En el verano de 2024, el fundador y consejero delegado de Nvidia, Jensen Huang, afirmó que «un nuevo tipo de fábricas de IA en centros de datos produce una nueva materia prima: la inteligencia artificial». Así pues, consideremos la IA como si fuera una materia prima física. Esto evoca imágenes del complejo River Rouge de Ford, todo un ejemplo de integración vertical e industrialización. Por un lado entraban hierro y caucho; por el otro salían automóviles Ford. Con sus propios muelles, 160 kilómetros de vías ferroviarias internas, una central eléctrica propia e incluso sus propias fábricas integradas de acero, vidrio y papel, The Rouge funcionaba las 24 horas del día y fabricaba casi 1,5 millones de coches al año.
Del mismo modo, las fábricas de IA actuales y futuras que dan servicio a modelos de entrenamiento e inferencia de alto rendimiento y gran volumen ingieren enormes cantidades de materias primas. En concreto, datos: estructurados, no estructurados, vídeo, texto y mucho más. Estas fábricas transforman estos datos en resultados tokenizados que pueden aprovecharse en infinidad de aplicaciones. Y, al igual que el complejo Rouge necesitaba un control preciso de cada etapa de producción, las cargas de trabajo de IA requieren sistemas sólidos de gestión del tráfico para gestionar la ingesta, el procesamiento y la entrega de datos; en una palabra: logística. Las soluciones adecuadas de gestión del tráfico permiten a las fábricas de IA tomar las materias primas del terreno y hacerlas utilizables. Con las herramientas logísticas adecuadas, los equipos pueden garantizar un flujo de datos fluido, un alto rendimiento, una baja latencia y seguridad, como si mantuvieran una cadena de montaje funcionando sin contratiempos en cada etapa.
Lo que toda fábrica de IA necesita
Harvard Business Review explicó en 2020 cómo Ant Group, filial de Alibaba, genera información práctica a partir de su fábrica de IA para «gestionar diversos negocios y atender a [más de] diez veces más clientes que los mayores bancos estadounidenses, con menos de una décima parte de su plantilla». La forma en que Ant Group concibe la creación de una fábrica de IA resulta igualmente convincente:
«Hay cuatro componentes esenciales para toda fábrica. El primero es el canal de datos, el proceso semiautomatizado que recopila, depura, integra y protege los datos de forma sistemática, sostenible y escalable. El segundo son los algoritmos, que generan predicciones sobre futuros estados o acciones de la empresa. El tercero es una plataforma de experimentación en la que se ponen a prueba hipótesis sobre nuevos algoritmos para garantizar que sus recomendaciones tengan el efecto deseado. El cuarto es la infraestructura, es decir, los sistemas que integran este proceso en el software y lo conectan con usuarios internos y externos».
Anteriormente, en nuestra serie sobre fábricas de IA, F5 definió una fábrica de IA como una enorme inversión en almacenamiento, redes y computación destinada a satisfacer requisitos de entrenamiento e inferencia de gran volumen y alto rendimiento. Por eso, el primer y el cuarto componente de la lista de Ant Group resultan especialmente interesantes: el reto de establecer los sistemas necesarios para gestionar de forma segura y eficiente los datos que ingieren los modelos de IA pone en primer plano la cuestión de cómo deben desarrollar las fábricas de IA la infraestructura que las rodea para generar valor.
La gestión del tráfico para la ingesta de datos de IA es el proceso continuo mediante el cual se gestiona y transporta a una fábrica de IA el tráfico de datos de IA con miles de millones de parámetros y abundante contenido multimedia, con fines de aprendizaje automático y entrenamiento. Aquí es donde entra en juego una solución de gestión del tráfico de alto rendimiento para introducir ese tráfico en la fábrica de IA. Sin una solución de este tipo, los equipos pueden verse rápidamente obligados a reutilizar conexiones para mantener el flujo de tráfico o alcanzar los límites de la infraestructura de almacenamiento. Ninguna de estas situaciones resulta idónea para los requisitos de transporte de datos de alta capacidad y baja latencia que exigen las fábricas de IA para funcionar al ritmo y a la escala deseados y optimizados.
Gestión del tráfico de datos de IA que circula hacia, a través de y entre fábricas de IA.
“Las fábricas de IA requieren soluciones de gestión del tráfico de alto rendimiento para la ingesta de datos de modelos de IA con miles de millones de parámetros y, próximamente, billones.”
Mantener las fábricas de IA en funcionamiento
Pero el ritmo de avance en este campo está lejos de estancarse. Los modelos de IA, cada vez más complejos, requieren mayores volúmenes de datos de entrada y con una frecuencia creciente. Esto plantea un reto relacionado con la gravedad de los datos, ya que su ubicación en la nube o en las instalaciones resulta crucial para un modelo de IA. Una fábrica de IA diseñada para resistir la atracción gravitatoria de las futuras demandas de datos de la IA necesita una infraestructura capaz de escalar para satisfacer la necesidad de obtener información más rápidamente a partir de los datos que recibe. En última instancia, la infraestructura de una fábrica de IA puede determinar el éxito y el valor empresarial del modelo de IA al que da soporte. Este rápido crecimiento del consumo de contenido multimedia enriquecido puede aumentar considerablemente el tráfico de red y los costes asociados si se procesa a través de determinados proveedores de servicios en la nube. Por tanto, las empresas que se enfrentan a esta situación tienen un doble reto: mantener el flujo de datos de alta velocidad necesario para que los modelos de aprendizaje de IA sean eficientes y gestionar las complejidades y los gastos asociados a la transferencia y el procesamiento de datos en la nube.
