Inicio / Proyectos / Novacreux
Proyecto Final de Grado · ASIX 2025-2026

NOVACREUX

Ecosistema tecnológico modular que lleva la IA generativa, la automatización y la seguridad a 5 plataformas de hardware distintas: un homelab autoalojado, un PC con GPU dedicada, una Raspberry Pi con acelerador de IA, una NVIDIA Spark y una NVIDIA Jetson Orin Nano. Todo funcionando en local, sin depender de servicios de pago de terceros. Nada mas seguro que tener todo en tu casa.

Homelab & Docker IA Generativa Local Edge AI n8n & RAG NVIDIA Jetson / Spark Ciberseguridad
  Ver memoria completa (121 pág.)   Ver arquitectura
Proyecto desarrollado junto a Óscar Toledo Fernández, compañero de ASIX y coautor de la memoria técnica. El homelab, la integración de n8n y la IA en local (PC) son de responsabilidad principal de Izan; la Raspberry Pi + HAT AI, la NVIDIA Spark y la Jetson Orin Nano se trabajaron conjuntamente.
5
Plataformas de hardware
7
Servicios en producción 24/7
121
Páginas de memoria técnica
0€
Coste en servicios cloud de pago

Resumen ejecutivo

Visión

Novacreux nace para cerrar la distancia entre la IA de vanguardia, la seguridad robusta y la soberanía de los datos. La premisa es simple: una empresa o un profesional no necesita ceder sus datos a terceros para beneficiarse de la IA generativa, la automatización o la monitorización avanzada — puede tenerlo todo en su propia red. Creemos que un secreto salga de un lugar seguro puede abrir una brecha de seguridad, por ello los secretos no salen de casa.

Objetivo técnico

Diseñar, desplegar y documentar un mismo ecosistema de IA y automatización sobre hardware de gama muy distinta — desde una Raspberry Pi de bajo consumo hasta una NVIDIA Spark de nivel profesional — para entender qué plataforma conviene a cada caso de uso real: coste, rendimiento, consumo energético y escalabilidad. Este proyecto también demuestra que tal y como esta montado es facilmente escalable.

Arquitectura del ecosistema

El proyecto se reparte en cinco bloques independientes que comparten una misma filosofía (local-first, sin dependencias externas) pero resuelven necesidades distintas: infraestructura base, IA de escritorio, IA embebida de bajo consumo e IA de nivel profesional.

NOVACREUX Homelab Docker · Ubuntu Server IA Local (PC) RTX 4060 Ti 16GB Raspberry Pi 5 + AI HAT+2 (Edge) NVIDIA Spark Blackwell · hasta 128GB Jetson Orin Nano Robótica · IoT n8n — Agente IA con RAG izan1706.github.io (este portfolio)
Cinco bloques de hardware independientes, unidos por una misma filosofía: IA local, sin dependencias externas. El agente RAG de n8n conecta directamente con este mismo portfolio.
Bloque 1 · Infraestructura base

Homelab & Contenerización

Detrás de cualquier servicio de IA en local hace falta una infraestructura que lo sostenga. Sobre un PC reutilizado (Dell OptiPlex, Intel i7-4790, 16GB RAM, SSD 436GB) corre un Ubuntu Server sin interfaz gráfica, con cada servicio aislado en su propio contenedor Docker: si uno falla, el resto sigue funcionando.

Servidor Dell OptiPlex usado como homelab
El propio servidor del homelab: hardware reutilizado, 6W de consumo medio, funcionando 24/7.
PC IA Local Otros dispositivos Otros dispositivos Switch Router Casa Homelab
Topología de red física del homelab (recreada de la memoria técnica).

Servicios desplegados — pulsa cada uno para ver el detalle:

VPN · Tailscale

Acceso remoto seguro a toda la red sin exponer puertos, con control de acceso y logs de auditoría.

Pi-Hole

DNS propio de la red doméstica: bloqueo de publicidad y dominios maliciosos, nombres locales fáciles de recordar.

Galería Immich

Alternativa autoalojada a Google Fotos, con sincronización móvil y machine learning local.

Fail2ban

Prevención de intrusiones por fuerza bruta: detecta patrones de login fallido y banea la IP automáticamente.

Uptime Kuma

Monitorización visual de servicios, puertos TCP y contenedores, con alertas ante incidencias.

Netdata

Visibilidad en tiempo real de CPU, memoria, disco y red — identifica cuellos de botella al instante.

n8n

Orquestador de automatizaciones low-code, alternativa autoalojada y gratuita a Zapier.

Bloque 2 · IA de escritorio

IA Generativa en Local (PC)

El objetivo es demostrar que, con hardware de consumo, es posible tener flujos de trabajo de IA de nivel profesional con latencia mínima y control total sobre los modelos — sin que ningún dato salga de la red local. La pila corre sobre Ollama como motor de inferencia y Open WebUI como interfaz, todo en contenedores Docker.

