OlmoEarth Platform es la infraestructura que hace posible usar modelos de observación de la Tierra a escala continental y planetaria. ¿Suena lejano? No lo es: gobiernos y ONG ya adaptan estos modelos para monitorear deforestación, seguridad alimentaria y riesgo de incendios.
Qué es OlmoEarth y por qué importa
OlmoEarth son modelos fundacionales entrenados con aproximadamente 10 terabytes de datos satelitales multimodales. Pero Ai2 no solo publica modelos: construyó una plataforma completa para llevar esos modelos desde el fine-tuning hasta la inferencia a gran escala, pensando en organizaciones que no tienen grandes equipos de ingeniería.
¿Por qué es relevante para ti? Porque la brecha entre los modelos abiertos y la capacidad operativa de quienes cuidan el planeta es real. OlmoEarth reduce esa brecha ofreciendo pipelines, ejecución distribuida y herramientas de verificación para convertir predicciones en decisiones.
Por qué la inferencia satelital es un problema distinto
La mayoría de modelos ML trabajan con megabytes y resultados en segundos. La inferencia de observación terrestre opera en terabytes y puede tardar horas. Aquí conviven varias bandas espectrales, diferentes sensores, series de tiempo y nubes que tapan datos.
Además, el output es un mapa. Eso exige alineación precisa en la proyección y la misma grilla coordenada para que no aparezcan errores geoespaciales al juntar los resultados.
En muchos trabajos, más tiempo se gasta descargando y preparando imágenes que ejecutando el modelo. Por eso las tuberías de datos son tan críticas.
Arquitectura: el hardware correcto para cada tarea
Para gastar bien el dinero separamos cada trabajo en tres etapas y las asignamos al hardware adecuado:
- Adquisición y preprocesamiento (CPU, I/O alto): buscar, reproyectar, alinear y normalizar imágenes; escribirlas en formatos optimizados para inferencia.
- Inferencia (GPU): la pasada hacia adelante del modelo; escribir salidas mínimamente procesadas a almacenamiento.
- Postprocesamiento (CPU): coser ventanas, aplicar máscaras, escalados y exportar a
Zarr,GeoTIFFoGeoJSON.
Multiprocesos de carga mantienen a las GPUs ocupadas mientras los resultados se envían directo a blob storage. Esto evita que tu GPU haga trabajo que las CPUs hacen mejor.
OlmoEarth Run: fan-out controlado a miles de trabajadores
La capa de ejecución, OlmoEarth Run, divide una región en particiones aptas para cada instancia y luego en ventanas que el modelo procesa de forma independiente. Esto permite que un mapa grande se procese en paralelo sin que una ventana bloquee a otra.
Un ejemplo concreto: para generar un mapa de riesgo de incendios en toda Norteamérica, usaron aproximadamente 19,600 CPUs y 994 GPUs simultáneas, con un throughput de red que superó 168 GB/s. Lo que hubiera sido 4,737 horas de cómputo serial se redujo a 30.5 horas de tiempo real, es decir, un speedup de 155×.
Pero el fan-out no es infinito. Hay límites prácticos como cuotas cloud, costos y la relación entre resolución y volumen de datos. La plataforma expone esos parámetros para que puedas ajustar paralelismo, resolución, tamaño de modelo y caching según tu presupuesto y objetivo.
Cómo encuentran y leen los píxeles correctos
Dado un área y rango temporal, la plataforma tiene que saber qué escenas satelitales existen, dónde y cuándo, y escoger las mejores para cada fuente. Para imágenes ópticas como Sentinel-2 suele elegirse la escena con menos nubes; para radar importa la polarización.
Para no depender de picos de consulta a catálogos externos, OlmoEarth mantiene su propio índice de metadata. Recibe notificaciones (por ejemplo SNS para datasets en AWS Open Data) o hace polling cuando no hay change streams. Cada entrada del índice almacena metadata y punteros a todas las ubicaciones donde están los píxeles.
En tiempo de ejecución se usan lecturas por ventanas contra formatos optimizados para la nube como COG o Zarr, recuperando solo los bytes necesarios para una partición en lugar de descargar escenas completas.
Recomendación práctica para proveedores de datos: notificaciones en cola cuando haya nueva imagen, almacenamiento en nubes públicas sin limitaciones de acceso y formatos que permitan reads por rango.
Tolerancia a fallos: diseño para lo inevitable
A escala planetaria las fallas son la norma. Proveedores lentos, metadatos inconsistentes, bandas faltantes, nubes, o fallos de tarea son esperables. La plataforma ejecuta tareas en VMs efímeras con un runner en Docker. Cada tarea es reentrante e idempotente para permitir reintentos seguros.
Mecanismos presentes:
- Tracking de tareas y reintentos automáticos.
- Fallback a proveedores alternos cuando sea posible.
- Monitor que detecta runners atascados y reinicia tareas.
- Distinción clara entre errores retryables y errores fatales.
Esto convierte una malla frágil de componentes en un sistema robusto capaz de completar runs grandes sin intervención manual constante.
Hacia dónde van: hoja de ruta técnica
Ai2 describe varias líneas de trabajo con impacto técnico directo:
- Ejecuciones automáticas: schedule o triggers cuando aparece nueva escena en el índice.
- Detección de cambios y alertas: que un evento relevante llegue como notificación en lugar de ser un raster que nadie revisa.
- Herramientas agenticas: agentes que ayuden con curación de datos, feature engineering y propuestas para mejorar fine-tuning.
- Modelos más rápidos: arquitecturas que reduzcan tiempo GPU por ventana.
- Más modalidades: integrar ERA-5 y otros sensores para enriquecer inputs.
- Embeddings globales: precomputar embeddings a escala global para consultas rápidas que eviten pasar por todo el modelo cada vez.
- Ejecutar en cualquier lugar:
OlmoEarth Runcorre donde haya VMs y blob storage; hoy en Google Cloud, pero diseñado para multicloud o deployments en cuentas de socios.
¿Qué significa esto para organizaciones en terreno?
Significa que equipos de conservación, respuesta a desastres o seguridad alimentaria pueden acceder a modelos potentes sin reconstruir toda la maquinaria detrás. Significa inferencia costeable —fracciones de centavo por kilómetro cuadrado en algunos runs— y capacidad de convertir datos en alertas y acciones.
También plantea preguntas: ¿cómo auditar resultados a escala? ¿cómo balancear costo y resolución? OlmoEarth apela a la colaboración y la transparencia para iterar sobre esas preguntas con sus socios.
OlmoEarth no es solo un modelo; es una propuesta de infraestructura para que la inteligencia geoespacial deje de ser esotérica y pase a ser operativa en manos de quienes toman decisiones sobre el territorio.