---
title: "El mapa del blog: de la acometida eléctrica al token servido"
url: https://blog.lo0.es/posts/mapa-del-blog-stack-inferencia-soberana/
markdown: https://blog.lo0.es/posts/mapa-del-blog-stack-inferencia-soberana/index.md
lang: es
date: 2026-08-29
lastmod: 2026-09-12
author: "José Manuel Román"
description: "Mapa conceptual del blog: los artículos publicados hasta agosto de 2026 ordenados por las diez capas que separan la acometida eléctrica del token que recibe un usuario. Infraestructura física, nodo, almacenamiento, cluster, motor de inferencia, modelo, datos y RAG, plano de control, observabilidad, seguridad y la economía de los tres ejes, con rutas de lectura por perfil y los huecos que quedan por cubrir."
tags: ["mapa","indice","llmops","inferencia","infraestructura","ia"]
translations:
  en: https://blog.lo0.es/en/posts/blog-map-from-utility-feed-to-token-served/index.md
---

# El mapa del blog: de la acometida eléctrica al token servido


Este blog empezó en marzo de 2026 con un puñado de artículos sobre Kubernetes y networking, y a estas alturas acumula más de 150 piezas que, vistas de una en una, parecen temas sueltos: PagedAttention, generadores diésel, OpenCost, SPIFFE, refrigeración por inmersión, RAGAS. No lo son. Todas describen el mismo objeto desde alturas distintas: **una factoría de inferencia soberana**, es decir, la máquina completa que convierte megavatios de la red eléctrica en tokens servidos a un usuario, con la propiedad y el control del dato dentro de casa.

Este artículo es el índice de esa máquina. Ordena lo publicado en diez capas, de abajo arriba, y en cada una enlaza lo que hay escrito. Sirve para tres cosas: encontrar un tema concreto, ver qué capas están cubiertas a fondo y cuáles quedan a medias, y elegir un recorrido de lectura según el problema que se tenga delante.

## El mapa

> **Diagrama:** Mapa por capas del stack de inferencia soberana, de la acometida eléctrica al token servido — [verlo en la versión HTML](https://blog.lo0.es/posts/mapa-del-blog-stack-inferencia-soberana/)

La lectura del mapa es de abajo arriba, y el criterio para ordenarlo es la dependencia física: no hay motor de inferencia sin GPU alimentada y refrigerada, no hay RAG sin motor que sirva embeddings, no hay cumplimiento normativo demostrable sin observabilidad que registre lo que pasó. La capa 10 es la excepción y por eso aparece atravesándolo todo: coste, rendimiento y energía no son un piso del edificio, son la medida del edificio entero.

## Capa 0 · Infraestructura física

La vertical más reciente, y la que cierra el círculo: el camino del vatio desde la acometida hasta el chip, y el camino del calor desde el chip hasta la atmósfera.

- [La cadena de energía](https://blog.lo0.es/posts/energia-datacenter-cadena/index.md): redundancia, Tier, kW frente a kVA, PUE, densidad de la IA y el límite de la red.
- [Los generadores](https://blog.lo0.es/posts/energia-datacenter-generadores/index.md): NFPA 110, transitorios, dimensionado, diésel frente a gas, combustible y paralelización.
- [La conmutación](https://blog.lo0.es/posts/energia-datacenter-conmutacion/index.md): ATS frente a STS, la ventana ITIC, transición abierta y cerrada, y los caminos A y B.
- [El SAI y el ride-through](https://blog.lo0.es/posts/energia-datacenter-ups/index.md): topologías IEC 62040-3, eco-mode, volante de inercia, litio frente a plomo y las cargas pulsantes de la IA.
- [El reto térmico](https://blog.lo0.es/posts/refrigeracion-datacenter-reto-termico/index.md): por qué la densidad de la IA rompió el aire, y el espectro de soluciones.
- [El aire y sus límites](https://blog.lo0.es/posts/refrigeracion-datacenter-aire/index.md): CRAC y CRAH, la geometría del caudal, la ley cúbica, contención, ASHRAE y las puertas traseras.
- [El líquido directo al chip](https://blog.lo0.es/posts/refrigeracion-datacenter-liquido-directo-chip/index.md): placa fría, CDU, bucles TCS y FWS, química del refrigerante y fugas.
- [La inmersión y el horizonte del megavatio](https://blog.lo0.es/posts/refrigeracion-datacenter-inmersion/index.md): monofásica y bifásica, el muro de los PFAS y la microfluídica en el silicio.

