[Especial] Marcio Aguiar de NVIDIA: “Jetson y DGX permiten escalar la IA física desde el borde hasta la supercomputación”

Admin 1 de ago. de 2025 Lectura de 12 minutos

En esta tercera entrega del especial sobre inteligencia artificial y robótica con Marcio Aguiar, director de la División Enterprise de NVIDIA para América Latina, profundizamos en el ecosistema de hardware que da soporte al entrenamiento, simulación y ejecución de IA física.

Desde plataformas Jetson para computación en el borde hasta la infraestructura DGX SuperPOD para modelos fundacionales, esta conversación explora cómo NVIDIA está habilitando nuevas formas de autonomía, escalabilidad y eficiencia energética en robótica avanzada.

La entrevista aborda también el rol de la infraestructura DGX en el entrenamiento de modelos para robots humanoides, el impacto del SuperPOD en la IA física generativa y las diferencias clave entre Jetson Nano, Orin y Thor según su aplicación en proyectos reales.

Puntos clave de la entrevista

Jetson permite ejecutar IA en tiempo real directamente en dispositivos como robots, cámaras y drones, con hasta 275 TOPS y bajo consumo energético.
Jetson Orin Nano democratiza el acceso a IA avanzada con alto rendimiento y precio accesible.
DGX SuperPOD permite entrenar modelos generativos y físicos a gran escala, integrando hasta 72 GPUs Blackwell Ultra y 36 CPUs Grace.
La infraestructura DGX combina simulación (Isaac Lab), entrenamiento (DGX) y despliegue en el borde (Jetson Thor), habilitando interacción autónoma.
Jetson Nano, Orin y Thor responden a segmentos específicos: desde prototipos educativos hasta robótica avanzada con IA generativa.
GR00T N1, el modelo fundacional para humanoides, se entrena íntegramente sobre DGX SuperPOD, combinando razonamiento rápido e intencional.
La arquitectura del SuperPOD acelera la simulación y generación de datos sintéticos, clave para el desarrollo de IA física robusta y escalable.

Jetson y DGX SuperPOD

En el ecosistema de NVIDIA, Jetson y DGX SuperPOD representan dos pilares complementarios que impulsan el desarrollo de inteligencia artificial desde el borde hasta la escala empresarial. Mientras uno habilita la inferencia local en dispositivos compactos, el otro entrega la potencia de cómputo necesaria para entrenar modelos de IA generativa a gran escala.

“Es una plataforma de computación en el borde (edge computing) que permite ejecutar aplicaciones de IA directamente en dispositivos locales, como robots, drones, cámaras inteligentes y sistemas de automatización industrial”.

Este enfoque de cómputo distribuido permite reducir la dependencia de la nube, optimizando la eficiencia de los sistemas autónomos que deben operar con baja latencia y alta confiabilidad.

“Está optimizada para ofrecer alto rendimiento en tareas de visión por computadora, procesamiento de lenguaje natural y toma de decisiones autónoma, todo ello con un consumo energético eficiente”.

Esta capacidad de procesamiento en el dispositivo se complementa con opciones accesibles que democratizan el acceso a la IA para desarrolladores y emprendedores.

“La línea Jetson incluye modelos como el Jetson Orin Nano Super Developer Kit, que ofrece un rendimiento de hasta 67 TOPS (operaciones de tensor por segundo) y un ancho de banda de memoria de 102 GB/s”.

Vista detallada del kit de desarrollo NVIDIA Jetson Xavier NX, que incluye (1) ranura microSD para almacenamiento principal, (2) encabezado de expansión de 40 pines, (3) LED indicador de encendido, (4) puerto USB-C solo para datos, (5) puerto Ethernet Gigabit, (6) cuatro puertos USB 3.1 Tipo A, (7) conector DisplayPort, (8) entrada de energía de 19V tipo barril y (9) conectores MIPI CSI para cámaras. | Imagen Créditos: NVIDIA

Este rendimiento técnico va de la mano con una estrategia de accesibilidad que busca ampliar el ecosistema de desarrolladores más allá de los grandes actores del sector.

“Lo que lo convierte en una opción accesible para desarrolladores, pequeñas empresas y aficionados que buscan integrar capacidades de IA en sus productos sin depender de centros de datos remotos”.

Por otro lado, cuando el desafío requiere entrenar modelos con billones de parámetros, la solución se encuentra en las capacidades empresariales del DGX SuperPOD. Esta plataforma combina recursos de alto rendimiento con arquitectura de red avanzada y almacenamiento optimizado para satisfacer las exigencias de cargas complejas.

