Las cargas de trabajo de IA no fallan únicamente cuando los modelos ofrecen un rendimiento insuficiente. También fallan cuando la ruta de datos no puede seguir el ritmo. A medida que las empresas amplían el entrenamiento y el ajuste fino de modelos, así como la generación aumentada por recuperación (RAG), el movimiento de datos entre el almacenamiento y los recursos de computación se ha convertido en una limitación crítica del rendimiento. Cuando la latencia y la fluctuación de la red afectan al rendimiento del almacenamiento de objetos, los procesos de los modelos se ralentizan, las GPU permanecen inactivas y aumentan los costes de infraestructura.
Por eso, F5 anuncia una nueva validación independiente del rendimiento que demuestra cómo F5 BIG-IP puede mejorar considerablemente la distribución de datos de IA en entornos de almacenamiento compatible con S3.
Una validación independiente demuestra un mayor rendimiento durante las pruebas funcionales
SecureIQLab ha validado que F5 BIG-IP Local Traffic Manager (LTM) ejecutándose en un chasis F5 VELOS CX410 con dos blades BX520, implementado delante de un clúster de MinIO, ofreció un rendimiento hasta un 332 % superior en condiciones de latencia y fluctuación en comparación con el tráfico de referencia. Los resultados muestran que, a medida que aumentaba la degradación de la red, el valor de introducir un punto de control programable en la ruta de datos del almacenamiento se hacía aún más evidente.
Esto es importante porque la mayoría de las conversaciones sobre infraestructura de IA siguen centrándose en la computación y el almacenamiento de forma aislada. En la práctica, el rendimiento de la IA depende del sistema en su conjunto. Si la ruta de red entre el almacenamiento y la computación es inestable, ni siquiera el clúster de GPU más potente puede funcionar de manera eficiente. Para los arquitectos que diseñan fábricas de IA y entornos de inferencia a gran escala, la ruta de datos de almacenamiento debe tratarse como una parte rigurosamente gestionada de la arquitectura global, no como una conexión pasiva entre las aplicaciones y los almacenes de objetos.
“SecureIQLab ha validado que F5 BIG-IP LTM, ejecutándose en un chasis F5 VELOS CX410 con dos blades BX520 y desplegado delante de un clúster de MinIO, ofreció un rendimiento hasta un 332 % superior en condiciones de latencia y fluctuación.”
El informe de SecureIQLab evaluó el rendimiento del almacenamiento compatible con S3 en escenarios realistas, incluidos entornos de centros de datos locales, condiciones de SD-WAN y redes de larga distancia con hasta 75 milisegundos de latencia y 5 milisegundos de fluctuación. En los escenarios de mayor latencia, F5 mantuvo un rendimiento considerablemente superior al de la configuración de referencia, lo que demuestra el impacto del proxy TCP, la reutilización de conexiones y la optimización del tráfico en la estabilización de las transferencias de objetos. Las pruebas también midieron el rendimiento bruto de cifrado y descifrado; la implementación del chasis F5 VELOS CX410 alcanzó los 173,65 Gbps utilizando objetos de 1 GB en una configuración BX520 de dos blades.
Además de un aumento del rendimiento de hasta un 332 %, el informe de validación del rendimiento de SecureIQLab incluye las siguientes conclusiones clave:
- En un escenario de SD-WAN empresarial de baja latencia (10 ms de latencia y 2 ms de fluctuación), F5 VELOS aumentó el rendimiento de S3 de 62,5 Gbps (rendimiento sin F5 VELOS) a 121,7 Gbps, lo que supone una mejora del rendimiento del 95 %.
- En un escenario de banda ancha/VPN de baja latencia (10 ms de latencia y 5 ms de fluctuación), F5 VELOS aumentó el rendimiento de S3 de 46,8 Gbps (rendimiento sin F5 VELOS) a 119,6 Gbps, lo que supone una mejora del rendimiento del 155 %.
- En un escenario de red troncal multinube de alta latencia (75 ms de latencia, sin fluctuación), F5 VELOS aumentó el rendimiento de S3 de 10,9 Gbps (rendimiento sin F5 VELOS) a 41,5 Gbps, lo que supone una mejora del rendimiento del 281 %.
- En un escenario de edge con alta latencia y gran variabilidad (75 ms de latencia y 5 ms de fluctuación), F5 VELOS aumentó el rendimiento de S3 de 9,6 Gbps (rendimiento sin F5 VELOS) a 40,1 Gbps, lo que supone una mejora del rendimiento del 316 %.