## Capa 1 · El nodo

Dentro de la máquina, antes de que exista ningún proceso: los buses, la memoria y la topología que deciden cuánto rendimiento acaba llegando al modelo.

- [Topología PCIe, GPUDirect y ACS](https://blog.lo0.es/posts/pcie-topology-gpudirect-p2p-acs/index.md): los pasillos por los que viajan los tensores.
- [NUMA, hugepages y aislamiento de CPU](https://blog.lo0.es/posts/numa-hugepages-aislamiento-cpu-inferencia/index.md): por qué el vecino de socket te cuesta latencia.
- [NVLink, NVSwitch y NCCL](https://blog.lo0.es/posts/nvlink-nvswitch-nccl-tensor-parallel/index.md): el cable por el que se reparte un modelo grande.
- [NUMA de red con Cilium y DraNet](https://blog.lo0.es/posts/cilium-ebpf-dranet-numa-de-red-inferencia/index.md): la puerta de la cocina que nadie mira.
- [CPU, Memory y Topology Manager en RKE2](https://blog.lo0.es/posts/kubelet-resource-managers-rke2-numa/index.md): cómo se pide una GPU con afinidad y sin sorpresas.
- [SM, CUDA streams y CUDA graphs](https://blog.lo0.es/posts/sm-cuda-streams-cuda-graphs-inferencia/index.md): dónde se pierde el tiempo dentro del acelerador.
- [Entornos mixtos NVIDIA e Intel](https://blog.lo0.es/posts/entornos-mixtos-nvidia-intel-servidores-nucs/index.md): del cluster homogéneo al parque real.
- [Medir la potencia de una GPU](https://blog.lo0.es/posts/medir-potencia-gpu-nvml-dcgm/index.md): la metrología del sensor, que pertenece a la vez a esta capa y a la 10.

## Capa 2 · Almacenamiento

- [Estado del arte](https://blog.lo0.es/posts/almacenamiento-ia-estado-del-arte/index.md), [rendimiento](https://blog.lo0.es/posts/almacenamiento-ia-rendimiento/index.md), [seguridad](https://blog.lo0.es/posts/almacenamiento-ia-seguridad/index.md) y [disponibilidad](https://blog.lo0.es/posts/almacenamiento-ia-disponibilidad/index.md): la serie de cuatro sobre el almacenamiento que sostiene pesos, corpus y checkpoints.
- [Del disco a la HBM](https://blog.lo0.es/posts/del-disco-a-la-hbm-cold-start-carga-modelo/index.md): por qué arrancar un modelo tarda lo que tarda.
- [Acelerar el cold start](https://blog.lo0.es/posts/acelerar-cold-start-carga-modelos-tensorizer/index.md): de minutos a segundos con serialización y caché.