“DGX SuperPOD es una infraestructura de IA empresarial de alto rendimiento, diseñada para entrenar e inferir modelos de IA generativa con billones de parámetros”.

Su diseño modular y de propósito intensivo se apoya en una arquitectura pensada para cubrir cada eslabón del proceso de cómputo.

“Esta plataforma combina sistemas DGX con redes NVIDIA Quantum-2 InfiniBand y almacenamiento optimizado, proporcionando una solución integral que abarca computación, almacenamiento, redes y software”.

*Infraestructura NVIDIA DGX SuperPOD, diseñada para entrenamiento masivo de modelos de inteligencia artificial con múltiples nodos DGX interconectados. | Imagen Créditos: NVIDIA

Gracias a esta integración, la plataforma responde a las demandas más exigentes de industrias que trabajan con grandes volúmenes de datos.

“Está especialmente indicada para empresas que requieren capacidades de supercomputación para tareas complejas como el procesamiento de lenguaje natural, la investigación científica y el análisis de datos a gran escala”.

Ambas plataformas responden a una misma necesidad estratégica: habilitar una IA adaptada tanto a soluciones autónomas en tiempo real como a modelos fundacionales de nueva generación.

“Jetson: Permite llevar la inteligencia artificial directamente al lugar donde se generan los datos, reduciendo la latencia y el consumo de ancho de banda, lo que es crucial para aplicaciones en tiempo real como la robótica autónoma y la automatización industrial”.

Esta eficiencia localizada se traduce en ventajas competitivas para aplicaciones en el mundo físico, donde el tiempo de respuesta y la conectividad son factores determinantes.

“DGX SuperPOD: Ofrece una infraestructura escalable y de alto rendimiento que permite a las empresas entrenar modelos de IA avanzados de manera eficiente, acelerando la innovación y la implementación de soluciones basadas en IA en diversas industrias”.

De esta forma, NVIDIA entrega un ecosistema completo que abarca desde el desarrollo y despliegue local hasta la supercomputación centralizada, conectando el mundo físico con el potencial de la inteligencia artificial avanzada.

“Estas plataformas son fundamentales para que las empresas puedan adoptar y escalar soluciones de IA, desde aplicaciones locales en dispositivos hasta implementaciones empresariales a gran escala, impulsando la transformación digital en la región”.

Avances de Jetson en robótica autónoma

Las plataformas Jetson han sido desarrolladas con el objetivo de llevar capacidades avanzadas de inteligencia artificial al borde, es decir, al mismo lugar donde ocurren las acciones en tiempo real. Esto permite reducir la latencia, optimizar recursos y aumentar la autonomía de los dispositivos.

“Las plataformas Jetson, como el Jetson AGX Orin, ofrecen hasta 275 TOPS (operaciones de tensor por segundo), lo que permite ejecutar modelos de IA avanzados en tiempo real”.

Kit de desarrollo NVIDIA Jetson AGX Orin de 64 GB, ideal para prototipado de robots y dispositivos edge con IA avanzada, con hasta 275 TOPS y arquitectura común para emulación de módulos. | Imagen Crédtos: NVIDIA

Este nivel de rendimiento resulta especialmente útil para escenarios donde el procesamiento debe ser inmediato y la precisión no puede comprometerse.

“Esto es esencial para aplicaciones que requieren procesamiento intensivo, como navegación autónoma, visión 3D y manipulación precisa”.

Además, la arquitectura de hardware de estas plataformas está diseñada para maximizar el uso de sensores múltiples y gestionar datos complejos de manera simultánea.

“La memoria de 32 GB LPDDR5 y el soporte para múltiples sensores permiten una integración fluida de datos en entornos dinámicos”.

Para sacar partido de ese poder de cómputo, NVIDIA ha construido un ecosistema de software especializado que facilita el trabajo de los desarrolladores.

“Jetson es compatible con el SDK NVIDIA JetPack, que incluye herramientas como Isaac SDK para robótica, DeepStream para visión por computadora y TensorRT para inferencia optimizada”.

El resultado es una reducción significativa en los tiempos de implementación, con un impacto directo en la eficiencia operativa.

“Esto facilita el desarrollo de aplicaciones de IA en el borde, reduciendo el tiempo de implementación y mejorando la eficiencia operativa”.

