Micromotores
La Celda IA Edge PRO es una infraestructura Edge AI lista para usar, diseñada para laboratorios universitarios de ingeniería. Tres módulos NVIDIA Jetson Orin NX 8GB, tres cámaras IP PoE, switch gestionable con VLANs y fuente industrial Mean Well, todo en una estructura portátil de aluminio y acrílico. Tiempo de setup: cero.
Cada Jetson opera de forma completamente independiente con su propia VLAN, su propia cámara y acceso simultáneo al PC del estudiante y a internet. Tres grupos trabajan en paralelo sin interferirse — igual que en un entorno industrial real. El panel táctil de 5″ muestra el consumo de corriente de cada nodo en tiempo real y permite encender o apagar cada módulo de forma segura.
La diferencia principal con la celda estándar es que la versión PRO no solo tiene un 43% más de capacidad de procesamiento de IA sino que también está equipada con un núcleo DLA, el DLA es un motor de inferencia de redes neuronales completamente separado de la GPU. Físicamente son dos chips distintos dentro del mismo SoC. Cuando TensorRT compila un modelo para DLA, ese modelo corre en el acelerador dedicado sin tocar la GPU — y viceversa. El resultado es que los dos pipelines corren simultáneamente con rendimiento predecible, sin contención de memoria y con consumo energético menor que correr ambos en GPU.
Esto se traduce en que con la NX super se pueden hacer aplicaciones con capacidades diferentes y que cada aplicación pueda correr una en el DLA y otra en la GPU, por ejemplo el stream de una cámara puede esta siendo procesado por el DLA mientras La GPU simultáneamente analiza el comportamiento con un modelo de clasificación de acciones .
Características
- Módulos de cómputo: 3 × NVIDIA Jetson orin Nx 8GB Super, 117 TOPS cada uno (351 TOPS totales), con Ubuntu y JetPack preinstalados y configurados.
- Visión: 3 × Cámara IP Dahua 2MP con alimentación PoE, una asignada a cada Jetson, lista para transmisión de video en tiempo real.
- Red: Switch gestionable TP-Link 16 puertos, Capa 2, PoE+. Cada Jetson dispone simultáneamente de: puerto para cámara IP (PoE), conexión al PC del estudiante y acceso a internet — sin alternar cables.
- VLANs: Una red virtual independiente por nodo Jetson, preconfiguradas, permite simular arquitecturas de red industriales reales con aislamiento total entre grupos.
- Panel de gestión: Pantalla táctil de 5 pulgadas integrada en el chasis. Control individual de encendido y apagado por módulo, medición de consumo de corriente en tiempo real.
- Alimentación: Fuente industrial Mean Well, entrada 110/220VAC 50/60Hz. Toda la distribución DC interna está cableada y organizada dentro del chasis.
- Chasis: Estructura portátil en perfil de aluminio anodizado con paneles laterales en acrílico. El mismo rack es el sistema de almacenaje — no se requieren cajas adicionales para guardar los módulos entre clases.
- Comunicación: Conexión a la red del laboratorio por un único cable Ethernet de uplink. Conexión eléctrica por un único tomacorriente de 110VAC.
- Software preinstalado: Ubuntu + JetPack en cada Jetson, VLANs configuradas. Listo para correr YOLO, OpenCV, TensorFlow Lite, PyTorch, Ollama y cualquier librería compatible con la arquitectura ARM + GPU NVIDIA.
- Expansibilidad: Puertos Ethernet adicionales en el switch para conectar NAS de almacenamiento, nodos Jetson adicionales, servidores de modelos o cualquier dispositivo de red compatible.
Arquitectura del rack
La Celda IA Edge implementa tres capas de trabajo simultáneas e independientes:
- Capa de cómputo: Cada Jetson Orin Nano 8GB Super ejecuta inferencia de modelos IA directamente en el hardware, sin depender de la nube. La GPU integrada con 1177 TOPS de rendimiento permite correr modelos de detección de objetos, segmentación semántica y clasificación en tiempo real sobre el flujo de video de su cámara asignada.
- Capa de conectividad: El switch gestionable con VLANs crea redes virtuales completamente aisladas para cada nodo. Un estudiante conectado a la Jetson 1 no tiene visibilidad sobre la Jetson 2 ni la Jetson 3, simulando la arquitectura de segmentación de red que encontrará en entornos industriales reales. El acceso a internet y al PC del desarrollador coexiste en la misma VLAN sin conflictos.