## Capa 3 · El cluster

- [vLLM en Kubernetes](https://blog.lo0.es/posts/vllm-kubernetes/index.md): la pieza de inferencia que sí escala.
- [Operators de inferencia LLM](https://blog.lo0.es/posts/operators-llm-kubernetes/index.md): OME, vLLM Production Stack y compañía.
- [El cluster GPU como plataforma multi-tenant](https://blog.lo0.es/posts/cluster-h100-plataforma-multi-tenant/index.md): de máquina compartida a servicio.
- [Compartir una GPU: time-slicing, MPS y MIG](https://blog.lo0.es/posts/compartir-gpu-time-slicing-mps-mig/index.md): las tres formas de partir un acelerador.
- [Volcano y Kueue](https://blog.lo0.es/posts/volcano-vs-kueue-scheduling-gpu-kubernetes/index.md): gang scheduling, colas y cuotas.
- [Autoscaling con HPA y KEDA](https://blog.lo0.es/posts/autoscaling-llm-kubernetes-keda/index.md): escalar por métricas que signifiquen algo.
- [Servir varios modelos en una GPU](https://blog.lo0.es/posts/servir-varios-modelos-una-gpu-swap-sleep/index.md): co-residencia, swap y sleep.
- [Capacity planning on-premise](https://blog.lo0.es/posts/capacity-planning-inferencia-llm-on-premise/index.md): del SLO al número de nodos.
- [GitOps del stack con Flux](https://blog.lo0.es/posts/gitops-stack-inferencia-llm-flux/index.md): operar la plataforma como código.
- [Cilium BGP en RKE2](https://blog.lo0.es/posts/rke2-cilium-bgp/index.md) y [eBPF de cero a Cilium](https://blog.lo0.es/posts/ebpf-cilium-tcp-ip-bypass/index.md): la red por debajo de todo lo anterior.

## Capa 4 · El motor de inferencia

El bloque más denso del blog: vLLM abierto en canal, pieza a pieza.

- [KV cache](https://blog.lo0.es/posts/kv-cache-fundamentos/index.md) y [PagedAttention](https://blog.lo0.es/posts/pagedattention-deep-dive/index.md): la memoria de trabajo y su gestor de bloques.
- [Continuous batching](https://blog.lo0.es/posts/continuous-batching-fundamentos/index.md) y [el scheduler step](https://blog.lo0.es/posts/scheduler-step-vllm/index.md): cómo se arma cada ronda de trabajo.
- [Optimizar el prefill](https://blog.lo0.es/posts/prefill-optimizaciones-vllm/index.md) y [optimizar el decode](https://blog.lo0.es/posts/decode-optimizaciones-vllm/index.md): las dos fases y sus mandos.
- [El backend de atención](https://blog.lo0.es/posts/backend-atencion-vllm-flashinfer/index.md) y [FlashAttention](https://blog.lo0.es/posts/flashattention-fundamentos/index.md): el núcleo del cálculo.
- [Prefix cache: ingeniería del hit rate](https://blog.lo0.es/posts/prefix-cache-hit-rate-engineering/index.md) y [batch sizing con grid search](https://blog.lo0.es/posts/batch-sizing-vllm-grid-search/index.md): los dos ajustes que más rendimiento regalan.
- [Disaggregated serving](https://blog.lo0.es/posts/disaggregated-serving-prefill-decode/index.md) y [una réplica grande o muchas pequeñas](https://blog.lo0.es/posts/tp-replicas-una-grande-vs-n-pequenas/index.md): las decisiones de topología.
- [Contexto largo y KV offloading](https://blog.lo0.es/posts/contexto-largo-kv-offloading-tiered/index.md): la jerarquía de memoria del KV cuando la ventana no cabe en la HBM.
- [Structured output](https://blog.lo0.es/posts/structured-output-fundamentos/index.md) y [function calling](https://blog.lo0.es/posts/function-calling-tool-augmented-retrieval/index.md): sujetar la salida del modelo.
- [Servir modelos de razonamiento](https://blog.lo0.es/posts/serving-modelos-razonamiento-test-time-compute/index.md): el borrador invisible que pagas igual.
- [Multimodal on-premise con vLLM](https://blog.lo0.es/posts/multimodal-vlm-on-premise-vllm/index.md) y [servir embeddings y rerankers con TEI](https://blog.lo0.es/posts/servir-embeddings-rerankers-tei-produccion/index.md): los otros modelos del stack.
- [El roofline invertido](https://blog.lo0.es/posts/roofline-invertido-modelos-pequenos/index.md): por qué un modelo pequeño no se optimiza igual que uno grande.

## Capa 5 · El modelo

Todo lo que se le hace al modelo antes de servirlo, o mientras se sirve.

- [Quantization para inferencia](https://blog.lo0.es/posts/quantization-fundamentos-inferencia/index.md), [FP8 end-to-end](https://blog.lo0.es/posts/fp8-end-to-end-pesos-kv-calidad/index.md), [cuantización agresiva sub-4-bit](https://blog.lo0.es/posts/cuantizacion-agresiva-sub-4-bit-ternario/index.md) y [cuantizar en caliente](https://blog.lo0.es/posts/test-time-quantization-en-caliente/index.md).
- [Poda](https://blog.lo0.es/posts/poda-pruning-llm-fundamentos/index.md) y [destilación](https://blog.lo0.es/posts/knowledge-distillation-fundamentos/index.md): reducir sin amputar, y enseñar a un modelo pequeño.
- [MoE en inferencia](https://blog.lo0.es/posts/moe-inference-fundamentos/index.md) y [arquitecturas nativas para device](https://blog.lo0.es/posts/arquitecturas-nativas-device-moe-grano-fino/index.md).
- [Multi-LoRA serving](https://blog.lo0.es/posts/multi-lora-serving-fundamentos/index.md), [QLoRA y multi-LoRA al límite](https://blog.lo0.es/posts/qlora-multi-lora-agresivo-slm/index.md) y [el runbook QLoRA completo](https://blog.lo0.es/posts/qlora-runbook-fine-tuning-serving/index.md).
- [Speculative decoding](https://blog.lo0.es/posts/speculative-decoding-fundamentos/index.md) y [self-speculative con early exit](https://blog.lo0.es/posts/self-speculative-decoding-early-exit/index.md).
- [Alignment moderno](https://blog.lo0.es/posts/alignment-moderno-dpo-kto-orpo-simpo/index.md): DPO, KTO, ORPO y SimPO.
- [Fine-tuning continuo](https://blog.lo0.es/posts/fine-tuning-continuo-produccion/index.md) y [retrain: cerrar el bucle](https://blog.lo0.es/posts/retrain-cerrar-el-bucle-feedback-dataset-adapter/index.md).

## Capa 6 · Datos y RAG

- [Ingesta documental del PDF al chunk indexado](https://blog.lo0.es/posts/ingesta-documental-rag-pdf-a-chunk-indexado/index.md) y [curación del corpus](https://blog.lo0.es/posts/rag-corpus-curation-fundamentos/index.md).
- [Embeddings en 2026](https://blog.lo0.es/posts/embeddings-modelos-2026-dense-sparse-multivector/index.md) y [reranker con hybrid retrieval](https://blog.lo0.es/posts/rag-reranker-hybrid-retrieval-fundamentos/index.md).
- [PostgreSQL y Qdrant en la ingestión](https://blog.lo0.es/posts/postgresql-qdrant-ingestion-microservicios/index.md), [Debezium y CDC](https://blog.lo0.es/posts/debezium-cdc-fundamentos/index.md) y [RAG sobre Kafka](https://blog.lo0.es/posts/rag-kafka-datalake-arquitectura/index.md).
- [Caché semántica](https://blog.lo0.es/posts/semantic-cache-rag/index.md): el recepcionista con memoria.
- [RAG en CPU](https://blog.lo0.es/posts/rag-en-cpu-plano-datos-generacion/index.md) y [RAG agresivo en modelos pequeños](https://blog.lo0.es/posts/rag-agresivo-modelos-pequenos/index.md).
- [Evaluar un RAG sin engañarse](https://blog.lo0.es/posts/rag-eval-ragas-golden-dataset/index.md): RAGAS y el golden dataset.
- [Ontologías y knowledge graphs](https://blog.lo0.es/posts/ontologias-knowledge-graphs-seis-etapas-llmops/index.md) y [data versioning con DVC y lakeFS](https://blog.lo0.es/posts/data-versioning-dvc-lakefs/index.md).

## Capa 7 · Plano de control y entrega

- [Elegir el gateway OSS](https://blog.lo0.es/posts/elegir-gateway-oss-inferencia-llm/index.md) y [el router de inferencia L7](https://blog.lo0.es/posts/router-inferencia-llm-gateway-l7/index.md): la centralita por delante del motor.
- [KServe y el Open Inference Protocol](https://blog.lo0.es/posts/kserve-open-inference-protocol-plano-control/index.md): el plano de control estándar.
- [Registro y distribución de modelos con OCI y ORAS](https://blog.lo0.es/posts/registro-distribucion-modelos-oci-oras/index.md): dónde viven los bytes.
- [Canary, blue-green y shadow](https://blog.lo0.es/posts/canary-blue-green-shadow-modelos-llm/index.md): desplegar un modelo sin romper el servicio.
- [Prompt versioning](https://blog.lo0.es/posts/prompt-versioning-langfuse-mlflow/index.md): el contrato que evita el susto.
- [MCP por dentro](https://blog.lo0.es/posts/mcp-observability-otel/index.md) y [ponerle autenticación con Keycloak](https://blog.lo0.es/posts/mcp-crece-autenticacion-keycloak/index.md).
- **Operar el plano de control** (serie de septiembre de 2026): [el par LiteLLM y Langfuse](https://blog.lo0.es/posts/litellm-langfuse-par-operativo/index.md), [el día 2 del proxy](https://blog.lo0.es/posts/litellm-proxy-dia-2-alta-disponibilidad/index.md) y [claves virtuales, presupuestos y límites](https://blog.lo0.es/posts/litellm-limites-presupuestos-claves-virtuales/index.md) y [humanos y agentes en el mismo gateway](https://blog.lo0.es/posts/litellm-humanos-y-agentes-mismo-gateway/index.md), [el enrutado por prefijo que LiteLLM no hace](https://blog.lo0.es/posts/enrutado-prefijo-kv-cache-lo-que-litellm-no-hace/index.md) y [el gateway MCP como segunda puerta de entrada](https://blog.lo0.es/posts/litellm-gateway-mcp-segunda-puerta/index.md), [dimensionar para agentes](https://blog.lo0.es/posts/dimensionar-gateway-flota-agentes/index.md) y [las costuras con identidad y trazas](https://blog.lo0.es/posts/litellm-identidad-trazas-costuras/index.md): el gateway ya no como pieza que se elige, sino como pieza que se opera.
- **Identidad**: [Keycloak en una plataforma de IA](https://blog.lo0.es/posts/keycloak-plano-identidad-plataforma-ia/index.md), con su posición en la arquitectura y los estándares de MCP que no implementa, y [cómo completarlo para MCP](https://blog.lo0.es/posts/completar-keycloak-para-mcp/index.md) construyendo el lado del recurso protegido.
- **Operar Langfuse** (serie de ocho, septiembre de 2026): [qué entra en una traza](https://blog.lo0.es/posts/langfuse-v4-que-entra-en-una-traza/index.md), primer artículo sobre el día 2 de la versión 4.
- Montar un asistente soberano end-to-end, con todas las piezas anteriores funcionando juntas, es el ejercicio que cierra esta capa y está pendiente de publicación.

La entrega a los equipos que la usan es su propia familia de piezas:

- [Backstage como portal de autoservicio](https://blog.lo0.es/posts/backstage-portal-autoservicio-plataforma-llm/index.md): el catálogo, las plantillas y el golden path, con el coste real de operarlo.
- [Kubeflow a fondo](https://blog.lo0.es/posts/kubeflow-a-fondo-plataforma-ml-on-premise/index.md): qué piezas de la caja de herramientas de ML valen la pena y cuáles ya tienes.
- [Knative y scale-to-zero](https://blog.lo0.es/posts/knative-scale-to-zero-inferencia-llm/index.md): cuándo apagar la GPU ahorra y cuándo el arranque en frío viola tu SLO.

Reconstruir la experiencia de nube sobre hierro propio es una tanda de tres:

- [De la nube pública a la privada](https://blog.lo0.es/posts/de-la-nube-publica-a-la-privada-mapa/index.md): qué se pierde al salir de la nube y qué proyectos tapan cada hueco, con el caso de negocio y los drivers de soberanía.
- [Crossplane como plano de control](https://blog.lo0.es/posts/crossplane-control-plane-autoservicio-soberano/index.md): la API declarativa de aprovisionamiento que on-premise no viene dada, y el coste de operar tu propio control plane.
- [KubeVela y Score](https://blog.lo0.es/posts/kubevela-score-autoservicio-cli-desarrollador/index.md): el autoservicio por CLI centrado en la aplicación, la cara amable que Crossplane deliberadamente no da.

## Capa 8 · Observabilidad y evaluación

- [Tracing con OpenTelemetry GenAI](https://blog.lo0.es/posts/tracing-llm-otel-genai/index.md) e [instrumentar vLLM con OTel](https://blog.lo0.es/posts/vllm-otel-instrumentacion-optimizaciones/index.md).
- [Langfuse por dentro](https://blog.lo0.es/posts/langfuse-self-hosting-arquitectura-tuning/index.md): el centro de clasificación de trazas.
- [Observabilidad GPU con DCGM](https://blog.lo0.es/posts/observabilidad-gpu-dcgm-llm/index.md) y [anatomía de las métricas DCGM y vLLM](https://blog.lo0.es/posts/anatomia-metricas-dcgm-vllm-anomalias/index.md).
- [Evals: la capa después del tracing](https://blog.lo0.es/posts/evals-llm-la-capa-despues-de-tracing/index.md) y [LLM-as-judge](https://blog.lo0.es/posts/llm-as-judge-fundamentos/index.md).
- [Runbooks de incident response](https://blog.lo0.es/posts/runbooks-incident-response-llm-keep-kafka/index.md): de la alerta a la acción.
- [Hubble](https://blog.lo0.es/posts/hubble-observabilidad-ebpf/index.md), [AgentSight](https://blog.lo0.es/posts/agentsight-tracing-llm/index.md) y [detección de drift con eBPF](https://blog.lo0.es/posts/ebpf-on-device-inference-drift/index.md): observar sin instrumentar.

## Capa 9 · Seguridad, confianza y cumplimiento

- [Guardrails y safety](https://blog.lo0.es/posts/guardrails-safety-llm/index.md) y [LLM Guard](https://blog.lo0.es/posts/llm-guard-fundamentos/index.md): las líneas de defensa alrededor del modelo.
- [Hardening y secretos del stack soberano](https://blog.lo0.es/posts/hardening-secretos-stack-llm-soberano/index.md).
- [Aislar agentes de IA del workspace](https://blog.lo0.es/posts/aislar-agentes-ia-cliente-cluster/index.md) y [el runbook con bubblewrap y Tetragon](https://blog.lo0.es/posts/runbook-aislar-agentes-ia-bubblewrap-tetragon/index.md), con [Tetragon](https://blog.lo0.es/posts/tetragon-runtime-security/index.md) como base.
- [Firma, procedencia y AIBOM](https://blog.lo0.es/posts/firma-procedencia-aibom-cadena-suministro-modelo/index.md) e [identidad y aislamiento con SPIFFE y Confidential Containers](https://blog.lo0.es/posts/identidad-aislamiento-spiffe-confidential-containers/index.md).
- [ISO/IEC 42001](https://blog.lo0.es/posts/iso-42001-aims-llm-on-premise/index.md), [el EU AI Act artículo por artículo](https://blog.lo0.es/posts/eu-ai-act-mapeo-arquitectura-llm-on-premise/index.md) y [el mapeo cruzado ENS, 42001 y AI Act](https://blog.lo0.es/posts/controles-tecnicos-ens-42001-eu-ai-act/index.md).
- [Cumplimiento en sanidad](https://blog.lo0.es/posts/infra-cumplimiento-normativo-sanidad-ia/index.md) y [en defensa](https://blog.lo0.es/posts/infra-cumplimiento-normativo-defensa-ia/index.md): la misma infraestructura ante dos marcos sectoriales.

## Capa 10 · Coste, rendimiento y energía

El track de datos, escrito con un formato distinto al resto del blog: tablas, cifras y fuente verificable, sin analogías. Son los artículos que sostienen una decisión de inversión.

**FinOps**: [modelo de coste y estado del arte](https://blog.lo0.es/posts/finops-gpu-llm-frameworks-estado-del-arte/index.md), [OpenCost a fondo](https://blog.lo0.es/posts/opencost-cost-allocation-kubernetes/index.md), [Kubecost frente a OpenCost](https://blog.lo0.es/posts/kubecost-vs-opencost-vs-alternativas/index.md), [del GPU-hora al coste por token](https://blog.lo0.es/posts/coste-por-token-y-por-request/index.md), [chargeback y showback](https://blog.lo0.es/posts/chargeback-showback-multitenancy-gpu/index.md), [el coste del GPU idle](https://blog.lo0.es/posts/utilizacion-gpu-como-finops/index.md), [cloud GPU y neoclouds](https://blog.lo0.es/posts/cloud-gpu-commitment-spot-neoclouds/index.md), [TCO completo on-premise](https://blog.lo0.es/posts/tco-on-premise-gpu-cluster/index.md) y [FinOps multi-tenancy con LiteLLM](https://blog.lo0.es/posts/finops-multi-tenancy-gpu-litellm/index.md).

**Benchmarking**: [frameworks y métricas](https://blog.lo0.es/posts/benchmarking-llm-frameworks-estado-del-arte/index.md), [catálogo de herramientas](https://blog.lo0.es/posts/herramientas-benchmark-llm-ficha-a-ficha/index.md), [GuideLLM y el SLO bajo carga](https://blog.lo0.es/posts/guidellm-validacion-slo-bajo-carga/index.md), [GenAI-Perf a fondo](https://blog.lo0.es/posts/nvidia-genai-perf-a-fondo/index.md), [cómo leer MLPerf Inference](https://blog.lo0.es/posts/mlperf-inference-como-leerlo/index.md), [sesgo de medición y reproducibilidad](https://blog.lo0.es/posts/sesgo-medicion-reproducibilidad-bench/index.md), [benchmarks de calidad](https://blog.lo0.es/posts/benchmarks-de-calidad-llm/index.md) y [la frontera de Pareto entre motores](https://blog.lo0.es/posts/comparativa-motores-serving-pareto/index.md).

**Energía**: [medir la potencia de la GPU](https://blog.lo0.es/posts/medir-potencia-gpu-nvml-dcgm/index.md), [energía por token en España](https://blog.lo0.es/posts/energia-por-token-metodologia/index.md), [frameworks de benchmarking energético](https://blog.lo0.es/posts/benchmarking-energia-llm-frameworks-estado-del-arte/index.md), [medir en producción con Kepler y DCGM](https://blog.lo0.es/posts/herramientas-energia-deploy-precision-overhead/index.md), [MLPerf Power](https://blog.lo0.es/posts/mlperf-power-eficiencia-energetica/index.md), [leaderboards de Wh por token](https://blog.lo0.es/posts/leaderboards-energia-llm/index.md), [del vatio al carbono](https://blog.lo0.es/posts/del-vatio-al-carbono-pue-grid/index.md), [palancas de eficiencia](https://blog.lo0.es/posts/palancas-eficiencia-energetica-inferencia/index.md) y [la energía en el TCO y en la regulación](https://blog.lo0.es/posts/energia-en-el-tco-y-la-regulacion/index.md).

**Síntesis**: [los tres ejes y la identidad que los une](https://blog.lo0.es/posts/tres-ejes-coste-rendimiento-energia-inferencia-llm/index.md), [on-premise soberano frente a hyperscalers, con datos](https://blog.lo0.es/posts/on-premise-soberano-vs-hyperscalers-datos/index.md), [del SLO al número de GPUs](https://blog.lo0.es/posts/dimensionar-justificar-inversion-gpu/index.md) y [el harness reproducible](https://blog.lo0.es/posts/harness-reproducible-medicion-coste-rendimiento-energia/index.md).