EquipoPC Personal de Izan
CPUIntel i5-13600KF
RAM2 × 8GB Kingston Fury 3200MHz
GPUZotac NVIDIA RTX 4060 Ti — 16GB VRAM
Disco1TB NVMe M.2 Kingston
Rendimiento12–18 tokens/s con modelos de hasta 24B
  • Motor de inferenciaOllama
  • InterfazOpen WebUI (Docker)
  • Requisito críticoVRAM ≥ 16GB
  • SOLinux (CUDA)
  • AislamientoUsuarios y permisos dedicados
Bloque 3 · Edge AI de bajo consumo

Raspberry Pi 5 + AI HAT+2 — Analizador de Vídeo

Una Raspberry Pi 5 de 8GB con el módulo AI HAT+2 (NPU Hailo-8, 26 TOPS) ejecuta un pipeline en Python con OpenCV y la API de Hailo capaz de describir el contenido de un vídeo: en un entorno real esto se traduce en detectar riesgos laborales, humo u objetos sin intervención humana, y activar protocolos o notificaciones automáticamente.

Raspberry Pi 5 con módulo AI HAT+2
Raspberry Pi 5 + AI HAT+2: 26 TOPS de NPU en un consumo de 5-12W.
  • PlacaRaspberry Pi 5 — 8GB RAM
  • AceleradorAI HAT+2 (NPU Hailo-8, 26 TOPS)
  • Consumo medio5–12 W
  • Rendimiento IA3–5 tokens/s (modelos de 3B)
  • Stack softwarePython venv · OpenCV · hailo-python-api · Ollama
  • Caso de usoVisión artificial / IoT en el borde
Bloques 4 y 5 · IA profesional y robótica

NVIDIA Spark & Jetson Orin Nano

En el extremo opuesto de la Raspberry Pi están las dos plataformas de NVIDIA: la Spark, pensada para entrenamiento e inferencia a gran escala, y la Jetson Orin Nano, orientada a Edge AI y robótica con agentes que actúan sobre sensores en tiempo real.

NVIDIA Spark

Arquitectura Blackwell en formato de superordenador personal, probada mediante acceso remoto a una máquina virtual.

  • GPUBlackwell
  • Memoria48–128 GB
  • AlmacenamientoNVMe hasta 60TB
  • Consumo100–240 W
  • Capacidad IAModelos de 70B a 400B
  • Rendimiento15–22 tokens/s
Kit de desarrollo NVIDIA Jetson Orin Nano
Kit de desarrollo de la Jetson Orin Nano: sensores, actuadores y pantalla táctil para prototipar agentes de IA sobre hardware físico.

NVIDIA Jetson Orin Nano

Sobre un kit de desarrollo con sensores, actuadores y pantalla integrada, se probó cómo un agente de IA puede leer datos de sensores y actuar en consecuencia de forma autónoma — la base de cualquier aplicación de robótica o IoT industrial.

  • ArquitecturaAmpere
  • Rendimiento40 TOPS
  • Consumo7–15 W
  • Memoria compartida8 GB
  • Capacidad IAModelos de 1B a 7B
  • Rendimiento IA10–15 tokens/s

Comparativa de hardware

Cuatro plataformas, cuatro propósitos distintos. Ninguna gana en todo — cada una tiene su lugar según el caso de uso.

RTX 4060 Ti 16GB Raspberry Pi + HAT2+ NVIDIA Spark Jetson Orin Nano
Arquitectura Ada Lovelace ARM Cortex-A76 + NPU Hailo-8 Blackwell Ampere
Memoria 16GB GDDR6 8GB LPDDR4 + 26 TOPS NPU 48–128GB 8GB compartida
Consumo (TDP) 165W 5–12W 100–240W 7–15W
Uso típico IA local (hasta 24B), gaming Edge AI, visión artificial, IoT Entrenamiento, modelos de 70B–400B Edge AI, robótica
Ventaja Coste bajo, baja latencia Consumo ultra bajo, portátil Escalabilidad, gran memoria Ecosistema JetPack, tiempo real
Limitación VRAM insuficiente para modelos grandes No apta para modelos grandes Coste, consumo, complejidad Memoria compartida limitada (8GB)

  Calculadora de coste energético

Estimación de gasto anual por plataforma, a partir de los consumos medidos en el proyecto.

—
Consumo diario
—
Consumo anual
—
Coste anual estimado

Aprendizajes y próximos pasos

Lo que funcionó

  • Segmentar cada servicio en Docker evita que un fallo tumbe el resto del homelab.
  • Comparar 5 plataformas reales enseña mejor que cualquier tabla de especificaciones: cada una tiene un caso de uso claro.
  • Usar el propio proyecto (el agente n8n) en producción en este portfolio, no solo como demo.
  • Medir consumo y coste real antes de recomendar una plataforma, no solo rendimiento.

Próximos pasos

  • Analizador de vídeo de la Raspberry en directo (cámara en tiempo real, no vídeo pregrabado).
  • Migrar la VPN de Tailscale a Wireguard 100% autoalojado.
  • Sustituir Fail2ban por CrowdSec, con inteligencia compartida entre nodos.
  • Chatbot en Raspberry accesible por WhatsApp/Telegram, orquestado con n8n.
  • Montar un NAS con redundancia real para el homelab.

¿Quieres ver el proyecto con más detalle?

La memoria técnica completa recoge cada paso de instalación, configuración y prueba de los 5 bloques del proyecto.

  Descargar memoria (PDF)   Volver a proyectos

Administrador de Sistemas y Especialista en Ciberseguridad con enfoque en soluciones robustas, seguras y automatizadas.

Contacto

  • izanro06@gmail.com
  • Barcelona, España

Enlaces Rápidos

Systems Operational Uptime: 99.9%
© 2026 IZAN. Todos los derechos reservados. Portafolio técnico de administración de sistemas y ciberseguridad.
SSL Secured | AES-256 Verified Connection