- Capa de interfaz y gestión: El panel táctil centraliza el control operativo de todos los módulos. El docente puede gestionar el estado de cada Jetson individualmente, y los estudiantes pueden observar en tiempo real cómo el consumo de corriente varía según la carga computacional de su algoritmo, una métrica de eficiencia que no existe cuando se trabaja en simuladores o en la nube.
Impacto académico — formamos al ingeniero del 2030
Esta celda no enseña solo herramientas de hoy. Prepara al estudiante para tecnologías que aún no están completamente implementadas, pero cuyos fundamentos ya están aquí. Cada asignatura tiene dos dimensiones: lo que aprende hoy con competencia inmediata sobre hardware real, y lo que eso le habilita mañana cuando esas tecnologías sean el estándar de la industria. ten en cuenta que este producto no tiene guías de estas materias, lo que te presentamos aquí es lo que puedes llegar a hacer.
Esta celda no enseña solo herramientas de hoy. Prepara al estudiante para tecnologías que aún no están completamente implementadas, pero cuyos fundamentos ya están aquí. Cada asignatura tiene dos dimensiones: competencia inmediata sobre hardware real y habilitación futura cuando esas tecnologías sean el estándar de la industria.
- Visión Artificial · Ing. Sistemas · Electrónica · Mecatrónica · Semestres 6–9
Aprende hoy: YOLOv8 en tiempo real en GPU + segundo modelo simultáneo en DLA sin pérdida de FPS · benchmarking GPU vs DLA en vatios · modelos YOLOv8m/l que no caben en el Nano.
Lo prepara para mañana: Sistemas de inspección con múltiples modelos simultáneos en producción · robots colaborativos que procesan visión y deciden en paralelo sin latencia de red. - Procesamiento Digital de Imágenes · Todos · Semestres 4–6
Aprende hoy: Dos streams de cámara simultáneos · preprocesamiento CPU mientras DLA infiere en paralelo · comparativa de latencia con y sin DLA activo.
Lo prepara para mañana: Sistemas multistream procesados localmente · infraestructura de ciudad inteligente con video on-device por privacidad. - Sistemas Embebidos · Electrónica · Mecatrónica · Semestres 5–8
Aprende hoy: CPU + GPU + DLA en el mismo SoC · asignación de workloads por eficiencia energética · perfiles de potencia 25W vs 40W Super Mode con nvpmodel · gestión de throttling térmico real.
Lo prepara para mañana: Co-diseño hardware-algoritmo en SoCs heterogéneos · chips con CPU, GPU, NPU y DSP integrados. - Redes de Computadores · Sistemas · Electrónica · Semestres 4–7
Aprende hoy: VLANs reales · dos streams RTSP simultáneos por nodo · QoS diferenciado por tipo de tráfico · red que soporta inferencia multimodelo en paralelo.
Lo prepara para mañana: Redes industriales para sistemas multistream · segmentación OT/IT con nodos de inferencia paralela. - Telemática · Sistemas · Electrónica · Semestres 6–9
Aprende hoy: MQTT publicando resultados de GPU y DLA en tópicos paralelos · Node-RED orquestando dos pipelines simultáneos · comparativa de latencia entre aceleradores.
Lo prepara para mañana: OPC-UA con datos de aceleradores heterogéneos · digital twins alimentados por inferencia multimodelo en tiempo real. - Inteligencia Artificial · Todos · Semestres 6–9
Aprende hoy: LLM 7B con Ollama corriendo simultáneamente con YOLO en DLA · RAG con mayor contexto · LangChain conectando visión y lenguaje en un pipeline unificado.
Lo prepara para mañana: Agentes IA multimodales que ven, razonan y actúan en el borde · procesamiento local como requisito legal en sectores críticos. - Machine Learning · Todos · Semestres 5–8
Aprende hoy: Fine-tuning de modelos YOLOv8m/l · compilación para DLA con TensorRT · comparativa del mismo modelo en GPU vs DLA como práctica de optimización de producción.
