KAYTUS presenta la versión mejorada de MotusAI para acelerar el despliegue de modelos de IA de gran escala. Mayor rendimiento en inferencia, compatibilidad con herramientas, programación eficiente de recursos y estabilidad del sistema para impulsar el despliegue de modelos de IA de gran tamaño.

República de Singapur, 19 de junio de 2025.– KAYTUS, proveedor líder de soluciones integrales de IA y enfriamiento líquido, anunció hoy en ISC High Performance 2025 el lanzamiento de la versión más reciente de su plataforma MotusAI DevOps para IA.

Esta actualización ofrece mejoras significativas en el rendimiento de inferencia para modelos de gran escala y amplia compatibilidad con múltiples herramientas de código abierto que cubren todo el ciclo de vida de estos modelos. Diseñada para una programación de recursos unificada y dinámica, MotusAI mejora de forma sustancial la utilización de recursos y la eficiencia operativa en el desarrollo y despliegue a gran escala de modelos de inteligencia artificial. Esta nueva versión está destinada a acelerar aún más la adopción de la IA y a impulsar la innovación empresarial en sectores clave como educación, finanzas, energía, automoción y manufactura.

A medida que los modelos de IA se integran cada vez más en aplicaciones del mundo real, las empresas los implementan a gran escala para generar valor tangible en múltiples industrias. Sin embargo, muchas organizaciones enfrentan desafíos críticos en la adopción de la IA, tales como ciclos de implementación prolongados, exigencias de alta estabilidad, gestión fragmentada de herramientas de código abierto y baja utilización de recursos computacionales.

Para abordar estos problemas, KAYTUS ha desarrollado la última versión de su plataforma MotusAI, orientada a agilizar el despliegue, mejorar la estabilidad del sistema y optimizar la eficiencia de la infraestructura de IA para operaciones con modelos a gran escala.

Rendimiento de inferencia mejorado para garantizar la calidad del servicio

El despliegue de servicios de inferencia en IA es un proceso complejo que implica la implementación, gestión y monitoreo continuo de su salud. Estas tareas requieren altos estándares en la gobernanza de modelos y servicios, ajuste de rendimiento mediante marcos de aceleración, y una estabilidad prolongada que suele demandar grandes inversiones en personal, tiempo y experiencia técnica.

La nueva versión de MotusAI ofrece sólidas capacidades para desplegar modelos grandes, alineando visibilidad y rendimiento de forma precisa. Al integrar marcos optimizados como SGLang y vLLM, MotusAI permite servicios de inferencia distribuidos de alto rendimiento que las empresas pueden implementar rápida y eficazmente.

Compatible con modelos de gran cantidad de parámetros, aprovecha la programación inteligente de recursos y afinidad de red para acelerar el tiempo de despliegue y maximizar el uso del hardware. Sus capacidades de monitoreo abarcan toda la pila tecnológica —desde el hardware y las plataformas hasta los pods y servicios— e incluyen diagnóstico automático de fallos y recuperación rápida. Además, admite escalamiento dinámico de cargas de inferencia según el uso en tiempo real, asegurando así una mayor estabilidad del servicio.

MotusAI: Soporte integral de herramientas para acelerar la adopción de la IA

A medida que las tecnologías de modelos de IA evolucionan con rapidez, el ecosistema de herramientas de desarrollo se vuelve más complejo. Los desarrolladores necesitan una plataforma universal y simplificada que les permita seleccionar, desplegar y operar estas herramientas de forma eficiente.

MotusAI, en su versión mejorada, proporciona un amplio soporte a herramientas de código abierto líderes, permitiendo a los usuarios empresariales configurar y administrar sus entornos de desarrollo de modelos bajo demanda. Con herramientas integradas como LabelStudio, agiliza la anotación de datos y la sincronización entre categorías diversas, mejorando la eficiencia del procesamiento de datos y acelerando los ciclos de desarrollo.

También incluye una cadena de herramientas para todo el ciclo de vida del modelo de IA: LabelStudio y OpenRefine para anotación y gobernanza de datos, LLaMA-Factory para ajuste fino de modelos grandes, Dify y Confluence para desarrollo de aplicaciones, y Stable Diffusion para generación de imágenes a partir de texto. Estas herramientas permiten una adopción más ágil de modelos grandes y mejoran significativamente la productividad del desarrollo a escala.

