Cómo Montar un Servidor de IA Local y Homelab en Mini PC (2026)

Construir un servidor de inteligencia artificial local y homelab domótico en 2026 ha dejado de ser un experimento de laboratorio reservado a ingenieros de sistemas para convertirse en la decisión técnica más inteligente y necesaria para cualquier hogar conectado. Durante la última década, la industria tecnológica impuso el paradigma del Cloud-First: bombillas, cámaras de seguridad, cerraduras inteligentes y asistentes de voz dependientes de centros de datos en Estados Unidos o China.

Sin embargo, el paso del tiempo ha revelado los tres graves peajes de este modelo: latencias frustrantes que arruinan la inmediatez domótica, vulnerabilidades críticas de privacidad en el tratamiento de audio y vídeo, y el fenómeno de la obsolescencia programada por cierre de servidores corporativos (e-waste).

En esta guía técnica de referencia, redactada y contrastada mediante pruebas de estrés continuo en nuestro laboratorio, detallamos paso a paso cómo diseñar, dimensionar y desplegar un centro neurálgico domótico 100% autónomo y privado sobre hardware Mini PC x86. Aprenderás a orquestar Home Assistant OS, emancipar tus dispositivos Tuya y Smart Life de la nube mediante extracción de claves locales criptográficas, estabilizar tu red de malla Zigbee 3.0 y Matter sobre Thread, y ejecutar modelos de lenguaje punteros como DeepSeek R1 y Qwen 2.5 junto a Faster-Whisper y Piper TTS sin que un solo byte de datos abandone el perímetro de tu red local.

1. La Soberanía Domótica Local en 2026 (Por qué la Nube es un Error)

El argumento fundacional para dar el salto a la infraestructura local radica en la arquitectura física de las telecomunicaciones. Cuando pulsas un interruptor inteligente o pides a un altavoz comercial que encienda la luz del salón, la señal realiza una ruta ineficiente: viaja desde tu router hacia la infraestructura de fibra óptica de tu operador, atraviesa cables submarinos y enrutadores troncales hasta el clúster de servidores del fabricante (frecuentemente alojado en nubes públicas como AWS en Frankfurt o servidores Tuya en Ningbo), se autentica, consulta una base de datos remota, y regresa por el mismo trayecto hasta el actuador en tu pared.

Este flujo introduce un tiempo de respuesta de ida y vuelta (Round-Trip Time, RTT) que oscila habitualmente entre 850 ms y 1.600 ms. En contraste, una instrucción enviada dentro de una red de área local (LAN) a través de sockets TCP directos o tramas de radio Zigbee responde en 12 ms – 35 ms. Esa diferencia de dos órdenes de magnitud es la línea divisoria entre una vivienda con fricción tecnológica y un hogar donde la domótica resulta instantánea e imperceptible.

COMPARATIVA DE LATENCIA DE EJECUCIÓN (MEDICIÓN DE LABORATORIO)
────────────────────────────────────────────────────────────────────────
Nube Comercial (Tuya/Smart Life Cloud):    ████████████████████ 1.250 ms
Asistente de Voz Cloud (Alexa/Google):     ████████████████████████ 1.480 ms
Homelab Local (Tuya Local LAN / TCP):      █ 18 ms
Malla Zigbee 3.0 Local (Canal 25):         █ 14 ms
Voz Local (Faster-Whisper + Piper TTS):    ████ 240 ms
────────────────────────────────────────────────────────────────────────