Lo prepara para mañana: Optimización para hardware heterogéneo · on-device learning sin enviar datos a la nube. - Microcontroladores y Arquitecturas · Electrónica · Mecatrónica · Semestres 3–6
Aprende hoy: Tres unidades de cómputo físicamente separadas — CPU, GPU y DLA — en un solo SoC · impacto real de asignar un modelo al DLA vs GPU en vatios y frecuencia de reloj · paralelismo a nivel de hardware.
Lo prepara para mañana: SoCs industriales con múltiples aceleradores · evaluación por TOPS/vatio por acelerador · computación neuromórfica.
¿Qué incluye?
- 3 × NVIDIA Jetson Orin NX super 8GB (configuradas con Ubuntu + JetPack)
- 3 × Cámara IP Dahua 2MP PoE
- 1 × Switch gestionable TP-Link 16p Capa 2 PoE+
- 1 × Fuente industrial Mean Well
- 1 × Panel táctil de gestión 5″
- 1 × Chasis portátil aluminio + acrílico con cableado interno organizado
- VLANs preconfiguradas (Plug & Play)
- Software pre-instalado:
-
- Sistema base Ubuntu 22.04 LTS con NVIDIA JetPack 6. Incluye CUDA, cuDNN, TensorRT y GStreamer — el ecosistema completo de desarrollo IA de NVIDIA para hardware embebido, instalado y validado de fábrica.
- Inferencia y modelos de lenguaje Ollama con soporte para modelos LLM locales. Permite desplegar y consultar modelos de lenguaje como Llama 3, Phi-3 y Gemma directamente en el hardware, sin conexión a la nube y sin costo por uso.
- Visión artificial Ultralytics YOLOv8 con soporte TensorRT optimizado para la GPU de la Jetson. OpenCV con bindings Python listos para procesar el flujo de video RTSP de la cámara IP incluida en el rack.
- Entorno de desarrollo JupyterLab accesible desde el browser del PC del estudiante — sin instalar nada en el computador. El estudiante abre el navegador, escribe la IP de su Jetson y ya tiene un entorno de notebooks interactivo sobre el hardware real.
- VLANs y red Switch con VLANs preconfiguradas. Cada Jetson tiene su red virtual aislada con acceso simultáneo a la cámara IP, al PC del estudiante y a internet — sin configuración adicional.
- Documentación: guía de inicio rápido, Ficha técnica
- Capacitación 4 horas para explicar conexionado base, encendido del sistema, como acceder a cada Jetson, como correr un programa de ejemplo, como administrar el Switch, la capacitación es de uso del rack no de IA
Aplicaciones
- Visión artificial e inferencia en el borde Despliegue de modelos YOLO, detección y seguimiento de objetos, clasificación de imágenes, segmentación semántica y estimación de pose directamente sobre hardware embebido con GPU dedicada. Los estudiantes trabajan con el mismo tipo de hardware que encontrarán en líneas de producción, sistemas de vigilancia inteligente y vehículos autónomos.
- Sistemas embebidos y optimización de modelos Cuantización y optimización con TensorRT, comparación de rendimiento entre modelos en condiciones reales de memoria y energía limitada, programación en C++ y Python sobre JetPack, y despliegue de pipelines de inferencia en producción.
- Redes de computadores y telemática Configuración y diagnóstico de VLANs, arquitecturas cliente-servidor sobre hardware real, implementación de protocolos de streaming RTSP, segmentación de red por función y simulación de topologías industriales Ethernet.
- Inteligencia artificial y machine learning Entrenamiento de modelos ligeros en el borde, fine-tuning de modelos preentrenados, benchmarking de arquitecturas con métricas de latencia y consumo energético, e integración de pipelines de datos con almacenamiento local o NAS.
- IoT industrial e Industria 4.0 Integración de la Jetson como nodo edge en arquitecturas MQTT, publicación de datos de inferencia hacia brokers centrales, implementación de flujos de trabajo en Node-RED y conexión con sistemas SCADA o dashboards industriales.
- Asistentes de IA locales y RAG Despliegue de modelos de lenguaje locales con Ollama, construcción de sistemas RAG (Retrieval-Augmented Generation) sobre documentos del laboratorio o la institución, e integración con interfaces de voz tipo Xiaozhi sin enviar datos a la nube.
Links de interés
Ejemplo de uso
Valoraciones
No hay valoraciones aún.