Una de las grandes ventajas de esta plataforma es su integración nativa con herramientas de simulación y generación de datos sintéticos, claves para acelerar el entrenamiento de modelos.

“La integración con Isaac ROS2 permite a los desarrolladores crear aplicaciones modulares y escalables”.

Estas capacidades se ven potenciadas cuando se utilizan entornos simulados para crear datasets artificiales con alto grado de realismo.

“Además, la capacidad de generar datos sintéticos mediante simulaciones realistas mejora la precisión de los modelos de IA sin la necesidad de grandes volúmenes de datos reales”.

En paralelo, la estrategia de NVIDIA ha sido también ampliar la accesibilidad de estas soluciones a un segmento más amplio del ecosistema tecnológico.

“La introducción del Jetson Orin Nano Super Developer Kit, con un costo de $249 USD, ofrece a desarrolladores, pequeñas empresas y aficionados una plataforma accesible para crear robots autónomos”.

Esto permite que proyectos innovadores —desde dispositivos IoT hasta sistemas móviles— puedan desarrollarse sin depender de grandes inversiones ni infraestructuras de cómputo.

“Con un rendimiento de hasta 67 TOPS, es ideal para aplicaciones como robots móviles, drones y dispositivos IoT inteligentes”.

Kit NVIDIA Jetson Orin Nano Super Developer: plataforma compacta y asequible para IA generativa en el borde, con soporte completo del ecosistema de software de NVIDIA. | Imágenes Créditos: NVIDIA

Diferencias entre Jetson Nano, Orin y Thor

NVIDIA ha desarrollado una gama de plataformas Jetson que se ajustan a diferentes niveles de complejidad y aplicaciones robóticas. Cada una responde a requerimientos específicos, ya sea en términos de procesamiento, consumo energético o integración de IA generativa.

“Jetson Nano: Ideal para proyectos educativos y prototipos en robótica, permitiendo a estudiantes y desarrolladores crear soluciones innovadoras con un presupuesto limitado”.

Esto lo convierte en una puerta de entrada ideal para quienes comienzan en el desarrollo de soluciones autónomas, sin grandes inversiones iniciales.

“Jetson Orin: Utilizado en la industria manufacturera para automatización, en la agricultura para monitoreo inteligente y en la logística para vehículos autónomos, ofreciendo un rendimiento robusto para aplicaciones exigentes”.

Esta robustez lo posiciona como la opción preferida para entornos de producción donde se requiere respuesta rápida y alto volumen de procesamiento en el borde.

“Thor: Dirigido a proyectos de robótica avanzada y vehículos autónomos de próxima generación, proporcionando la potencia necesaria para ejecutar modelos de IA generativa complejos y sistemas de razonamiento autónomo”.

Su diseño está pensado para afrontar desafíos de autonomía total y modelos fundacionales, como los requeridos por sistemas cognitivos embebidos de nueva generación.

Tabla comparativa de Jetson Nano, Orin y Thor. | Fuente: NVIDIA

Entrenamiento con DGX en robótica humanoide

Los avances en robótica humanoide dependen en gran parte de la capacidad de entrenar modelos de inteligencia artificial altamente complejos. En este contexto, la infraestructura DGX de NVIDIA cumple un rol estratégico como en torno de entrenamiento de alto rendimiento.

“La infraestructura DGX de NVIDIA desempeña un papel fundamental en el entrenamiento de modelos de IA avanzados para robots humanoides. Estos modelos requieren una capacidad de procesamiento masiva para aprender tareas complejas como la manipulación, el equilibrio y la interacción natural con humanos”.

Para lograr esto, la arquitectura DGX se complementa con herramientas específicas diseñadas para maximizar la eficiencia del entrenamiento.

“NVIDIA DGX: Equipados con GPUs H100 o B100, estos sistemas ofrecen la potencia necesaria para entrenar modelos generativos de IA física y modelos fundacionales de robótica. Son esenciales para procesar grandes volúmenes de datos y realizar entrenamientos a gran escala”.

Pero el entrenamiento no se limita a hardware. La simulación cumple un rol igual de crucial, y para eso NVIDIA ha desarrollado plataformas como Isaac Lab.

“NVIDIA Isaac Lab: Una plataforma de simulación que permite entrenar modelos de IA en entornos virtuales realistas. Utiliza técnicas de aprendizaje por refuerzo, imitación y transferencia para enseñar a los robots a realizar tareas específicas”.

