La informática perimetral es un enfoque de informática distribuida en el que los datos se procesan más cerca de donde se crearon, como en plantas de fábrica, en tiendas, en vehículos y en sitios remotos, en lugar de depender únicamente de centros de datos en la nube centralizados. En 2026, la informática perimetral incluye cada vez más IA perimetral: ejecutar modelos de IA localmente para obtener información y automatización en tiempo real, mientras que envía solo lo necesario a la nube para la coordinación, el almacenamiento y los análisis más profundos.

• Decisiones más rápidas y menor latencia: ejecución de análisis e inferencia de IA donde se generan datos para admitir la respuesta en tiempo real (por ejemplo, comprobaciones de calidad, monitoreo de seguridad, robótica).

• Mayor resiliencia: Mantén las cargas de trabajo críticas funcionando incluso con conectividad limitada o intermitente a la nube o al centro de datos.

• Privacidad y soberanía de los datos mejoradas: Procesa datos confidenciales localmente (video, datos de pacientes, IP de producción) y comparte solo las salidas necesarias para admitir el cumplimiento y la gobernanza.

• Optimización de ancho de banda y costos: Reduce el tráfico de backhaul filtrando, agregando y actuando en función de los datos en el borde, enviando excepciones, resúmenes o resultados de modelos a la nube.

• Implementación escalable y flexible: Distribuye la computación donde se necesita en sitios, líneas y zonas, mientras estandarizas el hardware, la seguridad y la gestión de la flota.

La IA es un importante impulsor de la adopción de bordes. Con Edge AI, los modelos se ejecutan localmente (en el dispositivo) para convertir los datos del sensor, el video y la máquina en decisiones en tiempo real sin esperar a la nube. Esto permite casos de uso como visión artificial y detección de defectos, mantenimiento predictivo, monitoreo de seguridad, robots móviles autónomos (AMR), quioscos inteligentes, análisis de video y más. Ejecutar inferencia en el borde también puede mejorar la privacidad, reducir el ancho de banda y mantener las operaciones en marcha incluso cuando la conectividad está restringida.

Edge y la nube a menudo son complementarios, no compiten. Sin embargo, Edge generalmente se usa para obtener respuesta en tiempo real, autonomía local y reducción de datos; sin embargo, la nube se usa para obtener visibilidad centralizada, almacenamiento a largo plazo, análisis a gran escala y entrenamiento de modelos. Muchas implementaciones exitosas usan ambos: inferir y actuar en el límite, luego sincronizar los resultados y mejorar los modelos a través de la nube.

• Donde ocurre el cómputo: la informática perimetral ejecuta cargas de trabajo cerca de dispositivos y sensores; la informática en la nube ejecuta cargas de trabajo en centros de datos centralizados.

• Latencia y control en tiempo real: Edge está optimizado para una respuesta inmediata; la nube es ideal para el procesamiento a gran escala que puede tolerar viajes de ida y vuelta a la red.

• Movimiento de datos: Edge filtra y analiza datos localmente y envía solo lo que se necesita aguas arriba; la nube centraliza los datos para el almacenamiento a largo plazo, el análisis entre sitios, el entrenamiento de modelos y la orquestación.

• Expectativas de conectividad: Las soluciones Edge están diseñadas para operar a través de conectividad intermitente; las soluciones en la nube asumen una conectividad confiable. En la práctica, la mayoría de los clientes adoptan un enfoque híbrido: borde para inferencia y control en tiempo real, nube para visibilidad y mejoras a nivel de flota.

Edge y la nube no son enfoques competidores, sino que funcionan mejor juntos. Las comparaciones de costos dependen de la carga de trabajo, la escala y la conectividad, pero una forma práctica de pensarlo es donde los costos variables están vivos. Las soluciones Edge suelen implicar una mayor inversión inicial en el dispositivo (CapEx), además de soporte y administración fijos, mientras que las soluciones en la nube desplazan más costos en OpEx basados en el consumo (computación, almacenamiento, solicitudes) y los cargos de red.

En un modelo híbrido, Edge maneja el procesamiento en tiempo real y el filtrado de datos localmente, lo que puede reducir el backhaul y el gasto continuo en la nube, mientras que la nube admite análisis centralizados, la orquestación y las cargas de trabajo ráfagas. Esta combinación permite a las organizaciones equilibrar el rendimiento y los costos de forma más efectiva.

Para lograr la previsibilidad de los gastos, las implementaciones de borde a menudo son más fáciles de pronosticar una vez que se selecciona el hardware (dispositivo, ciclo de vida y soporte), mientras que los costos de la nube pueden variar con la utilización, la retención de datos y la salida de datos. Un modelo completo debe incluir el ciclo de vida y el mantenimiento del dispositivo, las herramientas de administración y licencias de software, la conectividad, las operaciones en el sitio (por ejemplo, visitas de servicio) y los costos de la nube para almacenamiento, la orquestación y la capacitación de modelos. Lenovo puede ayudar a los clientes a dimensionar correctamente la infraestructura y diseñar un enfoque híbrido que alinee el costo, el rendimiento y la previsibilidad.

Lenovo ThinkEdge es una cartera de dispositivos resistentes diseñados para ejecutar cargas de trabajo industriales modernas, desde la captura de datos y la conectividad hasta la inferencia de IA en tiempo real. En 2026, la línea abarca puertas de enlace inteligentes compactas (SE10n Gen2, SE30n Gen2), una PC de panel industrial todo en uno (SE50a) y una PC industrial de alto rendimiento optimizada para IA (SE60n Gen2) diseñada para cargas de trabajo exigentes de IA en el borde y necesidades de expansión.

