En muy poco tiempo, la IA ha pasado de ser un experimento interesante a convertirse en una capacidad empresarial esencial. Para seguir el ritmo, los proveedores de servicios en la nube están ampliando sus ofertas de GPU como servicio (GPUaaS) y modelos de lenguaje de gran tamaño como servicio (LLMaaS), que constituyen la columna vertebral de las fábricas de IA modernas. Estos entornos transforman los datos, la capacidad de computación y los modelos en resultados de gran valor para los clientes.
Estas ofertas simplifican enormemente la adopción de la IA. Sin embargo, también exponen a los proveedores a nuevas presiones financieras y operativas. Una cosa es desplegar infraestructura de IA y otra muy distinta gestionarla de forma rentable a gran escala y con unos costes predecibles. Los costes de las GPU, las dificultades de la monetización basada en tokens, los problemas de latencia y la seguridad multiinquilino confluyen en una compleja ecuación empresarial.
“Los proveedores de IA en la nube que logren una rentabilidad sostenible serán aquellos que empiecen desde ahora a diseñar una arquitectura escalable.”
Es aquí donde F5 BIG-IP Next for Kubernetes, especialmente cuando se implementa en DPU NVIDIA BlueField-3, ha empezado a transformar el funcionamiento de las nubes de IA. La plataforma ofrece a los proveedores una forma estructurada de aumentar los ingresos, reducir el coste por token y gestionar entornos de IA complejos de manera más eficiente.
La evolución de la economía de las fábricas de IA
GPUaaS y LLMaaS despegaron porque eliminan enormes barreras de entrada.
GPUaaS permite a los clientes entrenar y ajustar modelos sin invertir en clústeres de GPU ni en infraestructura especializada. Los proveedores sanitarios, las empresas industriales y otras organizaciones pueden emprender proyectos de IA de gran valor, como el diagnóstico por imagen o la automatización predictiva, sin tener que convertirse en operadores de infraestructura.
LLMaaS hace justo lo contrario. Elimina por completo la necesidad de entrenar modelos. Los clientes integran modelos preentrenados como Gemini o los GPT en sus aplicaciones mediante API y se centran en crear experiencias como chatbots, copilotos o análisis en tiempo real.
Estos modelos reducen las dificultades para los clientes, pero concentran la complejidad en el proveedor. La rentabilidad pasa a depender en gran medida del uso de las GPU, la latencia (especialmente el tiempo hasta el primer token), la precisión de la medición de tokens, la seguridad multiinquilino y la sobrecarga operativa.
Aquí es donde la arquitectura determina directamente la rentabilidad.
Impulsar los ingresos mediante más tokens
Los ingresos de GPUaaS y LLMaaS aumentan en función del consumo. Cuantos más tokens se procesen y más cargas de trabajo se atiendan, mayores serán los ingresos. Esto solo es posible si la plataforma ofrece experiencias rápidas y predecibles.
BIG-IP Next for Kubernetes mejora el potencial de ingresos al mantener las GPU centradas en el procesamiento de IA en lugar de en tareas de red, enrutamiento o inspección. La descarga de estas funciones en las DPU NVIDIA BlueField-3 libera ciclos de procesamiento y reduce la sobrecarga de las GPU, lo que les permite atender más cargas de trabajo.
Las pruebas han demostrado que esta arquitectura puede generar más de un 30 % de tokens adicionales con la misma infraestructura de GPU y reducir significativamente el tiempo hasta el primer token.
Estas mejoras repercuten directamente en la experiencia del cliente y en el consumo. Cuando las respuestas de los LLM son rápidas e interactivas, los usuarios tienden de forma natural a utilizar más el servicio. Al aumentar el rendimiento, las mismas GPU generan más actividad facturable. Así es como los servicios de IA aumentan sus ingresos sin necesidad de más hardware.
Reducir costes mejorando la utilización de las GPU
Las GPU son el núcleo financiero de cualquier nube de IA. Cada ineficiencia, periodo de inactividad o cuello de botella de la CPU se traduce directamente en un mayor coste por token y unos márgenes más bajos.
BIG-IP Next for Kubernetes ayuda a reducir costes al trasladar una parte importante del procesamiento de red, seguridad y tráfico a las DPU NVIDIA BlueField-3. Esto elimina la sobrecarga que, de otro modo, consumiría ciclos de CPU y GPU. También mejora los patrones de tráfico y el enrutamiento de las cargas de trabajo para que los proveedores puedan operar con un aprovechamiento de las GPU más cercano al óptimo.
Como resultado, los proveedores pueden reducir considerablemente el coste por token y aumentar significativamente la eficiencia de sus clústeres de IA.
Una mejor utilización de las GPU potencia este efecto. Cuanto más constante sea la carga de trabajo que reciben las GPU, menor será el coste por cliente y mayores serán los ingresos totales generados por cada hora de uso de la GPU. La arquitectura determina directamente la rentabilidad.
Aumento de la eficiencia operativa
Las nubes de IA deben operar en múltiples clústeres, regiones, GPU y tipos de modelos. La complejidad aumenta rápidamente y puede desbordar a los equipos si no cuentan con los mecanismos de control adecuados.
BIG-IP Next for Kubernetes proporciona una tenencia múltiple segura, una segmentación sólida, protección de las API y una observabilidad exhaustiva en todos los entornos de Kubernetes. Estas capacidades permiten a los proveedores controlar claramente el comportamiento de las cargas de trabajo, el aislamiento de los inquilinos y la aplicación de las políticas.
En el caso concreto de LLMaaS, BIG-IP Next for Kubernetes permite el enrutamiento basado en tokens, mejora la eficiencia de la caché y garantiza una gestión uniforme del tráfico entre distintas GPU y modelos. Esto hace que los flujos de trabajo de inferencia sean más rápidos, eficientes y predecibles.
Desde el punto de vista operativo, esto permite a los proveedores incorporar clientes más rápidamente, resolver problemas con mayor agilidad y escalar su infraestructura sin multiplicar los costes operativos. Todo ello mejora la rentabilidad y favorece un modelo de servicio más sostenible.
Convierta las fábricas de IA en negocios sostenibles
La demanda de IA crece más rápido de lo que la mayoría de los proveedores pueden construir infraestructuras. A largo plazo, los ganadores no serán simplemente las plataformas con los clústeres más grandes, sino aquellas que aumenten sus ingresos mediante el rendimiento, reduzcan costes gracias a la eficiencia y gestionen sus operaciones con claridad y control.
BIG-IP Next for Kubernetes, especialmente cuando se utiliza con DPU NVIDIA BlueField-3, está diseñado específicamente para responder a esa realidad empresarial. Mejora el rendimiento, reduce la latencia, refuerza la tenencia múltiple, optimiza la eficiencia de las GPU y reduce el coste por token, tal como se ha validado mediante pruebas.
Las cargas de trabajo de IA no están disminuyendo. Los proveedores que logren una rentabilidad sostenible serán aquellos capaces de diseñar desde ahora una arquitectura escalable.
Esta arquitectura conjunta de F5 y NVIDIA ofrece una vía clara para lograr ese objetivo.
Descubre cómo F5 y NVIDIA están sentando las bases técnicas para la próxima era de sistemas de IA inteligentes y orientados a objetivos.
Sobre el autor
Artículos 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.