Una vez entrenados, estos modelos pueden ser implementados directamente en dispositivos de cómputo en el borde, como Jetson Thor, para ejecutar inferencias en tiempo real.

“NVIDIA Isaac ROS en Jetson Thor: Una vez entrenados, los modelos se implementan en sistemas de computación en el borde, como Jetson Thor, para ejecutar inferencias en tiempo real, permitiendo a los robots interactuar con su entorno de manera autónoma”.

Escalamiento con SuperPOD en IA física

La robótica humanoide exige niveles de cómputo sin precedentes. Para entrenar modelos que emulen capacidades físicas y cognitivas complejas, NVIDIA ha desarrollado una infraestructura capaz de escalar el entrenamiento de IA física de forma eficiente: el SuperPOD.

“El uso de DGX SuperPOD representa un salto cualitativo en la capacidad de procesamiento y flexibilidad para abordar los desafíos del entrenamiento de modelos avanzados, haciendo posible enfrentar tareas de creciente complejidad y volumen de datos”.

Este tipo de escalamiento no solo es necesario por la carga computacional, sino por el tipo de modelos implicados.

“La IA física, que permite a los robots interactuar de manera autónoma y adaptativa con el mundo real, requiere entrenar modelos complejos con billones de parámetros. Estas cargas de trabajo demandan una infraestructura de cómputo masiva y eficiente”.

Disposición completa de un rack SU en la arquitectura DGX SuperPOD, compuesto por sistemas DGX H100 y unidades de distribución eléctrica (PDU), optimizado para alta densidad energética y conectividad InfiniBand. | Figura Créditos: NVIDIA.

Ejemplo de configuración de rack de administración para centros de datos, con switches de red, servidores de gestión, unidades UFM y matrices de almacenamiento distribuidos por niveles. | Imagen Créditos: NVIDIA

La arquitectura específica del SuperPOD, con aceleradores de última generación y memoria de alta velocidad, responde directamente a ese desafío.

“El DGX SuperPOD, equipado con sistemas NVIDIA DGX GB300 que integran hasta 72 GPUs NVIDIA Blackwell Ultra y 36 CPUs Grace, ofrece una capacidad de procesamiento sin precedentes”.

NVIDIA DGX GB300 es un sistema de IA de alto rendimiento, escalable y refrigerado por líquido, basado en superchips Grace Blackwell y compatible con racks NVIDIA MGX. | Imagen Créditos: NVIDIA

Este diseño permite que los robots aprendan no solo desde la experiencia real, sino también desde la simulación, acelerando así el ciclo de aprendizaje.

“Esta arquitectura permite entrenar modelos avanzados de IA física con precisión FP4 y memoria de alta velocidad, fundamentales para tareas de razonamiento en tiempo real en robótica humanoide”.

La simulación es, de hecho, un elemento clave dentro del proceso de entrenamiento en IA física, sobre todo cuando se busca robustez antes del despliegue.

“La robótica humanoide requiere entrenar modelos en entornos virtuales realistas antes de su implementación en el mundo real. El DGX SuperPOD facilita la ejecución de simulaciones complejas y la generación de datos sintéticos, acelerando el proceso de entrenamiento y mejorando la adaptabilidad de los robots”.

Esta capacidad es crítica cuando se trabaja con modelos como GR00T N1, desarrollados específicamente para robots humanoides con razonamiento deliberado.

“NVIDIA ha desarrollado el modelo fundacional GR00T N1, diseñado para robots humanoides. Este modelo utiliza una arquitectura de doble sistema inspirada en la cognición humana, permitiendo respuestas rápidas y razonamiento deliberado”.

Ese entrenamiento se realiza íntegramente sobre SuperPOD, aprovechando su capacidad de manejar datos masivos y simulaciones complejas.

“El entrenamiento de GR00T N1 se realiza en infraestructuras como DGX SuperPOD, aprovechando su capacidad para manejar grandes volúmenes de datos y complejas interacciones”.

Más allá del rendimiento técnico, el SuperPOD ha sido optimizado para facilitar despliegues eficientes y escalables, fundamentales para entornos industriales.

“El DGX SuperPOD permite a las empresas escalar sus operaciones de IA física de manera eficiente. Con capacidades de gestión predictiva inteligente y redes de alta velocidad como NVIDIA Quantum-X800 InfiniBand, se optimiza el rendimiento y se reduce el tiempo de inactividad, acelerando el ciclo de desarrollo de la robótica humanoide”.