El fin de la infraestructura como commodity

Como viene ocurriendo en prácticamente todos los eventos o congresos ligados al sector tecnológico, la inteligencia artificial fue también el eje central de la última edición del MWC. En su vigésima edición, el evento de referencia del mundo digital congregó en Barcelona a más de 100.000 visitantes provenientes de 205 países, 2900 expositores y 1700 ponentes. Todo un éxito, a pesar de los graves conflictos geopolíticos que deslucieron su celebración.

La arquitectura física es un factor determinante de la capacidad competitiva de las empresas

Aparte del abanico de lanzamientos y novedades que se pudieron ver en este congreso y en los eventos paralelos (Airport of the Future, 4YFN, Talent Arena o Connectivity for Good), la inteligencia artificial tuvo un protagonismo absoluto. De hecho, el lema de esta edición fue The IQ Era, posicionándose como eje transversal de toda la estrategia de productos y soluciones de las grandes firmas presentes en esta edición.

De juguete a columna vertebral

Una de las marcas más importantes, por lo menos a tenor de la apuesta en cuanto a espacio ocupado y novedades presentadas, fue Huawei. Aunque su arco de novedades fue muy extenso, nos llamó especialmente la atención una de las pautas sobre las que se articuló el discurso de este fabricante: la transición de la IA como “juguete” o adorno corporativo hacia su consolidación como la columna vertebral de la infraestructura local.

No se trata solo de una evolución técnica, sino de la respuesta a una necesidad creciente de resiliencia operativa. Algunos de los últimos sucesos —como los cortes de suministro que han experimentado los tres principales hiperescalares (AWS, Microsoft Azure, Google Cloud)— hacen cada vez más cuestionable la dependencia absoluta de la nube y la infraestructura local vuelve a ocupar un lugar central en la mesa de los c-level.

El mensaje es claro: el hardware ya no puede ser tratado como un simple commodity intercambiable; la arquitectura física es ahora un factor determinante de la capacidad competitiva de las empresas y de los países.

En palabras de Víctor Jiménez, CTO del área de Enterprise en Huawei Iberia: “La infraestructura de IT debe recuperar el protagonismo estratégico que perdió al convertirse en una commodity. En el escenario actual, ya no puede darte igual qué servidor o qué switch sustenta tu operación si buscas una integración real”.

La IA en producción

Es evidente que la madurez tecnológica —y la necesidad del uso real de la IA que las áreas de Negocio están trasladando a TI— exigen que la inteligencia artificial aterrice definitivamente en los CPD o centros de procesamiento de datos locales. Pero no todo es tan fácil. Mientras la fase de entrenamiento inicial podía permitirse el lujo de la latencia o la dependencia externa, la IA en producción requiere un control absoluto sobre el dato y el cómputo.

Esta tendencia hacia una IA local está impulsada por tres factores determinantes identificados en la arquitectura de los sistemas modernos:

• Soberanía y seguridad. Evitar que los datos estratégicos abandonen el perímetro físico de la organización para ser procesados en nubes de terceros.
• Arquitectura. La IA funciona de forma análoga a una red eléctrica, con fases de generación (en el CPD), transmisión (a través de la red) y uso (en las manos del usuario final), donde el punto de origen debe ser tan robusto como la red que lo sustenta.
• Resiliencia ante caídas. Es importante evaluar el riesgo operativo derivado de una interrupción en los servicios de nube, lo que haría detener modelos de inferencia que ya son críticos para el negocio.

Obsolescencia acelerada

Este cambio de escenario está desencadenando una revalorización de lo que supone el componente físico. Durante años, la tendencia fue la abstracción total del hardware, pero la llegada de la IA ha revertido este proceso. No todos los servidores son iguales cuando se trata de alimentar redes neuronales. El CPD tradicional, diseñado para cargas de trabajo de propósito general, se enfrenta a una obsolescencia acelerada ante las exigencias de la IA, y no se trata solo de una actualización de componentes, sino una reingeniería completa.

El paso desde las unidades de procesamiento gráfico (GPU) tradicionales a las de procesamiento neuronal (NPU), diseñadas específicamente para el entrenamiento y la inferencia de redes neuronales es un gran salto. Hay que tener en cuenta que se multiplica la densidad de cómputo (8 a 30 NPU por nodo), lo que exige una reingeniería completa del entorno físico, desplazando la refrigeración por aire en favor de sistemas basados en refrigeración líquida e integrada.

La relevancia de la refrigeración va más allá de la pura eficiencia energética; el sobrecalentamiento de determinados elementos puede detener abruptamente un proceso de entrenamiento, con lo que ello conlleva en coste técnico y financiero.

Visión unificada

Para que sea realmente posible escalar el uso de la inteligencia artificial es necesario abandonar la visión segmentada de la tecnología —donde el 5G, la fibra y el almacenamiento se compran por separado— para adoptar una visión de sistema unificado. Por ejemplo, si el almacenamiento no es capaz de volcar datos a la velocidad que la NPU requiere, el proceso de entrenamiento se podría detener, desperdiciando tiempo, además de capital eléctrico y operativo.

