Computación en el Borde
La computación en el borde es un paradigma de computación distribuida que acerca la computación y el almacenamiento de datos a las fuentes de datos. Las motivaciones principales son la mejora de los tiempos de respuesta y la reducción del consumo de ancho de banda: al realizar el procesamiento en nodos próximos a los dispositivos que generan datos en lugar de en centros de datos en la nube centralizados, la computación en el borde reduce la latencia de ida y vuelta entre la entrada y la respuesta y elimina la necesidad de transmitir datos brutos a través de redes de área amplia.
La computación en el borde es una arquitectura más que una tecnología específica. Es una forma de computación distribuida sensible a la topología y a la ubicación — el atributo clave es la proximidad física a las fuentes de datos, no una implementación concreta.
Orígenes
Los orígenes de la computación en el borde se remontan a las redes de distribución de contenidos (CDN) creadas a finales de los años 1990 para servir contenido web y de vídeo desde servidores de borde desplegados cerca de los usuarios, reduciendo la latencia de entrega de contenido desde los servidores de origen. A principios de los años 2000, estas redes evolucionaron para alojar aplicaciones en servidores de borde, dando lugar a los primeros servicios comerciales de computación en el borde.
Los sistemas del Internet de las Cosas (IoT) son un motor contemporáneo importante de la computación en el borde. Un concepto erróneo común es que la computación en el borde y el IoT son sinónimos; la computación en el borde es el paradigma más amplio y el IoT es una aplicación de él.
Definición y limitaciones físicas
Una definición ampliamente citada, propuesta por Karim Arabi en un discurso inaugural del IEEE DAC de 2014 y desarrollada más adelante en un seminario del MIT MTL en 2015, define la computación en el borde de forma amplia como "toda la computación fuera de la nube que ocurre en el borde de la red, y más específicamente en aplicaciones donde se requiere procesamiento de datos en tiempo real." Dado que los nodos de computación en el borde no cuentan con las ventajas de climatización controlada de los centros de datos pese a requerir una capacidad de procesamiento sustancial, el diseño de sistemas de computación en el borde debe tener en cuenta restricciones de gestión térmica, seguridad física y fiabilidad energética que no existen en instalaciones centralizadas.
Concepto y volúmenes de datos
La motivación comercial de la computación en el borde descansa en proyecciones sobre el crecimiento del volumen de datos. Se espera que los datos del mundo crezcan un 61 por ciento hasta llegar a 175 zettabytes para 2025 (IDC). Según la firma de investigación Gartner, aproximadamente el 10 por ciento de los datos generados por empresas se procesa fuera de un centro de datos o nube tradicional; Gartner proyectó que esta cifra alcanzaría el 75 por ciento para 2025.
El objetivo de la computación en el borde es trasladar la computación desde los centros de datos hacia el borde de la red, aprovechando objetos inteligentes, teléfonos móviles y pasarelas de red para realizar tareas y proporcionar servicios en nombre de la nube.
Propiedades
Privacidad y seguridad. La naturaleza distribuida de la computación en el borde introduce un cambio en los esquemas de seguridad. Los datos que viajan entre nodos distribuidos requieren mecanismos de cifrado independientes de los modelos de seguridad en la nube. La propiedad de los datos se transfiere de los proveedores de servicios a los usuarios finales.
Escalabilidad. Los sistemas distribuidos de borde deben acomodar dispositivos heterogéneos con distintas restricciones de rendimiento y energía, condiciones altamente dinámicas y una fiabilidad de conexión variable, en comparación con la infraestructura más robusta de los centros de datos en la nube.
Fiabilidad. La gestión de conmutaciones por error (failover) es crucial para mantener la continuidad del servicio. Los dispositivos de computación en el borde deben mantener conciencia de la topología de red del sistema distribuido general, lo que permite detectar y recuperarse de fallos de nodo.
Ganancias de velocidad y eficiencia
Velocidad. La computación en el borde acerca los recursos analíticos a los usuarios finales, aumentando la capacidad de respuesta. Las aplicaciones que dependen de tiempos de respuesta cortos — sistemas IoT, conducción autónoma, reconocimiento facial (que tarda a un ser humano de 370 a 620 ms en realizar) — se benefician sustancialmente del procesamiento en el borde. La inteligencia artificial en el borde (Edge AI) implementa inteligencia artificial en el entorno de computación en el borde, cerca de donde se recopilan los datos.
Eficiencia. Al usar servidores en una red de borde local para realizar el procesamiento computacionalmente intensivo, los datos solo necesitan transmitirse a través de la red local; evitar la transmisión por internet resulta en ahorros significativos de ancho de banda. El reconocimiento de voz es un ejemplo representativo: realizarlo localmente permite enviar el texto reconocido a la nube en lugar de grabaciones de audio bruto.
Aplicaciones
Las aplicaciones incluyen: gestión de dispositivos IoT; vehículos autónomos y conectados; ciudades inteligentes e Industria 4.0; juegos en la nube/transmisión de píxeles; automatización del hogar; e inteligencia artificial en el borde (Edge AI).
La investigación con cloudlets — máquinas ricas en recursos cercanas a los usuarios móviles que ofrecen servicios típicamente asociados con la nube — demostró mejoras en el tiempo de ejecución cuando las tareas se descargan a nodos de borde. La viabilidad de esta descarga varía según la carga de trabajo: descargar cada tarea puede provocar una ralentización por los tiempos de transferencia entre el dispositivo y los nodos; las configuraciones óptimas equilibran el procesamiento local frente al costo de transmisión en red.
citas: Computación en la Niebla, Interfaz de Programación de Aplicaciones, Appliance Informático
Cite this record: /wiki/edge-computing — revision 8347d27f, last updated 6 September 2026.