En general, opta por un dispositivo basado en parámetros como la intensidad de la carga de trabajo, los requisitos de conectividad y las restricciones ambientales:

• SE10n Gen2: Gateway compacta y de nivel básico sin ventilador para la captura de datos confiable y la conectividad OT/IT en implementaciones con espacio limitado. Ideal para conectar equipos, recopilar datos y ejecutar cargas de trabajo ligeras en el borde.

• SE30n Gen2: Gateway inteligente de próxima generación con aceleración de IA mejorada (hasta 26 TOPS con NPU discreta opcional) y E/S robusta para análisis perimetral y conectividad multidispositivo. Ideal para una automatización más inteligente, la integración de varias cámaras o sensores y las implementaciones de gateway escalables.

• SE50a: PC de panel industrial todo en uno que combina capacidad de cálculo y una pantalla multitáctil (12,1", 15,6" o 21,5"). Diseñada para flujos de trabajo orientados al operador, como HMI, monitoreo de línea, quioscos e inspección visual, con procesamiento local significativo de IA y protección robusta (clasificación IP65 frontal).

• SE60n Gen2: PC industrial de alto rendimiento y sin ventilador diseñada para Edge AI. SE60n Gen2 es compatible con análisis e inferencias exigentes en tiempo real (hasta 97 TOPS con NPU integrada en Intel Core Ultra). Está diseñada para entornos exigentes con E/S expansivas, opciones de expansión modular y soporte de ciclo de vida largo; ideal para visión artificial, detección de defectos, robótica/AMR y análisis de video.

Sí. Muchos proyectos perimetrales tienen éxito más rápido cuando los clientes pueden combinar hardware validado con software probado. Lenovo trabaja con un grupo de proveedores de ISV certificados por Lenovo y socios de soluciones en áreas como la automatización industrial, la visión por computadora, el análisis de video y la gestión de dispositivos. Usar stacks validados puede reducir el esfuerzo de integración, acortar el tiempo de implementación y reducir el riesgo. Todo ello al tiempo que permite a los clientes elegir el software adecuado para su industria y sus requisitos.

Las implementaciones de Edge tienen éxito cuando los dispositivos se pueden administrar a escala. Los sistemas Lenovo ThinkEdge pueden ser compatibles con Lenovo Device Orchestration (LDO), una experiencia de administración de endpoints basada en la nube que ayuda a los equipos a monitorear el estado del dispositivo, hacer inventario de hardware, tomar acciones remotas y usar información impulsada por IA para reducir proactivamente el tiempo de inactividad, sin requerir que los clientes creen una nueva infraestructura de administración.

Los requisitos clave suelen incluir confiabilidad sin ventilador, amplios rangos de temperatura operativa, protección contra la entrada de polvo, E/S extensa para equipos antiguos y modernos y seguridad de nivel empresarial (por ejemplo, TPM 2.0), además de funciones de recuperación como temporizadores de vigilancia. Para los sitios distribuidos, la administración remota (como Intel vPro^, cuando corresponda) y un ciclo de vida largo del producto también son fundamentales para minimizar los rollos de camiones y mantener las implementaciones estables durante años.

• Internet de las cosas (IoT): Permite el análisis en tiempo real y la toma de decisiones para dispositivos conectados, lo que reduce los tiempos de respuesta y permite la automatización localizada.

• Ciudades inteligentes: Procesa datos más cerca de la fuente para admitir aplicaciones como la gestión del tráfico, la supervisión de seguridad pública y la supervisión ambiental.

• Automatización industrial: Admite un procesamiento y control más rápidos en fabricación, mantenimiento predictivo, robótica y visión artificial.

• Venta minorista: Potencia información de inventario en tiempo real, prevención de pérdidas y experiencias en la tienda sin depender de la conectividad constante en la nube.

• Atención médica: permite la supervisión remota de pacientes, soporte de diagnósticos casi en tiempo real y una respuesta más rápida en escenarios críticos mientras mantienes los datos confidenciales locales.

• Complejidad de la infraestructura: Identificar e implementar la infraestructura adecuada en ubicaciones distribuidas puede ser un desafío, especialmente cuando se equilibra el rendimiento, la escalabilidad y los requisitos operativos.

• Seguridad: Asegurar los dispositivos perimetrales y garantizar la privacidad de los datos puede ser un desafío, ya que los entornos perimetrales pueden tener diversos requisitos de seguridad y recursos limitados para una protección robusta.

• Dimensionar correctamente la infraestructura: elegir la combinación adecuada de cálculo, aceleración, almacenamiento, redes y administración para cada sitio puede ser difícil, especialmente cuando se escala en muchas ubicaciones con diferentes restricciones. Una evaluación y una arquitectura de referencia claras ayudan a estandarizar las implementaciones y evitar el aprovisionamiento excesivo o insuficiente.

• Sincronización de datos: Coordinar el procesamiento de datos y la sincronización entre dispositivos periféricos y la nube central puede ser complicado, especialmente en entornos dinámicos.

• Implementación y gestión de aplicaciones: Garantizar una implementación y gestión consistentes de aplicaciones en una infraestructura perimetral distribuida puede ser un desafío sin las herramientas y los marcos adecuados.