable.
Clasificación de plataformas
Desde ZYLK, y junto con el resto de los socios de Capsul-IA, hemos participado en la identificación, clasificación y validación de diferentes plataformas que permitan el correcto funcionamiento de las cápsulas. Para ello, se han tenido en cuenta varios factores: capacidad, rendimiento, soporte para software y seguridad. Todo ello teniendo presente el coste total de la solución con el objetivo de mantenerlo dentro de un rango asumible para pequeñas y medianas empresas del sector industrial.
En base a esta investigación, se definieron tres arquetipos de plataforma con su correspondiente elección de hardware:
- LOW: representada por la NVIDIA Jetson Orin Nano, es ideal para entornos Edge donde el bajo consumo de energía y coste son dos factores determinantes. A pesar de su limitación de recursos, ofrece un rendimiento considerable (hasta 40 TOPS) y soporte para herramientas y bibliotecas optimizadas tales como TensorRT, NVIDIA DeepStream y cuDNN, entre otras. Permite ejecutar modelos de IA orientados a tareas de inferencia, clasificación o detección simple de objetos, manteniendo un buen equilibrio entre rendimiento y latencia.
- MID: basada en la NVIDIA Jetson Orin AGX, combina un alto rendimiento computacional (hasta 275 TOPS) con un eficiente consumo eléctrico (60W). Al igual que la Jetson Orin Nano, cuenta con el soporte de numerosas herramientas que, sumado a su mayor capacidad de cómputo y memoria, le permiten realizar tareas muy exigentes manteniendo un buen equilibrio entre coste y prestaciones. En este proyecto encaja especialmente, porque permite ejecutar modelos complejos de IA con requerimientos de memoria elevados, garantizando así un procesamiento eficiente directamente en el dispositivo.
- HIGH: representada por la Xilinx Versal, permite alcanzar el máximo rendimiento en tareas de computación intensiva y procesamiento de datos. Basada en la arquitectura adaptable ACAP (Adaptive Compute Acceleration Platform), esta plataforma combina núcleos de CPU, GPU y FPGA en un único SoC, lo que le otorga una capacidad de computación altamente versátil y optimizada para aplicaciones de IA avanzadas. Está pensada para ejecutar los modelos más exigentes como pueden ser los modelos de lenguaje (LLMs), ya que requieren de un alto rendimiento y capacidad de cómputo, especialmente para tareas intensivas como el fine tuning.
Esta clasificación de plataformas permite cubrir una amplia variedad de casos de uso industriales, permitiendo a cada empresa seleccionar aquella plataforma que mejor se adapte a sus necesidades sin renunciar a aspectos clave como lo son la eficiencia energética, el rendimiento y la escalabilidad.
Conclusión
La clasificación de plataformas en Capsul-IA no sólo responde a una necesidad técnica, sino también estratégica: acercar la Inteligencia Artificial a todo tipo de empresas independientemente de su tamaño o nivel de madurez tecnológica. Esta estrategia permite adaptar las soluciones de IA a múltiples entornos industriales, optimizando recursos y facilitando su integración en procesos reales. Con esta segmentación de plataformas se garantiza que las cápsulas de IA desarrolladas puedan desplegarse de forma eficaz y sostenible, promoviendo una adopción más amplia y democratizada de las últimas tecnologías basadas en IA en el tejido industrial.
Jorge Campello – Investigador I+D
Agradecimientos
Proyecto MIG-20232044, subvencionado por el CDTI – Centro de Desarrollo Tecnológico Industrial, apoyado por el Ministerio de Ciencia e Innovación, y aprobado en la convocatoria para el año 2023 del procedimiento de concesión de ayudas destinadas a “Misiones de Ciencia e Innovación” en el marco de la iniciativa TransMisiones 2023, en el ámbito del Programa Estatal para Catalizar la Innovación y el Liderazgo Empresarial del Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023.
Proyecto PLEC2023-010240 financiado por MICIU/AEI/10.13039/501100011033:
