El borde industrial de la inteligencia artificial requiere más que potencia de cálculo cruda

Durante décadas, el diseño de hardware de borde siguió una jerarquía sencilla: maximizar el rendimiento, luego gestionar la potencia y los aspectos térmicos alrededor de ella. La potencia de cálculo cruda era el límite que todo lo demás se construía debajo. Esa lógica tenía sentido cuando los dispositivos de borde eran estacionarios, los entornos eran controlados y el procesamiento centralizado podía manejar cualquier cosa que el borde no pudiera. Sin embargo, ninguna de esas condiciones se cumple en los entornos industriales de hoy, y la antigua jerarquía se está desmoronando debido a ello.

Los operadores de instalaciones industriales ahora están impulsando la automatización impulsada por inteligencia artificial directamente en la planta de producción, exigiendo acción inteligente y decisiva lo más cerca posible de las operaciones. La ambición es sólida. Pero traducir esto en hardware confiable que funcione en condiciones industriales reales requiere replantear el diseño de chips desde cero.

Una nueva jerarquía de restricciones

El mercado global de borde industrial se estima que crecerá de $21 mil millones en 2025 a casi $45 mil millones para 2030, y las demandas de hardware que escalan junto con ese crecimiento parecen fundamentalmente diferentes a lo que los diseñadores de chips han optimizado históricamente. A medida que la automatización impulsada por inteligencia artificial se mueve de entornos de prueba controlados a plantas de producción en vivo, la jerarquía de restricciones que gobierna las implementaciones de borde ha invertido efectivamente:

1. Potencia ahora ocupa el primer lugar. Las operaciones siempre activas exigen modos de control flexibles para reducir el desperdicio y minimizar el gasto asociado con la implementación de sistemas de inteligencia artificial de borde.
2. Factores térmicos y ambientales pueden afectar en gran medida el rendimiento. Las instalaciones industriales introducen extremos ambientales como altas temperaturas y estrangulamiento térmico, así como posibles escombros y humedad, todos los cuales pueden degradar la funcionalidad de manera impredecible.
3. Latencia y determinismo son esenciales en casos de uso centrados en precisión como los que se encuentran en instalaciones industriales, ya que la acción oportuna y precisa puede marcar la diferencia entre el éxito y el fracaso.
4. Potencia de cálculo cruda viene en último lugar en este paradigma. Aunque es importante, la banda ancha y el rendimiento son menos críticos cuando las capacidades integradas son sólidas. El procesamiento y razonamiento críticos ocurren en el dispositivo, mitigando la necesidad de transmisión constante a un sistema de procesamiento centralizado.

La inversión de estas restricciones exige que los diseñadores adopten un nuevo enfoque al diseñar para el borde industrial, uno que considere más que solo la potencia de cálculo cruda.

Encontrar lo que es “justo”

En entornos de desarrollo, por ejemplo, cuando se diseña un robot industrial en el banco de trabajo, las GPU pueden funcionar bien. Son componentes muy capaces y eficientes que pueden procesar grandes cantidades de datos rápidamente y con precisión. Sin embargo, estos procesos ocurren en entornos controlados.

Los dispositivos industriales se instalan con frecuencia en equipos heredados en instalaciones ya en funcionamiento. Pueden ser móviles. La potencia, el espacio y la capacidad térmica están predeterminados por el entorno, no por las necesidades del dispositivo. Eso solo deja el diseño del chip como variable, y el silicio de propósito general no está bien equipado para llenar ese papel. Es demasiado rígido o demasiado amplio para satisfacer las demandas específicas y sostenidas de la inteligencia artificial de borde industrial.

Por ejemplo, los SoC con NPUs integrados ofrecen un punto medio para este tipo de construcciones, ofreciendo capacidades de baja potencia y características deterministas robustas. Sin embargo, tienden a quedarse cortos en entornos de borde lejano exigentes debido a su diseño, que se optimiza para funcionalidad esporádica en entornos térmicamente limitados. Un diseño enfocado en inferencia por explosión los convierte en una opción poco fiable para las realidades más complejas de las instalaciones industriales.

Para hacer que las operaciones industriales automatizadas sean una realidad, los diseñadores necesitan algo intermedio: chips lo suficientemente flexibles para llenar brechas amplias pero lo suficientemente específicos para manejar aplicaciones especializadas.

FPGAs: Un compañero más capaz

Cada vez más desarrolladores de borde están comenzando a aprovechar las matrices de puerta programable en el campo (FPGAs) como la respuesta. Crucialmente, las FPGAs no se posicionan como un reemplazo total de las GPU, CPU u otras opciones de procesamiento central. En cambio, funcionan como chips compañeros, sentados junto a los procesadores principales para manejar las tareas que el silicio de propósito general maneja mal en condiciones de campo: monitoreo de sensores siempre activo, preprocesamiento en tiempo real, respuesta determinista y control de potencia.

Dependiendo de la arquitectura, estos chips compañeros pueden ubicarse junto a la GPU o CPU, o posicionados más cerca del sensor en sí, lo que da a los diseñadores flexibilidad en cómo y dónde se descarga la carga de trabajo. La capacidad de funcionar en este papel de compañero es lo que hace que las FPGAs estén tan bien equipadas para entornos industriales de borde lejano, donde el procesador principal necesita protegerse de ser abrumado por demandas de procesamiento de bajo nivel continuas.

El mercado global de FPGAs se valoró en $11.6 mil millones en 2024 y se estima que alcanzará $41.6 mil millones para 2033, una trayectoria que refleja el creciente reconocimiento de exactamente este tipo de arquitectura de compañero en implementaciones industriales y de borde. Como chips compañeros, las FPGAs aportan un conjunto específico de capacidades que abordan directamente la jerarquía de restricciones invertida:

• Procesamiento orientado a datos y paralelo, que permite a los dispositivos manejar un preprocesamiento avanzado antes de la transmisión a hardware de procesamiento centralizado. Esto reduce los volúmenes de datos, mitiga la latencia y salvaguarda las operaciones confiables.
• Capacidades de razonamiento determinista, que pueden identificar eventos de activación conocidos para permitir una respuesta en tiempo real en escenarios críticos.
• Control de potencia lógico, que permite a los dispositivos escalar el uso de energía en función de desencadenadores ambientales (movimiento u otros cambios), de modo que los procesos de alta demanda solo estén activos cuando se necesitan.
• Características de seguridad integradas, que permiten a las FPGAs actuar como una raíz de confianza de hardware (HRoT) y ayudar a proteger el procesamiento central de violaciones que se originan en dispositivos colocados en ubicaciones accesibles públicamente, agregando una capa adicional de seguridad para sistemas cada vez más complejos.

Si bien estas características son críticas para avanzar en las capacidades de inteligencia artificial de borde, la versatilidad de las FPGAs es en última instancia lo que las convierte en los “solucionadores de problemas” óptimos para construcciones de borde lejano. A menudo sirven como preprocesadores inteligentes, manejando la fusión de sensores en tiempo real y en el dispositivo para reducir las necesidades de transmisión de datos y permitir una respuesta oportuna.

Sus capacidades de procesamiento paralelo les permiten integrar y analizar datos rápidamente y escalar a procesadores de mayor potencia según sea necesario, o actuar en tiempo real en caso de crisis. Dado que la FPGA puede manejar estas tareas más pequeñas por sí sola, el procesamiento central mantiene más ancho de banda para manejar las tareas más complejas que se pasan.

Además, las FPGAs son reconfigurables por diseño, por lo que los administradores del sistema pueden actualizar sus implementaciones de inteligencia artificial de borde a medida que cambian las cargas de trabajo, los entornos y las necesidades. Los dispositivos que utilizan FPGAs como chips compañeros pueden evolucionar junto con las necesidades del sistema sin necesidad de reemplazar hardware o redeployar. Por ejemplo, proporcionan la flexibilidad necesaria para adaptarse a medida que avanza la criptografía post-cuántica y los algoritmos criptográficos existentes se vuelven ineficaces.

Mejor juntos

El borde industrial es donde la automatización basada en inteligencia artificial demostrará su máximo potencial, y las demandas de automatización en el mundo real no están esperando a que los chips de propósito general se pongan al día. Los desarrolladores de borde necesitan comenzar a adoptar nuevos principios de diseño y construir fundamentos optimizados que equilibren flexibilidad y especificidad en igual medida.

Las FPGAs pueden hacer exactamente eso. Donde las GPU y los SoC alcanzan sus límites, las FPGAs llenan la brecha como chips compañeros capaces, proporcionando inferencia siempre activa, control determinista, operación de baja potencia y el potencial de crecer junto con las capacidades de inteligencia artificial y los casos de uso industriales en evolución. Ya sea que se desplieguen de forma independiente o emparejados con procesadores de propósito general, las FPGAs ayudan a establecer la base sólida, confiable y adaptable necesaria para hacer que los ecosistemas de inteligencia artificial de borde lejano sean una realidad.