Los Cuatro Riesgos Inasumibles del Modelo Cloud

Privacidad y Exposición de Metadatos Íntimos: Un asistente comercial en la nube no solo envía muestras de voz comprimidas a servidores remotos para su transcripción; recopila patrones continuos de presencia, horas exactas de sueño, hábitos de apertura de cerraduras y marcas de tiempo de cámaras de seguridad. En un servidor homelab local, el audio se procesa en la memoria RAM de tu propio procesador y se destruye en milisegundos tras la inferencia.
Costes Recurrentes Ocultos y Bloqueos de API: Grandes ecosistemas como la plataforma para desarrolladores de Tuya IoT ofrecen periodos de prueba gratuitos tras los cuales imponen cuotas mensuales de suscripción para mantener activos los tokens en la nube. Migrar a integraciones locales te blinda de por vida frente a políticas comerciales arbitrarias.
Vulnerabilidad ante Caídas de Conectividad WAN: En un hogar dependiente de la nube, un corte en el cable de fibra óptica exterior, un problema de enrutamiento BGP de tu proveedor de internet (ISP) o un mantenimiento de servidores deja inoperativas las rutinas de climatización, el apagado de luces y el control de accesos. Un homelab gobernado por Home Assistant mantiene el 100% de sus automatizaciones operativas con independencia del estado de la conexión a internet.
Apagón de Plataformas y Chatarra Electrónica (E-Waste): El cierre repentino de plataformas como Insteon, las limitaciones progresivas de SmartThings o la retirada de soporte de fabricantes menores demuestran que delegar la inteligencia del hogar en infraestructuras ajenas convierte el hardware en pisapapeles de la noche a la mañana.

2. Topología y Arquitectura de Red Homelab

Para desplegar un servidor domótico robusto con inteligencia artificial, no basta con conectar el ordenador al router suministrado por tu operador. La coexistencia de tráfico de vídeo de alta definición, modelos de lenguaje masivos y decenas de dispositivos IoT económicos exige una segmentación estricta en redes de área local virtuales (VLANs) y una política de seguridad perimetral de confianza cero (Zero Trust).

El siguiente diagrama detalla la arquitectura recomendada, separando los flujos de gestión, la inferencia de inteligencia artificial, el tráfico de videovigilancia y los dispositivos IoT aislados de internet:

graph TD
    subgraph WAN [Acceso Exterior & Conectividad Remota]
        ExtClient[Cliente Remoto Smartphone / Portatil]
        Tunnel[Cloudflare Tunnel / VPN WireGuard Cifrada]
    end

    subgraph RouterFirewall [Perímetro de Seguridad: Firewall / Router]
        Router[Router / Firewall OPNsense / UniFi Gateway]
        DNS[DNS Local: Pi-hole / AdGuard Home con DoH]
    end

    subgraph VLAN10 [VLAN 10: Gestion & Homelab Core]
        Proxmox[Mini PC GMKtec K8 Plus / Proxmox VE 8.x]
        HAOS[VM 100: Home Assistant OS 2026]
        Ollama[LXC 101: Ollama - DeepSeek R1 & Qwen 2.5]
        WhisperPiper[LXC 102: Wyoming Faster-Whisper & Piper TTS]
        Z2M[LXC 103: Zigbee2MQTT & Mosquitto MQTT Broker]
        NAS[Servidor NAS Synology DS923+ / UGREEN - Backups 3-2-1]
    end

    subgraph VLAN20 [VLAN 20: Domotica IoT Aislada - Bloqueo WAN]
        TuyaPlug[Enchufes Tuya Local - Comunicacion LAN TCP 6668]
        ShellyRelay[Reles Shelly Gen3 - API HTTP / CoAP Local]
        WiFiSensors[Sensores Ambientales Wi-Fi - Sin Acceso a Internet]
    end

    subgraph VLAN30 [VLAN 30: Seguridad & CCTV]
        Frigate[LXC 104: Frigate NVR con Deteccion IA Local]
        IPCams[Camaras IP PoE / RTSP - Streaming Local Aislado]
    end

    subgraph VLAN40 [VLAN 40: Red Domestica & Clientes]
        FamilyWiFi[Wi-Fi Familiar: Portatiles & Tablets]
        VoiceSats[Satelites de Voz ESP32-S3 microWakeWord]
    end

    subgraph MallaLocal [Red Malla Inalambrica Local IEEE 802.15.4]
        ExtUSB[Cable Alargador USB 2.0 Blindado 1.5m]
        DongleZ[Coordinador SONOFF Zigbee 3.0 Dongle Plus-E - Canal 25]
        ZRouters[Routers Zigbee: Enchufes & Bombillas Alimentadas]
        ZSensors[Sensores Zigbee a Bateria: Puertas, Presencia mmWave]
        ThreadBorder[Thread Border Router: Home Assistant ZBT-1]
        MatterDevices[Dispositivos Matter sobre Thread]
    end

    ExtClient --> Tunnel
    Tunnel --> Router
    Router --> DNS
    Router --> VLAN10
    Router --> VLAN20
    Router --> VLAN30
    Router --> VLAN40