En un contexto en el que la IA ha pasado del piloto a producción, la tecnología se ha convertido en el cimiento sobre el que se construye la eficiencia operativa de las organizaciones. Ver las infraestructuras de TI como un gasto a minimizar, en lugar de un activo estratégico a optimizar, hará que se genere un techo tecnológico infranqueable en la carrera por la eficiencia.

Por ejemplo, un error común en la planificación de infraestructuras para IA es centrarse exclusivamente en la capacidad del data lake. Sin embargo, el cuello de botella suele provenir de la velocidad del volcado de datos, ya que el almacenamiento debe ser capaz de alimentar a las NPU con la suficiente rapidez como para mantener el flujo de entrenamiento constante.

Para evitar el desperdicio de recursos derivado de una degradación o parada de estos procesos, las organizaciones deben migrar hacia familias de almacenamiento acelerado, diseñadas específicamente para soportar los picos de demanda de la inferencia y el entrenamiento masivo.

El CPD tradicional se enfrenta a una obsolescencia acelerada ante las exigencias de la IA

De nuevo, la tendencia se desplaza hacia arquitecturas unificadas donde la computación avanzada, el almacenamiento optimizado y las comunicaciones de ultra-baja latencia se integran en una sola estructura lógica. Este enfoque permite una gestión holística del consumo, la refrigeración y el rendimiento, garantizando que la infraestructura local sea capaz de sostener modelos de IA en producción con la resiliencia que el mercado actual demanda.

Cambios en el tráfico de red

Otro ejemplo interesante de los cambios que se avecinan está relacionado con la infraestructura de red, que ha operado históricamente bajo un paradigma de asimetría diseñado para el consumo masivo de contenidos.

Durante décadas, la arquitectura de las comunicaciones se optimizó para un modelo donde el usuario final demandaba grandes volúmenes de datos desde el núcleo de la red, devolviendo apenas una fracción de información técnica o comandos básicos. Sin embargo, la irrupción de la inteligencia artificial a escala industrial está forzando una reconfiguración radical de estos flujos, invirtiendo la dirección predominante de los datos y obligando a los responsables tecnológicos a rediseñar la filosofía de sus arquitecturas internas.

El modelo de redes en el que se prioriza la descarga resulta insuficiente para las demandas de la computación neuronal. El cálculo estimado es que los flujos evolucionarán hacia un escenario de 40% de bajada y un 60% de subida. No se trata de un ajuste menor, sino de un cambio disruptivo en la estructura de tráfico que impacta tanto en las redes públicas como en las privadas.

Además, exige que se abandone la idea de la red como un simple canal de distribución para verla como un sistema de recolección de alta capacidad. También conlleva una revisión de los Acuerdos de Nivel de Servicio (SLA) y de la inversión en infraestructura de telecomunicaciones. No se trata simplemente de una cuestión de capacidad bruta, sino de cómo se ha estructurado la red para soportar estos nuevos patrones de comunicación.

Este mismo escenario se está trasladando también a otros elementos clave de la red, como los switches de los centros de datos. Mientras que en entornos corporativos tradicionales aún se debate la renovación hacia equipos de 10 GB, el entrenamiento de modelos de IA exige arquitecturas que operen, como mínimo, a 100 GB, siendo los 400 GB el estándar recomendado para garantizar la fluidez del sistema.

IA para la gestión de la experiencia

Otra de las perspectivas que destacó Víctor Jiménez está relacionada con lo que en Huawei se entiende por campus, un concepto que ha trascendido la mera delimitación física de oficinas para convertirse en el tejido donde convergen personas, dispositivos y procesos. Esta evolución deja atrás una gestión basada en la conectividad básica y da paso a una centrada en la gestión de la experiencia granular del usuario, donde la infraestructura de red actúa como un sensor inteligente y proactivo.

Este nuevo enfoque permite, por ejemplo, detectar posibles retardos en la conexión de un directivo en una videoconferencia, y hacer que la red, de forma autónoma, analice el problema y ejecute acciones correctivas como el ajuste de niveles de señal o la reasignación de recursos de radio. Todo ello sin intervención humana y, a menudo, antes de que el usuario perciba la degradación del servicio.

Más que un simple canal de distribución, hay que ver la red como un sistema de recolección de alta capacidad

Una de las aplicaciones que nos mostró durante el evento fue la capacidad de distinguir perfiles de usuario basados en su relevancia operativa para la organización y asignarles de forma dinámica etiquetas de prioridad. Este tratamiento VIP garantiza que los recursos de red se desplacen allí donde el valor de la sesión es más alto.

Otro de los puntos donde el directivo puso el foco fue en la convergencia de redes e IoT, una sinergia que permite, por ejemplo, el uso de sensores para gestionar el acceso físico a edificios o la posibilidad de emplear los puntos de acceso Wi-Fi también como sensores de presencia, lo que permitiría activar alarmas, sistemas de iluminación o cámaras de seguridad de forma automatizada al detectar movimiento en una estancia.

Como punto final a este recorrido, el directivo compartió también cómo su visión integral de la infraestructura alcanza su máxima expresión cuando se integra también la gestión del consumo energético del campus. Gracias a sistemas de IA que analizan variables externas como el precio de la electricidad y las condiciones ambientales, las organizaciones pueden optimizar sus sistemas de refrigeración y generación de energía, logrando una eficiencia que impacta directamente en la cuenta de resultados y en los objetivos de sostenibilidad.