Evaluar detenidamente los cuatro tipos de implementación de fábricas de IA descritos en el artículo inicial sobre estas fábricas (IA como servicio, alojada en la nube, alojada en las propias instalaciones o alojada en el perímetro) puede ayudar a las empresas a gestionar estas complejidades al eliminar o reducir la dependencia del ancho de banda de la nube. Procesar los datos localmente no solo elimina de la ecuación la cuestión del ancho de banda de la nube, sino que también proporciona un control total sobre los conjuntos de datos de entrenamiento confidenciales. Esto, a su vez, facilita el cumplimiento de los requisitos normativos (por ejemplo, el RGPD, la HIPAA o el PCI DSS), ya que las organizaciones pueden controlar cómo se almacenan, se consultan y se procesan los datos, al tiempo que minimizan su exposición al mantener la información confidencial dentro de la red segura de la organización.
Una mejor infraestructura aporta más valor a las fábricas de IA
El tráfico de datos de IA y el tráfico de aplicaciones interactúan de forma similar con F5 BIG-IP Local Traffic Manager (LTM) y las soluciones de nueva generación de hardware. Esto significa que, al igual que se optimizan los flujos de tráfico de las aplicaciones tradicionales, los equipos pueden optimizar sus flujos de tráfico de datos de IA con herramientas como el perfil FastL4, lo que aumenta el rendimiento y la capacidad de procesamiento de los servidores virtuales. Pueden aprovechar las optimizaciones de TCP para ajustar con precisión la forma en que los sistemas gestionan las conexiones TCP, algo fundamental para el rendimiento de la red. Incluso pueden implementar OneConnect de BIG-IP, lo que aumenta la capacidad de procesamiento de la red mediante la gestión eficiente de las conexiones creadas entre sus sistemas BIG-IP y los miembros de los pools de back-end. Las organizaciones que buscan una solución para distribuir el tráfico de datos de IA entre fábricas de IA no tienen que buscar muy lejos. F5 lleva más de dos décadas desarrollando herramientas para optimizar la gestión del tráfico de aplicaciones, lo que convierte a BIG-IP LTM en la solución ideal para gestionar el tráfico de ingesta de datos de IA.
Las aplicaciones de IA son lo último en aplicaciones modernas. Sin una solución sólida y versátil de gestión del tráfico, los datos aprovechables quedan estancados sobre el terreno y se desvanece el valor que un modelo de IA podría extraer de ellos. La planta de Rouge contaba con sus muelles y kilómetros de vías férreas; las fábricas de IA cuentan con soluciones de F5 como BIG-IP.
El compromiso de F5 con la IA no termina aquí: descubre cómo F5 protege y distribuye aplicaciones de IA en cualquier entorno.
¿Te interesa saber más sobre las fábricas de IA? Descubre otras en nuestra serie de artículos sobre fábricas de IA:
- ¿Qué es una fábrica de IA? ›
- Generación aumentada por recuperación (RAG) para fábricas de IA ›
- Conexión óptima de fuentes de datos en el edge con fábricas de IA ›
- La escalabilidad y la flexibilidad multinube respaldan las fábricas de IA ›
- La potencia y el significado de la DPU NVIDIA BlueField para las fábricas de IA ›
- Protección de API para fábricas de IA: el primer paso hacia la seguridad de la IA ›
- La importancia de la segmentación de red para las fábricas de IA ›
- Las fábricas de IA producen las aplicaciones más modernas: aplicaciones de IA ›
Sobre el autor
Griff Shelley es director de marketing de producto en F5 y está especializado en soluciones de entrega de aplicaciones de hardware, software y SaaS. Impulsado por su pasión por vincular la tecnología innovadora con el éxito de los clientes, Griff dirige proyectos de comercialización en los ámbitos de la entrega de aplicaciones a escala global y local, los servicios en la nube y la infraestructura de tráfico de datos para IA. Antes de iniciar su carrera en el sector tecnológico, fue asesor académico de educación superior y obtuvo titulaciones en Eastern Washington University y Auburn University.
Más artículos de Griff ShelleyArtículos relacionados del blog
Cree servicios públicos seguros, resilientes y preparados para la IA con F5 y AWS
Descubre cómo las organizaciones del sector público pueden modernizar de forma segura sus aplicaciones y soluciones de IA, al tiempo que gestionan los sistemas heredados, el cumplimiento normativo y el riesgo operativo.
Protección de los sistemas de IA: por qué la seguridad debe avanzar al ritmo de la innovación
Desde acelerar avances revolucionarios en medicina y educación hasta transformar la vida cotidiana, la IA está cambiando nuestra forma de vivir y trabajar. Pero también ofrece grandes oportunidades a los ciberdelincuentes.
Avanzar hacia la optimización digital tras la transformación
Descubre estrategias de optimización digital para garantizar políticas de seguridad coherentes, impulsar la madurez de la transformación digital y superar los retos de la transformación.
Proyecto de código abierto destacado: mayor observabilidad con F5 Cloud Logger iApp
En el punto de mira del código abierto: cómo aumentar la observabilidad. Lee el blog de F5 para descubrir cómo exportar fácilmente la telemetría de BIG-IP a plataformas modernas de análisis en la nube.
El estado de la entrega de aplicaciones en 2018: la transformación digital impulsa la automatización y la multinube pese a las preocupaciones de seguridad
Descubre las principales conclusiones del cuarto informe anual de F5 sobre el estado de la entrega de aplicaciones.
Estado de la entrega de aplicaciones en 2017: automatización, API y DevOps
Descubre el informe sobre el estado de la entrega de aplicaciones de 2017. Lee el blog retrospectivo de F5 sobre los inicios del auge de las redes declarativas y los flujos de DevOps.