Plataforma OlmoEarth Escanea un Continente Completo en 30 Horas Usando Casi 1.000 GPUs

Puntos clave

• El Allen Institute for AI (Ai2) lanzó la Plataforma OlmoEarth para ejecutar análisis de IA a gran escala en imágenes satelitales para organizaciones ambientales.
• Una única ejecución del mapa de riesgo de incendios en América del Norte utilizó 19.600 CPUs y 994 GPUs en paralelo, finalizando en aproximadamente 30,5 horas en lugar de las 4.737 horas estimadas.
• La plataforma procesa docenas de terabytes de imágenes a un costo de fracciones de centavo por kilómetro cuadrado.
• Gobiernos y ONG ya están utilizando los modelos OlmoEarth subyacentes para monitoreo de deforestación, trabajo de seguridad alimentaria y mapeo de riesgo de incendios.
• OlmoEarth fue preentrenado en aproximadamente 10 terabytes de datos satelitales y está abierto para que las organizaciones construyan sobre él.

Los satélites fotografían cada rincón de la Tierra constantemente. Darle sentido a todas esas imágenes lo suficientemente rápido para actuar sobre ellas es otro asunto completamente diferente.

El Allen Institute for AI, conocido como Ai2, ha construido infraestructura llamada Plataforma OlmoEarth para hacer exactamente eso. Toma su familia de modelos OlmoEarth, sistemas de IA entrenados específicamente en aproximadamente 10 terabytes de imágenes satelitales, y los ejecuta a una escala que la mayoría de las organizaciones no podrían manejar por sí solas.

¿Qué logró realmente este sistema?

Para mapear el riesgo de incendios en toda América del Norte, la plataforma dividió el continente en miles de pequeños parches, analizó cada uno por separado, y luego cosió los resultados nuevamente en un mapa único. A carga máxima, se ejecutó en 19.600 CPUs (procesadores de propósito general) y 994 GPUs (los chips especializados que realizan el trabajo intensivo de cálculo que requiere la IA) simultáneamente. El tráfico de red entre máquinas alcanzó 168 gigabytes por segundo. Todo el trabajo se completó en aproximadamente 30,5 horas. Sin ese paralelismo, ejecutando tareas secuencialmente, el mismo trabajo habría tomado aproximadamente 4.737 horas, una aceleración de 155 veces.

El costo es de fracciones de centavo por kilómetro cuadrado, lo que hace que los escaneos a nivel continental sean financieramente realistas para ONG y agencias gubernamentales. Cubrimos OlmoEarth por primera vez el 28 de julio de 2026 y esta es la tercera historia de IA geoespacial que AI2Day ha reportado en los últimos 90 días.

¿Por qué la IA satelital es mucho más difícil que la IA ordinaria?

La mayoría de los modelos de IA manejan unos pocos megabytes de datos y devuelven una respuesta en menos de un segundo. La inferencia satelital es una categoría diferente de problema. Un único trabajo de análisis puede mover terabytes de datos y ejecutarse durante horas.

Las imágenes provienen de múltiples proveedores, cada uno utilizando diferentes sistemas de coordenadas y resoluciones. Las nubes bloquean los sensores ópticos. Algunos datos llegan minutos después de la captura; otros conjuntos de datos se retrasan por días. Cada predicción debe alinearse con precisión en una cuadrícula geográfica para que el resultado final sea un mapa preciso, no un mosaico.

Descargar y preparar imágenes a menudo toma más tiempo que ejecutar el modelo de IA en sí.

¿Cómo maneja la plataforma todo eso?

Ai2 divide cada trabajo en tres etapas adaptadas a diferentes hardware. Los CPUs manejan la obtención y alineación de imágenes sin procesar. Los GPUs ejecutan el análisis real de IA. Los CPUs luego manejan la costura final y la exportación a formatos como GeoTIFF, un tipo de archivo estándar utilizado en software de mapeo.

Mantener los GPUs ocupados solo en el paso de IA es lo que hace que la economía funcione. Para evitar inundar a los proveedores de datos satelitales con miles de solicitudes simultáneas, la plataforma mantiene su propio índice interno de imágenes disponibles, actualizado a medida que se publican nuevas escenas. Las solicitudes a servicios externos se mantienen en un goteo constante en lugar de un aumento repentino.

¿Para quién es esto, y qué significa para la gente ordinaria?

La mayoría de las organizaciones ambientales, las que realizan monitoreo de deforestación o rastrean riesgos de suministro de alimentos en regiones propensas a sequías, no tienen equipos de ingeniería para ejecutar este tipo de infraestructura por sí solos. La Plataforma OlmoEarth está diseñada para cerrar esa brecha.

Para las personas que viven en áreas propensas a incendios forestales, el análisis satelital más rápido significa que las organizaciones que vigilan esas amenazas pueden actualizar sus mapas con más frecuencia y actuar antes. Este es el argumento práctico aquí, y es más honesto que lo que sugieren los titulares de "IA predice incendios forestales".

Los modelos de OlmoEarth son abiertos, lo que significa que cualquier organización con un equipo técnico capaz puede descargarlos y construir sobre ellos directamente. La plataforma es la capa administrada construida encima para todos los demás.

Preguntas frecuentes

¿Significa esto que la IA ahora puede predecir incendios forestales?

No exactamente. La plataforma produce mapas de riesgo basados en datos satelitales actuales, mostrando qué áreas tienen condiciones asociadas con mayor peligro de incendio. Es una herramienta de monitoreo, no un pronóstico preciso.

¿El modelo OlmoEarth es gratuito de usar?

Los modelos OlmoEarth subyacentes son abiertos: las organizaciones pueden descargarlos y adaptarlos. La Plataforma OlmoEarth, la infraestructura administrada para ejecutarlos a escala, es un producto separado de Ai2 dirigido a organizaciones sin grandes equipos de ingeniería.