- En un escenario multicloud SD-WAN de alta latencia (75 ms de latencia y 2 ms de fluctuación), F5 VELOS aumentó el rendimiento de S3 de 9,5 Gbps (rendimiento sin F5 VELOS) a 41,2 Gbps, lo que supone una mejora del rendimiento del 332 %.
La latencia es el principal factor limitante del rendimiento del almacenamiento compatible con S3
La latencia entre el cliente de almacenamiento compatible con S3 y los nodos de almacenamiento afectó al rendimiento mucho más de lo esperado. Por ejemplo, los resultados de referencia mostraron que, con una latencia de 10 ms, el rendimiento se redujo aproximadamente al 60 % del rendimiento de referencia con una latencia de 0 ms. Los resultados de referencia también mostraron que, con una latencia de 75 ms, el rendimiento se redujo aproximadamente al 8,25 % del rendimiento de referencia con una latencia de 0 ms.
Aunque F5 esperaba que la fluctuación tuviera un impacto relativo mayor que la latencia en el rendimiento, ocurrió exactamente lo contrario. De hecho, la latencia tuvo un impacto mayor que la fluctuación en el rendimiento entre el cliente S3 y los nodos de almacenamiento.
Un F5 VELOS con BIG-IP LTM actuando como proxy optimiza el tráfico entre los clientes de almacenamiento compatibles con S3 y los nodos de almacenamiento, aumentando el rendimiento en redes reales a niveles muy superiores a los previstos al inicio de la validación.
La entrega de datos es fundamental para la arquitectura de IA
Para los responsables empresariales y tecnológicos, la conclusión es clara: el rendimiento de la infraestructura de IA ya no es solo un problema de computación o almacenamiento, sino de entrega de datos. Como parte de F5 Application Delivery and Security Platform (ADSP), F5 BIG-IP proporciona un punto de entrada escalable, seguro y de alto rendimiento para incorporar los conjuntos de datos utilizados en el entrenamiento y el ajuste de modelos de IA, así como en los flujos de trabajo de RAG. Al combinar la gestión inteligente del tráfico, el control basado en políticas y una conmutación por error resiliente, F5 ayuda a que los procesos de IA sean más predecibles, gobernables y eficientes.
Ese valor se traduce en tres ventajas arquitectónicas.
En primer lugar, F5 mejora el transporte distribuido de datos al configurar y optimizar el movimiento de conjuntos de datos masivos entre la infraestructura de almacenamiento y la de computación. En segundo lugar, F5 permite un acoplamiento flexible y mejora la resiliencia de los puntos finales, lo que ayuda a las organizaciones a mantener el rendimiento y la flexibilidad a medida que evolucionan las arquitecturas de almacenamiento. En tercer lugar, F5 incorpora la gestión programable del tráfico a la ruta de datos de la IA, lo que permite a los equipos aplicar políticas, observabilidad y control allí donde antes tenían poca visibilidad.
En última instancia, esto permite a las organizaciones maximizar el rendimiento de sus inversiones en infraestructura de IA, al tiempo que garantiza que los sistemas funcionen de forma fiable en condiciones reales, no solo en entornos de laboratorio ideales. También pone de manifiesto un cambio más amplio en el sector: los principios de entrega de aplicaciones se están convirtiendo en un pilar fundamental del diseño de las infraestructuras modernas de IA.
Descarga el informe completo de SecureIQLab
Lea el informe completo de validación del rendimiento de SecureIQLab, que detalla la metodología, la topología y los resultados en los que se basan estas conclusiones, para descubrir cómo F5 ayuda a optimizar, estabilizar y escalar la entrega de datos de IA para MinIO y otros entornos de almacenamiento compatibles con S3.
El compromiso de F5 con la IA no termina aquí: «descubra todas las formas en que F5 facilita y protege las aplicaciones de IA».
Sobre los autores
Florin Meilescu es ingeniero de software principal sénior y arquitecto de pruebas en F5, donde ejerce como arquitecto de pruebas de soluciones para BIG-IP en entornos de hardware, plataformas de software y nube pública. Cuenta con más de 20 años de experiencia en el mercado de los controladores de entrega de aplicaciones (ADC), incluida su etapa en Citrix NetScaler. Su experiencia abarca desde los protocolos L2 hasta los L7 y los sistemas que los transportan, desde servidores Linux hasta los equipos de red a los que prestó soporte al principio de su carrera. Florin es graduado en Ingeniería por la Universidad Politécnica de Bucarest.
