Seeed Studio acaba de presentar la reCamera Pro, una cámara de inteligencia artificial pensada para funcionar de forma totalmente autónoma en el borde de la red, sin depender de un servidor remoto para procesar lo que ve o escucha. El dispositivo se apoya en el SoC Rockchip RV1126B, un chip con cuatro núcleos Cortex-A53 y una NPU capaz de entregar hasta 3 TOPS, suficiente para ejecutar simultáneamente tareas de visión por computador, modelos de lenguaje (LLM), modelos de visión-lenguaje (VLM), reconocimiento de voz (STT) y síntesis de voz (TTS). Es la evolución directa del modelo anterior, basado en el SoC RISC-V SG2002, y llega con memoria de hasta 4 GB, almacenamiento eMMC de 16 GB, un sensor de 8 megapíxeles con grabación en 4K a 30 fotogramas por segundo, conectividad Ethernet con PoE y WiFi de doble banda. El resultado es un producto compacto que aspira a convertirse en una plataforma abierta para desarrolladores que quieran experimentar con IA multimodal sin necesidad de la nube.

Hardware compacto con ambiciones de estación de IA completa

Lo primero que llama la atención de la reCamera Pro (300 $ el modelo de 2GB de RAM) es cuánto han conseguido meter en un cuerpo de apenas 89,8 x 67 x 67 mm y 324 gramos de peso. El sensor SC850SL, de formato óptico 1/1,8 pulgadas y con capacidad «starlight» para condiciones de poca luz, ofrece un campo de visión de 123 grados y una distancia focal de 2,75 mm, montado sobre una rosca M12 que permite cambiar de óptica según la aplicación. A esto se suma un altavoz integrado de 1W, dos micrófonos, una unidad de medición inercial de seis ejes y una batería opcional de 7,4V, lo que convierte al dispositivo en algo más parecido a un pequeño ordenador de IA con forma de cámara que a una webcam convencional. La conectividad tampoco se queda corta: puerto Gigabit Ethernet con alimentación PoE, WiFi 5 de doble banda, Bluetooth 5.4, un puerto USB-C tipo 3.0 y salida de vídeo mediante conector MIPI DSI de 22 pines. Para integraciones industriales incluye además dos buses CAN, GPIO y UART, y admite protocolos estándar como RTSP, ONVIF, MQTT y HTTP para conectarse con sistemas NVR, PLC o plataformas IoT ya existentes.

El producto en detalle: rendimiento real y precio de salida

Más allá de la ficha técnica, lo interesante de la reCamera Pro es que Seeed Studio ha publicado cifras concretas de rendimiento que permiten hacerse una idea real de su capacidad. En detección de objetos con YOLO11 a resolución 640×640, la NPU alcanza 43 fotogramas por segundo, una cifra notable para un chip de gama de entrada. En el terreno de los modelos de lenguaje, ejecutando Qwen2 de 0,5B de parámetros con cuantización W8A8, el dispositivo genera 13,63 tokens por segundo, mientras que el modelo de visión-lenguaje InternVL3-1B ronda los 6,08 tokens por segundo, cifras que dan una idea de qué tipo de asistentes multimodales ligeros pueden ejecutarse localmente. En cuanto a voz, el reconocimiento con Whisper Base mantiene un factor de tiempo real de entre 0,40 y 0,50, y la síntesis con MMS-TTS baja hasta 0,09-0,18, lo que en la práctica significa procesamiento de audio prácticamente instantáneo. El dispositivo se gestiona a través de una interfaz web que permite previsualizar el vídeo en directo, configurar la grabación, subir y convertir modelos de IA, y ajustar los parámetros de inferencia, además de exponer una API HTTP para quienes quieran construir sus propias aplicaciones. Seeed Studio ha abierto ya los pedidos anticipados de la versión de 2GB por 299,90 dólares, con envíos previstos para el 29 de julio de 2026, mientras que la variante de 4GB llegará en los próximos tres meses.

Un mercado cada vez más competido

La reCamera Pro no llega a un terreno vacío. Comparte SoC con propuestas como la Firefly CQ38W-1126B, orientada también a aplicaciones comerciales e industriales, frente a la cual destaca principalmente por su tamaño reducido. También resulta inevitable la comparación con la CamThink NeoEyes NE301, aunque en este caso se trata de un dispositivo conceptualmente distinto: está basado en un microcontrolador STM32N6, lo que le otorga mucha mayor eficiencia energética a costa de un rendimiento bastante más limitado. Esta distinción resulta relevante porque marca dos filosofías de diseño distintas dentro del segmento de cámaras de IA en el borde: por un lado, los sistemas basados en SoC de aplicaciones como el RV1126B, con más potencia de cómputo pero también mayor consumo, y por otro los microcontroladores de bajo consumo pensados para operar con baterías durante meses. Para quien busque ejecutar modelos de lenguaje o visión-lenguaje de forma local, la primera opción resulta prácticamente obligatoria, ya que estos modelos exigen bastante más memoria y capacidad de cómputo de la que un microcontrolador puede ofrecer.

Un nicho en expansión: cámaras que entienden lo que ven

El auge de las cámaras de IA con capacidad de ejecutar modelos generativos localmente responde a una tendencia más amplia dentro del sector del edge computing: reducir la latencia, evitar el envío constante de datos sensibles a servidores externos y permitir el funcionamiento en entornos sin conexión estable a internet. Según recoge la documentación técnica publicada por Rockchip sobre su familia RV1126B, este tipo de SoC está pensado específicamente para cargas de trabajo de IA generativa combinadas con visión por computador en dispositivos de bajo consumo, algo que hasta hace poco quedaba reservado a equipos con GPU dedicada (rockchip-electronics.com). Este movimiento hacia la «IA generativa en el borde» también se refleja en la literatura técnica sobre optimización de modelos de lenguaje pequeños, donde se explica cómo técnicas de cuantización como la W8A8 permiten ejecutar modelos de varios cientos de millones de parámetros con consumos de memoria y energía mucho más contenidos sin sacrificar demasiada precisión.. Asimismo, el propio proyecto de documentación de Seeed Studio detalla cómo configurar el pipeline completo de inferencia, desde la conversión de modelos hasta la implementación de aplicaciones personalizadas mediante la API web del dispositivo, un recurso que resulta imprescindible para cualquiera que quiera exprimir el hardware más allá de los casos de uso predefinidos (wiki.seeedstudio.com).

Reflexiones adicionales

La reCamera Pro representa bien hacia dónde se dirige el segmento de cámaras inteligentes: dispositivos que ya no se limitan a detectar movimiento o reconocer objetos, sino que pueden mantener una conversación por voz, describir una escena con lenguaje natural o tomar decisiones complejas sin depender de la nube. El hecho de que Seeed Studio publique cifras de rendimiento tan detalladas, incluyendo tokens por segundo en LLM y VLM, es un indicio de que el público objetivo son desarrolladores e integradores que necesitan datos concretos antes de decidir si el hardware encaja en su proyecto, ya sea vigilancia inteligente, automatización industrial o asistentes de voz embebidos. El precio de salida, algo superior a los 300 dólares en su configuración más básica, sitúa al dispositivo en un segmento intermedio, por encima de las cámaras IP convencionales pero muy por debajo de lo que costaría montar un sistema equivalente con una GPU dedicada. Habrá que ver cómo evoluciona el soporte de software y la comunidad de desarrolladores en torno al dispositivo, un factor que en el pasado ha determinado el éxito o el fracaso de proyectos similares dentro del ecosistema de hardware abierto.