Mi setup: IA local, domótica, Raspberry Pi y ordenadores retro

Si hay un tema del que me gusta hablar es el del hardware informático. A lo largo de los años, he acumulado lo que mi esposa llama cariñosamente un montón de mierda. En realidad, se trata sobre todo de un conjunto de máquinas y aparatos que me gusta probar, reutilizar e integrar en mi entorno de trabajo.

01El servidor dedicado a la inteligencia artificial

La primera máquina importante de mi instalación es una computadora enteramente dedicada a la inteligencia artificial y al procesamiento de video.

Su configuración principal es la siguiente:

• Memoria DDR4 de 64 GB;
• un procesador AMD Ryzen 5 5600X3D;
• dos tarjetas gráficas NVIDIA RTX 3060 de 12 GB cada una;
• un acelerador Google Coral USB TPU;
• Ubuntu como sistema operativo.

Su primera función es operar varios modelos de inteligencia artificial a nivel local. En particular, utilizo un modelo Gemma de alrededor de 9 mil millones de parámetros, así como un modelo GPT-OSS de 20 mil millones de parámetros.

Esta máquina también alberga Frigate, que centraliza las cámaras de la casa y proporciona detección de objetos. Coral USB acelera parte del procesamiento relacionado con la videovigilancia, mientras que otros componentes admiten funciones más avanzadas, incluido el reconocimiento facial.

La ventaja de esta arquitectura es mantener los tratamientos más sensibles en casa, al tiempo que se tiene potencia suficiente para experimentar con modelos locales.

02El servidor domótico

La domótica se basa en una pequeña máquina equipada con un procesador Intel Celeron y sistema operativo Home Assistant.

Gestiona varios protocolos utilizados en la casa:

• Z-Wave, indirectamente a través de un controlador Fibaro;
• Zigbee;
• RF 433MHz;
• Home Assistant integraciones de red.

Gran parte de la casa ya está conectada: interruptores, paneles NSPanel, estación de carga, paneles solares, bomba de calor y varios sensores.

Separé deliberadamente la domótica del servidor de IA. Home Assistant permanece así disponible incluso cuando un experimento monopoliza las tarjetas gráficas o requiere reiniciar la máquina dedicada a la IA.

03El NAS Synology

El almacenamiento central se basa en un NAS Synology equipado con cinco discos. Se utiliza principalmente para realizar copias de seguridad de mis archivos fuera de los servicios en la nube, pero también desempeña un papel importante en todo el laboratorio doméstico.

Centraliza datos útiles para Raspberry Pi, copias de seguridad de varios servicios y varios archivos necesarios para entornos de prueba.

El NAS constituye, en cierto modo, la base silenciosa de la instalación: apenas lo notamos en el día a día, pero gran parte del resto de máquinas dependen de él.

04El Raspberry Pi en PoE y PXE

También tengo cinco Raspberry Pi 4 alimentados por PoE. Arrancan desde la red usando PXE y usan Synology como parte de su almacenamiento.

Esta arquitectura nació de un problema muy concreto: las tarjetas microSD acababan desgastándose o corrompiéndose periódicamente. Aproximadamente cada seis meses tenía que reemplazar una tarjeta y reconstruir un sistema.

El arranque en red limita en gran medida esta dependencia de las tarjetas microSD y simplifica el mantenimiento de la máquina.

Cada Raspberry Pi ejecuta Docker y puede alojar pequeños servicios: bases de datos livianas, herramientas internas, bloqueo de anuncios a nivel de red, servicios de prueba o componentes temporales.

No son las máquinas más potentes de la instalación, pero sí probablemente las más prácticas cuando es necesario desplegar rápidamente un pequeño servicio aislado.

05Mi computadora principal: a MacBook Pro M4

Mi estación de trabajo principal es una MacBook Pro M4 equipada con 32 GB de memoria.

Esta máquina es una maravilla para usarla a diario. Rara vez consigo luchar realmente con ello, incluso cuando trabajo con múltiples entornos de desarrollo, contenedores y diferentes herramientas de inteligencia artificial simultáneamente.

Dejé macOS hace unos cuatro años para volver a Windows. Finalmente volví a Mac. Para mi uso, macOS sigue siendo el mejor compromiso entre estabilidad, autonomía, entorno Unix y comodidad de uso a lo largo del tiempo.