Más artículos de Florin MeilescuPaul Pindell es arquitecto principal en F5, donde trabaja en el área de Alianzas Tecnológicas y supervisa las colaboraciones técnicas de toda la cartera de productos de F5. Desde 2019, también ha desempeñado un papel clave en iniciativas de estrategia corporativa, entre ellas el lanzamiento del primer proyecto de innovación de F5. Paul dirigió el equipo especial de estrategia de IA de F5, centrado en definir cómo los productos actuales de F5 pueden ayudar a proteger y distribuir aplicaciones de IA. Posteriormente, contribuyó al desarrollo de la arquitectura de referencia de IA de F5, que describe los componentes fundamentales, los retos, los riesgos y las soluciones de socios necesarios para respaldar la distribución y la seguridad de las aplicaciones de IA. Paul participa con frecuencia como ponente principal y en sesiones paralelas de eventos del sector, como OPI Summit, OCP Global Summit, Intel InnovatiON, Open Source Summit, Red Hat Tech Exchange y varias ediciones de VMworld en Estados Unidos y EMEA. También es fundador y responsable del mantenimiento de proyectos de código abierto, preside el Comité de Difusión del Open Programmable Infrastructure Project y anteriormente dirigió las operaciones de los centros de datos de respuesta antivirus y los laboratorios de pruebas de software de seguridad de Symantec.
Más artículos de Paul PindellArtículos relacionados del blog
El imperativo empresarial de la IA en un mundo de nube híbrida y multinube
Cómo la IA redefine los patrones de tráfico, el riesgo de las API y el cumplimiento normativo, y por qué el paquete Distributed Cloud Services Enterprise ofrece la profundidad necesaria en entornos híbridos multicloud.
STIG de F5 NGINX: un plan de seguridad para el sector público y los entornos regulados
Descubra cómo las STIG de F5 NGINX proporcionan un modelo de seguridad para el Departamento de Defensa de EE. UU. y los entornos regulados, ayudándole a cumplir la normativa mientras crea una infraestructura sólida de confianza cero con mayor visibilidad y resiliencia.
Cómo el marco AEGIS de Forrester valida un enfoque centrado en la inferencia
El auge de la IA agéntica está transformando el panorama de la seguridad empresarial. Estos agentes de IA autodirigidos funcionan de forma autónoma, toman decisiones en tiempo real y pueden interactuar entre distintos sistemas de maneras para las que las arquitecturas tradicionales de ciberseguridad no fueron diseñadas. Aunque esto abre nuevas posibilidades, también introduce riesgos sistémicos: fallos en cascada, secuestro de objetivos y superficies de ataque hasta ahora invisibles. El reciente […] de Forrester
La nueva superficie de riesgo de la IA: invisible, autónoma y ya está dentro
James White, vicepresidente de Ingeniería de F5 A mediados de 2025, es un buen momento para hacer balance de la adopción de la IA en las empresas y del estado de la seguridad de la IA. El uso de la IA generativa ya es habitual en las empresas En general, las empresas cuentan al menos con unos conocimientos básicos sobre la IA generativa. Entienden qué es y dónde puede […]
Protegiendo el futuro: cómo CalypsoAI se alinea con el Top 10 de OWASP para los LLM
Cuando OWASP publicó su Top 10 de 2025 para grandes modelos de lenguaje (LLM), proporcionó al sector un referente de seguridad muy necesario. Pero los referentes no sirven de nada si no se actúa. CalypsoAI aborda el 80 % del Top 10 de OWASP, dando prioridad a los riesgos reales más urgentes. La plataforma combina protección en tiempo real durante la ejecución y pruebas adversariales exhaustivas, ofreciendo una cobertura inigualable frente a las […]
Implementación de LLM en la empresa: mediante una API local
Por sí solos, sin medidas de protección ni protocolos adicionales de seguridad para la IA, el despliegue de modelos de IA generativa —en particular, modelos de lenguaje de gran tamaño (LLM)— en toda la empresa supone una oportunidad de alto riesgo y grandes beneficios para cualquier organización. Sin embargo, determinar exactamente cómo debe dar su organización este gran paso hacia el ámbito de la IA generativa requiere una planificación minuciosa. Quizá […]