La tecnología Edge Computing irrumpe en el paradigma IoT

Nadie pone en duda el éxito que ha alcanzado y que aún le queda por alcanzar a una tecnología como el IoT (Internet of Things). Sin embargo, como ocurre siempre en el mundo en que vivimos, el inexorable paso del tiempo pone de manifiesto nuevas tendencias y tecnologías que desafían la posición de las ya existentes, mejorándolas y planteando nuevos paradigmas. Y esto es justo lo que ocurre con la tecnología IoT. 

Del IoT al Edge Computing 

La arquitectura básica de un sistema IoT consta de 3 tecnologías principales: sistemas embebidos, una capa intermedia o middleware y servicios en la nube. En ella, los dispositivos embebidos, que constan típicamente de sensores y actuadores, se sirven de diferentes nodos de enrutamiento como módems, estaciones base celulares, etc. para comunicarse con la nube, la cual proporciona los mecanismos integrales de almacenamiento, procesamiento y administración de la información generada. 

No obstante, a lo largo de esta última década, han sido varios los enfoques que han tratado de extender la computación centralizada en la nube (CIoT) a una forma más geodistribuida en la que los recursos de computación, redes y almacenamiento están mucho más cerca de las fuentes de datos y del usuario final, lo que a principios de la década pasada se denominó Fog Computing. Con ello se pretende dar solución a algunos de los desafíos a los que se enfrenta el IoT tales como ancho de banda, latencia, interrupciones de la comunicación, degradación de la Qos y seguridad. Algunos de estos aspectos serán tratados con más detalle a continuación. 

Sin embargo, incluso con este nuevo tipo de arquitectura, no todos estos recursos están preparados computacionalmente para ejecutar aplicaciones de IoT a gran escala simultáneamente. Es por ello, que en última instancia se podría pensar en extender la realización de cálculos desde la nube (CIoT) y los nodos de red intermedios (Fog Computing) a directamente los dispositivos finales o extremos de la red, capaces de hacer todo tipo de procesamiento y toma de decisiones, impulsados principalmente por las capacidades de Machine Learning y aprendizaje profundo embebidas en los mismos. Esta técnica que minimiza al máximo la comunicación con la nube es lo que se conoce como Edge Computing. 

Este tipo de procesamiento de datos directamente en los dispositivos extremos de la red ayuda a las aplicaciones de atención médica, automotriz y de fabricación, visión por computador y reconocimiento de imágenes en un tratamiento más rápido, eficiente y seguro de la información [1].  

Edge Computing: La nueva gran disrupción 

La tecnología Edge Computing ha llegado para quedarse. Lo que hace unos pocos años habría resultado impensable por cuestiones tecnológicas es hoy en día una realidad. Sin duda el despegue que se espera que la tecnología 5G suponga en esta década, junto con la democratización de la tecnología Edge AI, actuarán como catalizadores para el crecimiento de este potencial mercado. 

Según un nuevo informe de Grand View Research [2] se espera que el tamaño del mercado global de Edge Computing alcance la cifra de 43.4 mil millones de USD para el año 2027, exhibiendo una tasa de crecimiento anual compuesto (TCAC) de 37.4% durante el período de 2020 a 2027. En concreto, para el caso de la Unión Europea, se espera un valor de 1.94 mil millones de USD para 2023, expandiéndose con un TCAC de 29.3%. 

Estas cifras no hacen sino poner de relieve la importancia que esta tecnología va a tener en el presente y futuro cercano. 

Evolución del mercado edge computing

 

IoT Edge Computing Hardware 

Sin duda alguna, uno de los factores clave para el éxito de la tecnología Edge Computing ha sido los avances en hardware dedicado que permiten realizar de manera óptima y rápida los cálculos computacionales que este tipo de aplicaciones demandan. Así, son muchas las empresas que han optado por desarrollar soluciones ASIC para este tipo de problemas.  

Éste es el caso de Google y sus Unidades de Procesamiento Tensorial (TPU) y de Nvidia con sus sistemas Jetson, ambos preparados para entrenar y ejecutar modelos de aprendizaje automático con un alto rendimiento. 

Sistemas edge computing Jetson de Nvidia y TPUs de Google

Si bien estos dos ejemplos se pueden interpretar como soluciones de altas prestaciones para operaciones de cálculo intensivas, también existen otras focalizadas en la eficiencia energética 

El fabricante de microprocesadores (CPUs) y microcontroladores (MCUs) NXP ha sacado recientemente una nueva familia de MCUs denominada Crossover por su combinación de potencia y aceleración gráfica propios de procesadores de aplicaciones, con la simplicidad y eficiencia de las MCUs. Con ello pretende combinar un rendimiento sin precedentes con altos niveles de integración y seguridad para impulsar aplicaciones industriales, IoT y automotrices. 

