A medida que la IA física se convierte en el sector más reciente en desarrollar a la velocidad de la luz, el crecimiento y éxito de los robots humanoides dependerá inevitablemente de una base sustentada en el almacenamiento flash.
Si bien la inteligencia artificial (IA) ha demostrado ser especialmente eficaz para responder dudas, muchos se preguntan de qué otras maneras esta tecnología puede ayudarnos en la vida cotidiana.
Para Eduardo Alexandri, director general de Sandisk para América Latina, la realidad es que ya estamos comenzando a ver la siguiente etapa de la IA, donde la inteligencia ha salido de la pantalla para integrarse al mundo físico.
Esta transición, conocida como “IA física”, permite que las máquinas perciban, comprendan, razonen e interactúen de manera natural con el entorno. A medida que este cambio se acelera, transforma la manera en que los sistemas inteligentes se diseñan, implementan y escalan, con importantes implicaciones para el Edge computing, la latencia y el almacenamiento local de datos de alto rendimiento.
Actualmente, ya convivimos con aplicaciones de IA física a través los vehículos autónomos, los drones y, desde luego, los robots. Estas tecnologías son verdaderas maravillas de la ingeniería, pero la siguiente evolución de la IA física, es decir, la era de los robots humanoides, es aún más compleja.
De la IA colaborativa en la periferia (Edge) a la próxima frontera de la robótica
Los primeros robots móviles surgieron a inicios de la década de 1970 3 y estaban especializados principalmente en tareas como soldadura y manejo de materiales. Estos robots, basados en sistemas operativos en tiempo real (RTOS, por sus siglas en inglés) y controlados de manera centralizada, garantizaban un funcionamiento fluido en entornos donde era necesario realizar una programación precisa a gran escala. Asimismo, contaban con capacidades limitadas de almacenamiento local ,apenas unos cuantos kilobytes (kb) de RAM, y los datos se enviaban y almacenaban en computadoras externas o PCs. Desde 2019, la IA ha evolucionado rápidamente y ha dejado de depender exclusivamente de arquitecturas centralizadas en la nube para operar también en el Edge, permitiendo inferencias y toma de decisiones localizadas en tiempo real.
Esto se denomina “IA colaborativa en el Edge” y es resulta fundamental en situaciones donde cada milisegundo marca la diferencia, como ocurre en los vehículos autónomos.
Otro ejemplo son los robots móviles autónomos (AMR, por sus siglas en inglés), equipados con capacidades de planeación autónoma de rutas y evasión dinámica de obstáculos, tal como en entornos de almacenes y centros logísticos. A medida que aumenta la inteligencia o capacidad de inferencia en la periferia, también crece la necesidad de almacenamiento local. Además, debido a que estos dispositivos de IA requieren acceder a los datos con mayor rapidez, el almacenamiento flash de alto rendimiento se vuelve esencial para garantizar su funcionamiento eficiente.
Actualmente, estos dispositivos ya incorporan almacenamiento flash en gigabytes (GB). Lo que viene a continuación podría convertirse en una de las etapas más emocionantes de la evolución de la IA: la era de los robots humanoides.
Comienza una nueva era para los robots humanoides
Se proyecta que el número de robots humanoides alcanzará 1.4 millones de unidades hacia mediados de la década de 2030, una cifra que incluso podría aumentar, ya que la inversión en este sector está creciendo más rápido de lo previsto.
Este caso de uso de la IA física depende de un almacenamiento flash de alta velocidad impulsado por NVMe. Además de albergar localmente los datos de entrenamiento, la IA física será capaz de inferir y aprender de manera continua, sin la necesidad de programar manualmente cada comportamiento, lo que incrementará aún más la cantidad de datos almacenados en el dispositivo y, por consiguiente, la necesidad de almacenamiento local.
Desde aprender cuánta presión soporta una fruta delicada y qué ocurre cuando se supera ese límite, hasta comprender qué sucede cuando un vaso no está correctamente equilibrado sobre una mesa, la IA física aprende continuamente a partir de sus interacciones con el mundo que la rodea, complementando y enriqueciendo la información que ya posee.
Asimismo, las grabaciones en tiempo real de las múltiples cámaras integradas en estos robots, utilizadas para la detección de anomalías y la reproducción de simulaciones, incrementarán aún más los requerimientos de almacenamiento.
El almacenamiento en el Edge se utiliza para la toma de decisiones y el almacenamiento temporal en caché, mientras que la información más importante se envía de regreso a la nube para su almacenamiento a largo plazo y el entrenamiento centralizado de modelos.
Resolver la paradoja del almacenamiento
Sin embargo, no existe un enfoque único para todos los casos, ya que los distintos tipos de robots humanoides tendrán diferentes requerimientos de almacenamiento.
Un robot humanoide industrial almacena grandes conjuntos de datos de los modelos de Vision Language Action (VLA), información proveniente de múltiples cámaras con sensores LiDAR (detección y medición por luz), modelos locales de inferencia de IA, registros de movimiento de alta frecuencia y datos de telemetría para mantenimiento.
Este tipo de robots podría requerir múltiples terabytes (TB) de unidades de estado sólido NVMe™ (SSD). Por otro lado, un robot humanoide de propósito general o “humanoide corporizado” (embodied humanoid robot) ejecutará localmente modelos fundacionales multimodales y modelos del mundo que integran voz, visión y control, con modelos de lenguaje de gran escala (LLM, por sus siglas en inglés) y modelos de difusión implementados en la periferia para reducir la latencia.
Estos podrían necesitar hasta el doble de almacenamiento local que un robot humanoide industrial, mientras que los robots humanoides destinados a operaciones de campo o zonas de riesgo podrían requerir aún más capacidad de almacenamiento local o en la periferia.
Una gran cantidad de los datos recopilados por los robots humanoides se enviará a los centros de datos para fines de entrenamiento e inferencia. Esto representa un cambio significativo en la arquitectura de los centros de datos.
Las cargas de trabajo de IA requieren acceder a los datos con mayor frecuencia y velocidad, lo que crea la necesidad de lagos de datos más veloces. Por lo tanto, las unidades SSD de alta capacidad y alto rendimiento basadas en la tecnología UltraQLC se convierten en un elemento fundamental.
A medida que la IA física se convierte en el sector más reciente en desarrollar a la velocidad de la luz, el crecimiento y éxito de los robots humanoides dependerá inevitablemente de una base sustentada en el almacenamiento flash.
DERECHOS DE AUTOR
Esta información pertenece a su autor original y se encuentra en el sitio https://boletin.mx/2026/07/17/la-era-de-la-ia-fisica-y-el-papel-del-almacenamiento-flash/