    Proxmox --> HAOS
    Proxmox --> Ollama
    Proxmox --> WhisperPiper
    Proxmox --> Z2M
    Proxmox --> Frigate

    HAOS <--> Ollama
    HAOS <--> WhisperPiper
    HAOS <--> Z2M
    HAOS <--> TuyaPlug
    HAOS <--> ShellyRelay
    HAOS <--> Frigate

    Proxmox --> ExtUSB
    ExtUSB --> DongleZ
    ExtUSB --> ThreadBorder

    DongleZ --> ZRouters
    ZRouters --> ZSensors
    ThreadBorder --> MatterDevices

    VoiceSats -. Audio PCM Local .-> WhisperPiper
    IPCams -. Stream RTSP .-> Frigate
    HAOS -. Snapshot Diario SMB/NFS .-> NAS

Reglas de Segmentación y Seguridad Perimetral

Aislamiento No-WAN para la VLAN 20 (IoT): En el cortafuegos de tu router (pfSense, OPNsense, UniFi Dream Machine o MikroTik), define una regla de descarte (drop) para todo el tráfico saliente cuyo origen sea la VLAN 20 con destino a la interfaz WAN. De este modo, los dispositivos Tuya o bombillas Wi-Fi no podrán comunicarse con servidores en el extranjero ni recibir actualizaciones de firmware automáticas que puedan revocar el acceso local.
Apertura de Puertos Prohibida: Bajo ninguna circunstancia abras el puerto 8123 de Home Assistant hacia internet mediante reenvío de puertos (Port Forwarding). El acceso exterior debe canalizarse de forma segura mediante un túnel Cloudflare Tunnel protegido con autenticación de doble factor en Cloudflare Access, o a través de una red privada virtual cifrada con WireGuard.
Reservas DHCP e IP Estáticas: Asigna un direccionamiento IP determinista por rango de red:
- 192.168.10.0/24: Servidores centrales, hipervisor Proxmox, NAS y switches gestionados.
- 192.168.20.0/24: Dispositivos IoT cableados e inalámbricos.
- 192.168.30.0/24: Cámaras IP y NVR.
- 192.168.40.0/24: Dispositivos personales y smartphones con la aplicación Home Assistant Companion.

3. Selección de Hardware (Mini PC x86 vs SBC vs Servidor Rack)

La elección del hardware físico condiciona la estabilidad, el coste energético y la capacidad de inferencia de modelos de inteligencia artificial durante años. En nuestro laboratorio evaluamos de forma continua las tres familias de computación más extendidas:

CONSUMO ELÉCTRICO MEDIDO EN LABORATORIO (VATIOS REALES EN ENCHUFE)
─────────────────────────────────────────────────────────────────────────────
Plataforma Hardware            En Reposo (Idle)     Inferencia LLM / NVR
─────────────────────────────────────────────────────────────────────────────
Raspberry Pi 5 (8GB RAM)           4,1 W                 13,8 W
Intel N100 (Beelink Mini S12)      5,8 W                 18,2 W
AMD Ryzen 7 8845HS (SER8 / K8+)    7,8 W                 42,5 W
Intel Core i9-13900H (MS-01)      14,5 W                 86,0 W
Servidor Rack Usado (Dell R720)   98,0 W                245,0 W
─────────────────────────────────────────────────────────────────────────────