Obviamente, esto sigue siendo una preferencia personal. Ciertas tareas y determinadas herramientas profesionales siguen siendo más sencillas en Windows, de ahí el interés por mantener varios entornos.

06El Raspberry Pi 400

La Raspberry Pi 400 es una de las máquinas a las que tengo más apego. Su formato, directamente integrado en un teclado, lo hace especialmente agradable de utilizar.

Ofrece un rendimiento suficiente para el uso diario a 1080p sin dejar de ser muy eficiente energéticamente.

Lo uso en particular con Cura para preparar y cortar archivos STL destinados a la impresora 3D. También se utiliza para navegar por la web y realizar diversos experimentos de iluminación.

También es una excelente máquina para descubrir la informática. Mi hija aprendió a usar el teclado y el mouse gracias a Adibou 2 en este Raspberry Pi. Este tipo de máquina te permite experimentar sin miedo a estropear una computadora costosa.

07El miniPC versátil

También uso mucho un miniPC Minisforum con un Ryzen 7 7735HS y 32 GB de memoria DDR5.

Tiene aproximadamente el tamaño de un controlador Xbox, pero ofrece un rendimiento sorprendente para su tamaño.

Lo uso en particular para el vibe coding en modo concentrado, cuando quiero tener una máquina dedicada a una tarea sin perturbar mi entorno principal.

Para que conste, incluso es capaz de ejecutar Call of Duty: Warzone en configuraciones bajas, alrededor de 40 fotogramas por segundo. Evidentemente, ésta no es su vocación principal, pero ilustra claramente su versatilidad.

08La PC para juegos

Obviamente, existe una PC destinada a juegos y tareas que requieren una alta potencia informática general.

Su configuración incluye:

• un procesador AMD Ryzen 9 5900X;
• una tarjeta gráfica AMD Radeon RX 6900 XT;
• 64 GB de memoria DDR4.

Compré esta máquina al inicio de la democratización de la inteligencia artificial generativa. En ese momento, descubrí rápidamente que el ecosistema de software de IA era mucho más maduro por parte de NVIDIA. La tarjeta AMD, aunque muy potente, fue menos fácil de usar para mis experimentos.

Sin embargo, sigue siendo excelente para videojuegos, compilación y ciertas tareas pesadas, en particular la compilación de proyectos de Android.

Este PC ilustra claramente un punto que a menudo se olvida: el rendimiento teórico no es suficiente. La calidad del ecosistema de software y las herramientas disponibles a veces son tan importantes como la potencia bruta.

09La sección de retrocomputación

Parte de mi colección está dedicada a máquinas del pasado. Incluye en particular:

• un Amstrad CPC 464;
• un MSX;
• un Thomson TO7;
• un PowerBook G4;
• un iBook G3 Clamshell.

Estos ordenadores no son sólo decorativos. Me gusta volver a ponerlos en funcionamiento, comprender sus limitaciones e intentar tender puentes entre el desarrollo moderno y las plataformas históricas.

Recientemente, me divertí creando demakes de algunos de mis programas modernos para ejecutarlos en CPC 464. Con la ayuda de Codex, generé programas adecuados para la máquina y luego archivos WAV que contienen la señal de audio.

Luego cargué estos programas en el CPC a través del reproductor de casetes, usando un adaptador de casete a conector.

Ver un programa moderno reinterpretado para una máquina tan antigua es particularmente satisfactorio. Las limitaciones de memoria, almacenamiento y energía obligan a regresar a los principios fundamentales del desarrollo.

10¿Por qué conservar tantas máquinas?

Se podría pensar que todo esto es mucho material. Sin embargo, cada máquina tiene un uso real.

Cuando necesito desarrollar o adaptar una aplicación para un cliente, puedo realizar pruebas en entornos similares a los de producción sin tener que virtualizar o simular todo.

Puedo trabajar directamente bajo Linux, macOS o Windows, en arquitecturas x86-64 y ARM. Esta diversidad permite detectar más rápidamente ciertos problemas relacionados con el sistema, las dependencias, el rendimiento o el despliegue.

Por tanto, este entorno es al mismo tiempo un entorno de trabajo, un laboratorio, un parque infantil y una colección.