NVIDIA ha presentado Earth-2, una familia de modelos, bibliotecas y marcos de trabajo abiertos y acelerados para IA aplicada a meteorología y clima, con la promesa de cubrir todo el flujo: desde procesar observaciones hasta generar previsiones globales de 15 días o pronósticos locales de tormentas.

Importa porque apunta a reducir tiempos y costes frente a enfoques tradicionales basados en supercomputación, y porque puede bajar la barrera de entrada para agencias, empresas y equipos de investigación.

El dilema es claro: más accesibilidad y colaboración abierta, frente al riesgo de que capacidades críticas queden condicionadas por una única pila tecnológica.

Más que el anuncio, lo relevante es el despliegue.

¿Quién controlará, auditará y sostendrá estos sistemas cuando pasen de la demostración técnica a la infraestructura pública?

Qué se anunció y cuál es el alcance real

NVIDIA presentó en la reunión anual de la American Meteorological Society una familia Earth-2 de modelos abiertos, librerías y marcos para meteorología y clima, descrita como la primera pila de software de IA meteorológica totalmente abierta y acelerada. Dentro del anuncio figuran nuevos modelos: Earth-2 Medium Range (hasta 15 días y 70+ variables), Earth-2 Nowcasting (predicción a 0–6 horas con resolución a escala de kilómetro) y Earth-2 Global Data Assimilation (condiciones iniciales en segundos en GPU).

No se especifica en el texto bajo qué licencias concretas se publica cada componente ni qué implica exactamente abierto en términos de datos, pesos, entrenamiento y restricciones. Tampoco se detallan requisitos de hardware, costes de operación o límites de uso en contextos públicos.

Para qué sirve en la práctica

El texto describe usos ya en marcha o en evaluación por varios actores. Brightband, proveedor de herramientas meteorológicas con IA, está ejecutando Earth-2 Medium Range para emitir previsiones globales diarias. El Israel Meteorological Service usa Earth-2 CorrDiff en operación y planea usar Nowcasting para generar previsiones de alta resolución varias veces al día, con reducción de tiempo de cómputo declarada por su director.

En energía, TotalEnergies evalúa Nowcasting para mejorar la conciencia de riesgo a corto plazo. Southwest Power Pool, con Hitachi, usa Nowcasting y FourCastNet3 para mejorar previsiones de viento intradía y día-ahead.

En finanzas y seguros, S&P Global Energy usa CorrDiff para análisis local de riesgos y AXA usa FourCastNet para generar escenarios hipotéticos de huracanes en I+D.

Qué riesgos abre si se despliega mal

El anuncio insiste en accesibilidad y en que organizaciones puedan ejecutar, ajustar y desplegar en su propia infraestructura. Aun así, el texto sugiere un riesgo de centralización por la vía de la dependencia práctica: la aceleración en GPU y herramientas como Earth2Studio podrían empujar a que el rendimiento y la operativa queden atados a una pila concreta, aunque los modelos se presenten como abiertos.

También hay riesgo de opacidad operativa si el ecosistema se adopta rápido sin estándares de auditoría: el texto afirma mejoras en precisión y comparaciones con modelos tradicionales u open models, pero no detalla métricas, metodologías ni condiciones de benchmark en el propio anuncio (remite a research papers sin resumirlos).

Para comunidades vulnerables y políticas públicas, el riesgo es usar previsiones como caja negra en decisiones sensibles si no se exige trazabilidad, límites de validez y control local.

Qué condiciones mínimas deberían exigirse

Primero, gobernanza y licencias claras: el anuncio habla de totalmente abierto, pero sería exigible que se especifique qué partes son abiertas (modelos, pesos, código, recetas, librerías) y bajo qué condiciones, para evitar aperturas parciales difíciles de reutilizar por agencias públicas.

Segundo, auditoría y métricas públicas: si se promete superar modelos tradicionales en precipitación a corto plazo o mejorar variables comunes, deberían publicarse criterios de evaluación operativa, tasas de fallo y límites de aplicación, no solo referencias a artículos.

Tercero, continuidad y reversibilidad: planes de mantenimiento, compatibilidad y soporte a largo plazo. El texto indica que Global Data Assimilation se espera más tarde este año, pero no concreta calendario ni compromiso.

Cuarto, control local real: capacidad de ejecutar y ajustar en infraestructura propia, con documentación y dependencia mínima de servicios o herramientas cerradas.

Conclusión

Earth-2 puede ser una mejora real si la apertura se traduce en licencias y componentes verificables, y si las comparativas de precisión y coste se acompañan de auditorías y métricas operativas reproducibles. También lo será si facilita despliegues en infraestructuras locales sin dependencia técnica difícil de romper.

Será un riesgo si su adopción convierte la predicción meteorológica —un sistema crítico— en una dependencia de facto de una sola pila tecnológica, sin transparencia suficiente para responder ante errores y sesgos en escenarios extremos.

Fuente: NVIDIA — https://blogs.nvidia.com/blog/nvidia-earth-2-open-models/

Nota editorial: Contenido generado y estructurado con apoyo de un editor de IA de PorqueIA.com.