A esa lista se suman dos piezas de coste que no son de GPU: [el coste de los agentes con durable execution](https://blog.lo0.es/posts/temporal-durable-execution-coste-agentes/index.md) y [el coste por petición del gateway](https://blog.lo0.es/posts/coste-por-token-y-por-request/index.md).

## Los mapas maestros

Cinco artículos anteriores hacen de plano general y siguen siendo la mejor puerta de entrada para quien llega nuevo:

- [El pipeline LLMOps de seis etapas](https://blog.lo0.es/posts/pipeline-llmops-seis-etapas/index.md): el mapa maestro del ciclo de vida.
- [Las siete capas del stack on-premise](https://blog.lo0.es/posts/siete-capas-stack-inferencia-llm-on-premise/index.md): la versión de arquitectura de este mismo mapa.
- [Anatomía de una petición LLM en producción](https://blog.lo0.es/posts/anatomia-request-llm-mayo-2026/index.md): una request real atravesando todas las capas.
- [Cinco niveles de madurez de la plataforma](https://blog.lo0.es/posts/cinco-niveles-madurez-plataforma-llm-on-premise/index.md) y [siete fases de despliegue greenfield](https://blog.lo0.es/posts/siete-fases-despliegue-plataforma-llm-on-premise/index.md): dónde estás y qué toca después.
- [El catálogo OSS ficha por ficha](https://blog.lo0.es/posts/catalogo-herramientas-oss-llmops/index.md) y [el catálogo paralelo frente a los hyperscalers](https://blog.lo0.es/posts/oss-vs-hyperscalers-llmops/index.md): qué herramienta para cada etapa.
- [MLOps para LLMs en 2026](https://blog.lo0.es/posts/mlops-llms-panorama-2026/index.md): el panorama de partida.

## Cuatro recorridos

**Voy a montar la primera plataforma.** Panorama y pipeline de seis etapas, siete capas del stack, siete fases de despliegue, capacity planning, vLLM en Kubernetes, gateway, observabilidad con OTel y Langfuse, y guardrails antes de abrir la puerta.

**Tengo el cluster y no me llega el rendimiento.** Anatomía de una petición, KV cache y PagedAttention, prefill y decode, prefix cache, batch sizing, GuideLLM para encontrar el punto de saturación, sesgo de medición para no engañarte con los números, y la frontera de Pareto entre motores.

**Tengo que justificar la inversión ante dirección.** Los tres ejes, TCO on-premise, coste por token, GPU idle, on-premise frente a hyperscalers, dimensionar y justificar, y el harness reproducible para que las cifras aguanten una auditoría.

**Me toca la sala, no el software.** La cadena de energía, los generadores, el reto térmico, el aire y sus límites, el líquido directo al chip, la inmersión, y de ahí a almacenamiento y a la topología del nodo.

## Lo que falta

El mapa también sirve para ver los huecos, y quedan tres identificados, más una línea a medio abrir:

- **Comparativa de bases vectoriales**: Milvus, Qdrant, pgvector y OpenSearch con datos, más allá de las menciones sueltas.
- **Lakehouse para RAG**: Iceberg y Trino como sustrato del corpus.
- **Gestión fuera de banda**: OpenBMC, Redfish y DCIM, que es justo el puente entre la capa 0 y la capa 3.
- **Sustrato soberano**: la parte de autoservicio por CLI ya la cubre la tanda de la capa 7 (Crossplane, KubeVela y Score), y queda pendiente el sustrato de tipo IaaS que hay debajo, las alternativas soberanas al hiperescalar (Spinifex, Harvester, OpenStack) sobre las que corre todo lo demás.

## Ver también

- [Empieza aquí](/start-here/): la ruta de lectura por perfil y por vertical, incluidas las de Kubernetes y networking que este mapa deja fuera.
- [Anatomía de una petición LLM en producción](https://blog.lo0.es/posts/anatomia-request-llm-mayo-2026/index.md): si solo vas a leer un artículo del blog, que sea ese.