Programación híbrida entrenamiento-inferencia en un mismo nodo para maximizar la eficiencia

El uso eficiente de recursos computacionales es clave para startups de IA y empresas pequeñas y medianas que están adoptando IA. Los clústeres tradicionales suelen asignar nodos separados para entrenamiento e inferencia, lo que limita la flexibilidad y eficiencia de la programación de recursos.

MotusAI supera estas limitaciones permitiendo la programación híbrida de cargas de entrenamiento e inferencia en un solo nodo. Esto permite una integración fluida y una orquestación dinámica de diversos tipos de tareas. Equipado con capacidades avanzadas de programación de GPU, MotusAI permite asignaciones de recursos bajo demanda, brindando a los usuarios un control eficiente de los recursos GPU según los requerimientos. Además, incluye programación GPU multidimensional con particionamiento detallado y soporte para Multi-Instance GPU (MIG), lo que responde a diversos casos de uso como desarrollo, depuración e inferencia de modelos.

El programador mejorado de MotusAI supera ampliamente a versiones comunitarias, con una mejora de 5 veces en rendimiento por tareas y 5 veces menos latencia en despliegues de POD a gran escala. Permite un arranque rápido y preparación de entornos para cientos de PODs, y admite escalamiento dinámico de cargas y programación por mareas tanto para entrenamiento como para inferencia. Estas capacidades permiten una orquestación fluida de tareas en una amplia gama de escenarios reales de IA.

Nota de Redacción: La importancia estratégica de los PODs en la nueva era de la Inteligencia Artificial Escalable

En la acelerada evolución de la inteligencia artificial, donde los modelos de lenguaje grande (LLMs), la inferencia distribuida y los servicios de datos hiperconectados se convierten en el corazón de la transformación digital, los PODs emergen como una de las unidades clave para lograr eficiencia, escalabilidad y resiliencia en las arquitecturas modernas de cómputo.

¿Qué es un POD?

En el universo de Kubernetes, el sistema de orquestación más adoptado por las industrias tecnológicas para gestionar contenedores, un POD es la unidad más pequeña de despliegue y ejecución. No es una simple instancia virtual, sino un contenedor lógico capaz de ejecutar uno o varios procesos interdependientes que comparten recursos como red, almacenamiento y configuración.

Un POD puede contener, por ejemplo, una aplicación de inferencia de IA basada en modelos como GPT o LLaMA, una API para servir respuestas, y un módulo de monitoreo en tiempo real, todo ello ejecutándose de manera orquestada en un solo entorno.

¿Por qué los PODs son tan importantes en IA?

Porque permiten flexibilizar el despliegue y optimizar el uso de recursos en entornos altamente dinámicos. La IA moderna demanda escalamiento rápido, adaptación al tráfico variable, y tolerancia a fallos sin comprometer la disponibilidad del servicio.

Los PODs permiten que los desarrolladores y DevOps:

• Escalen horizontalmente los servicios de inferencia o entrenamiento, añadiendo o eliminando instancias según la demanda.
• Implementen estrategias de alta disponibilidad sin reconfigurar arquitecturas complejas.
• Controlen el consumo de GPU y CPU mediante programación inteligente (incluso con Multi-Instance GPU, como MIG de NVIDIA).
• Activen modelos de IA en múltiples zonas geográficas, reduciendo latencia y mejorando la experiencia del usuario final.

PODs: La célula viva del cómputo inteligente

Así como en la biología una célula es la unidad básica de vida, en la infraestructura digital contemporánea el POD es la célula del cómputo inteligente, donde confluyen datos, modelos, algoritmos y servicios en tiempo real. Su correcto diseño y gestión es esencial para que las empresas puedan extraer valor inmediato de sus modelos de IA, sin depender de arquitecturas monolíticas o costosas.

En esta nueva etapa del desarrollo digital, comprender el rol de los PODs es fundamental para cualquier líder tecnológico, ingeniero, investigador o innovador que busque agilizar su camino hacia una IA confiable, sostenible y escalable.

Acerca de KAYTUS

KAYTUS es un proveedor líder de soluciones integrales de IA y enfriamiento líquido, que ofrece una diversa gama de productos innovadores, abiertos y sostenibles para la nube, la inteligencia artificial, la computación perimetral y otras aplicaciones emergentes. Con un enfoque centrado en el cliente, KAYTUS responde con agilidad a las necesidades del usuario mediante un modelo de negocio adaptable. Descubre más en KAYTUS.com y síguenos en LinkedIn y X (antes Twitter).

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457