En este sentido, la empresa diseñadora de procesadores ARM ha liberado su última familia Cortex-M55 que se trata de su procesador Cortex-M con la mayor capacidad de AI y el primero con la nueva tecnología Helium pensada especialmente para tareas de Machine Learning. Asimismo, ha diseñado también la primera Unidad de Procesamiento Neuronal (NPU) denominada Ethos-U55 pensada especialmente para el entorno embebido. Este anuncio, dada la relevancia de la empresa en el mundo IoT, permitirá llevar la velocidad de procesamiento y eficiencia a otro nivel. A buen seguro que en los próximos meses veremos aparecer las primeras MCUs que implementen estas soluciones. 

Tal es el extremo al que se puede llevar la filosofía Edge Computing que incluso dentro de los propios sistemas embebidos se puede evitar procesar la información en el microcontrolador o microprocesador de turno, y llevarlo a cabo en las propias fuentes de información: los sensores. Así, el fabricante ST dispone en su catálogo de IMUs con un núcleo de Machine Learning y árboles de toma de decisiones. De la misma forma Sony ha anunciado recientemente el primer sensor de procesamiento de imagen con procesamiento AI integrado. 

 

Secure IoT Edge (Trusted Edge Computing) 

Uno de los grandes desafíos que plantea la tecnología IoT se encuentra en el campo de la seguridadAl situar los dispositivos lejos de un control total por parte de la nube o un centro de datos seguro, aumentan las posibilidades de sufrir ataques al desplegar equipos con pocos recursos de protección en ubicaciones inseguras y a veces desconocidas.   

Seguridad en el edge computing procesadores

En un esfuerzo por abordar este desafío y mantener la seguridad requerida, los diferentes agentes implicados están recurriendo a diversas soluciones.  

La más extendida hoy día en este ámbito son los módulos de seguridad hardware (HSMs), siendo el tipo más común el Trusted Platform Module (TPM). Este dispositivo es en realidad un conjunto de protocolos de seguridad creados y mantenidos por el Trusted Computing Group (TCG) para la creación y almacenamiento seguro de claves. Si bien existen también las versiones software denominadas TPM virtuales (VTPM), éstas son mucho menos seguras que sus versiones hardware [3]. 

Otras soluciones HSM se basan en permitir que pequeñas porciones de código se ejecuten en un espacio seguro y protegido denominado Entorno de ejecución confiable (TEE). Cualquier código que se ejecute en un TEE no es visible ni accesible desde fuera del mismo, lo que reduce las posibilidades de ataque. Dos de los principales componentes de hardware que admiten estos TEEs son Intel SGX (para procesadores x86 y x64) y ARM TrustZone (para procesadores ARM). 

Es ARM precisamente una de las empresas que más está apostando por llevar estas soluciones de arranque seguro y creación de una cadena de confianza, del mundo de las CPUs y de alto rendimiento a los dispositivos más limitados en recursos como las MCUs. Fruto de ello es su más reciente procesador Cortex-M33 pensado para aplicaciones embebidas e IoT que requieren un especial énfasis en la seguridad, siendo NXP el primer fabricante en diseñar una familia de MCUs (serie LPC5500) que lo integra. 

 

Conclusiones 

La era vertiginosa, tecnológicamente hablando, en la que vivimos inmersos hoy día nos obliga más que nunca a tener que reciclarnos continuamente y aprender de forma casi constante para no quedarnos atrás. La evolución de la tecnología IoT hacia el Edge Computing es una muestra de ello. Se trata de una tecnología que se aprovecha de los avances en tecnologías 5G, Machine Learning e Inteligencia Artificial y Seguridad entre otros para dar el salto definitivo hacia una sociedad mucho más conectada y que sin duda dará mucho que hablar en la presente década. 

Desde TEKHNĒ apostamos siempre por las últimas tecnologías innovadoras como aspecto clave diferenciador. Nuestra misión es la de ser el socio tecnológico ideal en el que las firmas de diversas industrias se apoyen para transformar las ideas en la siguiente gran disrupción del mercado. 

¿Quieres dar el salto hacia la tecnología del futuro? Contacta con nosotros y estaremos encantados de poder atenderle. 

 

REFERENCIAS:

[1] https://futuretodayinstitute.com/2020-tech-trends/ 

[2] https://www.grandviewresearch.com/industry-analysis/edge-computing-market 

[3] Beginning Azure IoT Edge Computing – Extending the Cloud to the Intelligent Edge. David Jensen, Apress, 2019. 

Si este artículo te ha resultado interesante, puedes compartirlo en tus redes sociales:

Share on facebook
Share on twitter
Share on linkedin

Deja un comentario