Ai2 presentó la arquitectura de OlmoEarth Platform, que separa la preparación de datos, la inferencia y el posprocesamiento para ejecutar modelos geoespaciales sobre grandes territorios.
El Allen Institute for Artificial Intelligence, conocido como Ai2, publicó el 28 de julio de 2026 una descripción técnica de la infraestructura que utiliza OlmoEarth Platform para procesar imágenes satelitales y ejecutar modelos geoespaciales sobre territorios extensos.
La plataforma complementa a una familia de modelos de observación de la Tierra entrenados, según Ai2, con alrededor de 10 terabytes de datos satelitales multimodales. Su propósito es cubrir el ciclo que va desde la preparación y anotación de datos hasta el ajuste fino, la evaluación y la generación de predicciones.
Una cadena de procesamiento dividida por tareas
Ai2 explica que el sistema separa cada trabajo en tres etapas. La adquisición y preparación de imágenes se asigna principalmente a CPU y recursos con alta capacidad de entrada y salida. La inferencia se ejecuta en GPU, mientras que el posprocesamiento vuelve a las CPU para unir resultados, aplicar máscaras y exportar archivos geoespaciales.
Esta separación busca evitar que las GPU, que representan el recurso más costoso, permanezcan ocupadas descargando, reproyectando o normalizando imágenes. Los resultados intermedios se envían directamente al almacenamiento de objetos y luego se convierten en formatos como GeoTIFF, GeoJSON o Zarr.
Particiones geográficas independientes
La capa de ejecución, denominada OlmoEarth Run, divide el territorio solicitado en particiones que pueden procesarse de manera independiente. Cada partición se subdivide a su vez en ventanas compatibles con el modelo. Las áreas adyacentes se superponen ligeramente y el sistema reconcilia esa superposición al ensamblar el mapa final.
Ai2 afirma que utilizó esta arquitectura para producir un mapa de riesgo de incendios forestales de Norteamérica. En el punto de máxima actividad, el trabajo habría empleado aproximadamente 19.600 unidades de CPU y 994 GPU, con un tráfico de red superior a 168 gigabytes por segundo.
De acuerdo con los cálculos publicados por la organización, una carga estimada en 4.737 horas de procesamiento serial se completó en unas 30,5 horas, lo que representa una aceleración de 155 veces. El anuncio no incluye una auditoría externa de estas métricas, por lo que deben considerarse resultados declarados por el desarrollador.
Un índice propio para localizar imágenes
Antes de ejecutar un modelo, la plataforma debe localizar escenas apropiadas para la región y el periodo seleccionados. Para ello utiliza catálogos públicos basados en STAC, pero mantiene un índice propio con metadatos y referencias a las ubicaciones donde están almacenados los píxeles.
El índice recibe notificaciones cuando se publican nuevas escenas en fuentes compatibles o consulta periódicamente los catálogos que no ofrecen un flujo de cambios. Durante la ejecución, el sistema selecciona una fuente y descarga solamente los segmentos necesarios desde formatos optimizados para la nube.
La documentación de OlmoEarth confirma que la plataforma trabaja con datos de Sentinel 1, Sentinel 2 y Landsat 8 y 9. También ofrece una API para crear conjuntos de datos, ejecutar modelos ajustados y recuperar predicciones, además de una interfaz denominada OlmoEarth Studio.
Recuperación de fallos y funciones futuras
Cada tarea se ejecuta dentro de un contenedor Docker en una máquina virtual provisionada para ese trabajo. Ai2 describe las tareas como reentrantes e idempotentes, de modo que puedan repetirse si un proveedor de imágenes deja de responder, falta una banda satelital o se interrumpe un proceso.
El sistema incorpora seguimiento de tareas, reintentos automáticos y fuentes alternativas cuando están disponibles. Un proceso separado identifica ejecuciones detenidas y vuelve a iniciarlas.
Entre las funciones anunciadas para etapas posteriores figuran la programación automática de inferencias, la detección de cambios, la emisión de alertas, nuevas modalidades de datos y el uso de agentes para facilitar la preparación de información geoespacial. Estas capacidades forman parte de la hoja de ruta y no deben confundirse con funciones plenamente disponibles.
Ai2 opera actualmente esta infraestructura en Google Cloud, aunque afirma que OlmoEarth Run fue diseñado para admitir otras nubes y despliegues dentro de las cuentas de sus organizaciones usuarias. Los modelos, datos y parte del código se ofrecen como recursos abiertos, mientras que el acceso a la plataforma y a su API requiere una cuenta y credenciales.
Fuentes
- The OlmoEarth Platform: Geospatial inference at planetary scale
- OlmoEarth Platform, Ai2
- Documentación oficial de OlmoEarth
- Documentación de ajuste fino y modalidades de OlmoEarth
📬 Newsletter gratuito
