La computación perimetral es un enfoque de computación distribuida en el que los datos se procesan más cerca de donde se crean, como en las fábricas, las tiendas, los vehículos y las ubicaciones remotas, en lugar de depender únicamente de los centros de datos en la nube centralizados. En 2026, la computación perimetral incluye cada vez más Edge AI: ejecutar modelos de IA localmente para obtener información y automatización en tiempo real, mientras que solo se envía lo necesario a la nube para coordinación, almacenamiento y un análisis más profundo.

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

• Mayor resiliencia: Mantén las cargas de trabajo críticas en funcionamiento 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 apoyar el cumplimiento y la gobernanza.

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

• Implementación escalable y flexible: Distribuye la computación donde se necesite entre sitios, líneas y zonas mientras estandarizas el hardware, la seguridad y la administración 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 de sensores, video y máquinas en decisiones en tiempo real sin esperar en 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. La inferencia de ejecución en el borde también puede mejorar la privacidad, reducir el ancho de banda y mantener las operaciones en movimiento incluso cuando la conectividad es restringida.

El borde y la nube a menudo se complementan, no compiten. Sin embargo, Edge normalmente se usa para respuesta en tiempo real, autonomía local y reducción de datos; la nube se usa para visibilidad centralizada, almacenamiento a largo plazo, análisis a gran escala y entrenamiento de modelos. Muchas implementaciones exitosas utilizan ambas: inferir y actuar en el borde, luego sincronizar los resultados y mejorar los modelos a través de la nube.

• Donde sucede la computación: la computación perimetral ejecuta cargas de trabajo cerca de dispositivos y sensores; la computación en la nube ejecuta cargas de trabajo en centros de datos centralizados.

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

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

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

El borde y la nube no son enfoques que compiten: 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 viven las variables costos. Las soluciones de Edge normalmente implican más inversión inicial en dispositivos (CapEx) y soporte y administración fijos, mientras que las soluciones de nube cambian más costos a OpEx basados en el consumo (cálculo, almacenamiento, solicitudes) y 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, orquestación y cargas de trabajo de ráfaga. Esta combinación permite a las organizaciones equilibrar el rendimiento y los costos de forma más efectiva.

Para ofrecer 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, licencias de software y herramientas de gestión, conectividad, operaciones en el sitio (por ejemplo, visitas de servicio) y costos en la nube para almacenamiento, orquestación y capacitación del modelo. 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 perimetrales 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 y necesidades de expansión de IA exigentes.

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: puerta de enlace compacta y de nivel básico sin ventilador para captura de datos y conectividad de OT/TI confiables en implementaciones con espacio restringido. Ideal para conectar equipos, recopilar datos y ejecutar cargas de trabajo ligeras en los bordes.

• SE30n Gen2: Pasarela inteligente de última generación con aceleración de IA mejorada (hasta 26 TOPS con NPU discreta opcional) y E/S robustas para análisis de borde y conectividad entre múltiples dispositivos. Ideal para una automatización más inteligente, integración de múltiples cámaras o sensores e implementaciones de puertas de enlace escalables.

• SE50a: PC de panel todo en uno industrial que combina computación y una pantalla multitáctil (12.1", 15.6" o 21.5"). Diseñada para flujos de trabajo orientados hacia el operador, como HMI, monitoreo de línea, quioscos e inspección visual, con procesamiento de IA local significativo y protección robusta (clasificación IP65 de la parte delantera).

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

Sí. Muchos proyectos de Edge tienen éxito más rápido cuando los clientes pueden combinar hardware validado con software probado. Lenovo trabaja con un grupo de proveedores ISV y socios de soluciones certificados por Lenovo en áreas como automatización industrial, visión por computadora, análisis de video y administración de dispositivos. El uso de pilas validadas puede reducir el esfuerzo de integración, acortar el tiempo de implementación y reducir el riesgo. Todo mientras permite a los clientes elegir el software adecuado para su industria y requisitos.

Las implementaciones en el borde 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 puntos finales basada en la nube que ayuda a los equipos a monitorear el estado de los dispositivos, hacer inventario de hardware, tomar acciones remotas y usar información impulsada por IA para reducir el tiempo de inactividad de forma proactiva, sin requerir que los clientes creen una nueva infraestructura de administración.

Los requisitos clave suelen incluir confiabilidad sin ventilador, amplios rangos de temperatura de funcionamiento, protección contra la entrada de polvo, E/S extensas 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 sitios distribuidos, la administración remota (como Intel vPro^® donde 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): Habilita el análisis y la toma de decisiones en tiempo real para dispositivos conectados, lo que reduce los tiempos de respuesta y permite la automatización localizada.

• Ciudades inteligentes: Los datos de procesamiento están más cerca de la fuente para admitir aplicaciones como la administración del tráfico, la supervisión de seguridad pública y la supervisión ambiental.

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

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

• Atención médica: Habilita el monitoreo remoto de pacientes, soporte de diagnóstico 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 correcta en ubicaciones distribuidas puede ser un desafío, particularmente cuando se equilibra el rendimiento, la escalabilidad y los requisitos operativos.

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

• Tamaño correcto de la infraestructura: Elegir la combinación correcta de cómputo, 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 sobreaprovisionamiento o el subaprovisionamiento.

• Sincronización de datos: La coordinación del procesamiento de datos y la sincronización entre dispositivos periféricos y la nube central puede ser complicada, particularmente en entornos dinámicos.

• Implementación y administración de aplicaciones: Garantizar la implementación y la administración constantes de aplicaciones en una infraestructura de borde distribuida puede ser un desafío sin las herramientas y los marcos adecuados.