Por qué el Mini PC x86 es el Vencedor Absoluto en 2026

Frente a Placas Monoplaca (Raspberry Pi 5): Aunque la Raspberry Pi 5 mejoró sustancialmente su rendimiento respecto a generaciones previas, su memoria LPDDR4X soldada no ampliable (máximo 8 GB) y su bus PCIe 2.0/3.0 de una sola línea (x1 lane) limitan drásticamente el ancho de banda. Si bien añadir un acelerador Hailo-8 de 26 TOPS permite procesar vídeo en Frigate, resulta inviable ejecutar modelos LLM de 7B u 8B parámetros con fluidez conversacional. Además, al sumar la carcasa de aluminio, el adaptador de corriente oficial de 27W, el ventilador activo y el HAT SSD NVMe, su coste real supera los 190 €, acercándose peligrosamente al precio de un Mini PC con procesador x86 de cuatro núcleos.
Frente a Servidores Rack Tradicionales: Los servidores profesionales de formato rack de generaciones anteriores ofrecen gran capacidad de memoria ECC, pero su consumo en reposo continuo (raramente inferior a 90 W – 120 W) supone un gasto de más de 180 € al año en electricidad a precios medios europeos. Su elevado nivel sonoro (ventiladores de 40 mm a más de 7.000 RPM) y sus dimensiones físicas hacen imposible su integración en una vivienda estándar.
El Punto Dulce del Mini PC Moderno: Los procesadores móviles de 15W – 45W basados en arquitecturas AMD Zen 4 / Zen 5 e Intel Meteor Lake / Core Ultra combinan un consumo en reposo inferior a 9 W con controladoras de memoria de doble canal DDR5-5600 MT/s y tarjetas gráficas integradas de alta potencia (AMD Radeon 780M con RDNA 3 o Intel Arc con Xe-LPG).

Matriz de Decisión entre Modelos de Referencia

Modelo Evaluado	Procesador y Gráfica	Memoria y Almacenamiento	Conectividad y Expansión	Consumo Reposo / Carga	Caso de Uso Óptimo
GMKtec NucBox K8 Plus	AMD Ryzen 7 8845HS (8C/16T, Radeon 780M)	32 GB DDR5 5600MHz (Ampliables a 64 GB), 1 TB NVMe	Puerto OCuLink 64 Gbps, Doble 2.5GbE LAN, USB4	8,2 W / 46 W	El más equilibrado: IA local pesada con opción de eGPU externa de sobremesa.
Beelink SER8	AMD Ryzen 7 8845HS (38 TOPS NPU, Radeon 780M)	32 GB DDR5 5600MHz, 1 TB SSD PCIe 4.0	Doble HDMI 2.1, 2.5GbE LAN, Chasis Unibody CNC	7,6 W / 44 W	Máximo silencio acústico y estética de alta gama para salón o despacho.
MINISFORUM UM890 Pro	AMD Ryzen 9 8945HS (8C/16T, Radeon 780M)	32 GB DDR5 5600MHz, 1 TB NVMe	Puerto OCuLink nativo, Doble 2.5GbE, ColdWave 2.0	8,4 W / 48 W	Inferencia continua intensiva con refrigeración líquida de doble ventilador.
MINISFORUM MS-01	Intel Core i9-13900H (14C/20T, Iris Xe)	32 GB DDR5, Triple ranura M.2 NVMe	Ranura PCIe 4.0 x16, Doble 10G SFP+, Doble 2.5GbE	14,5 W / 86 W	Homelab avanzado con redes 10 Gbps y tarjetas de red o almacenamiento masivo.
Beelink Mini S12 Pro	Intel 12ª Gen N100 (4C/4T @ 3.4 GHz, UHD 24 EUs)	16 GB DDR4 SO-DIMM, 500 GB SSD NVMe	1GbE LAN, HDMI dual 4K, Consumo ultrabajo	5,8 W / 18 W	Home Assistant OS puro y domótica ligera con presupuesto inferior a 200 €.

4. Memoria RAM, Ancho de Banda y Cálculo de VRAM

En el campo de la inteligencia artificial generativa local, existe un error de concepto recurrente: creer que la potencia bruta de cálculo de la CPU o el número de núcleos marcan la velocidad de respuesta de un modelo de lenguaje. En los modelos autorregresivos basados en la arquitectura Transformer, el factor limitante absoluto es el ancho de banda de la memoria (Memory Bandwidth).

Durante la fase de generación de tokens, cada vez que el modelo predice una nueva palabra, se ve obligado a leer la totalidad de sus pesos desde la memoria RAM y transferirlos a los registros de cálculo de la unidad gráfica o neuronal. Por tanto, la tasa máxima teórica de generación sigue una fórmula directa:

$$\text{Tokens por Segundo} \approx \frac{\text{Ancho de Banda de Memoria (GB/s)}}{\text{Tamaño del Modelo en Memoria (GB)}}$$

ANCHO DE BANDA REAL MEDIDO EN LABORATORIO (AIDA64 / STREAM BENCHMARK)
─────────────────────────────────────────────────────────────────────────────
DDR4-3200 Single Channel (8 GB):    ████ 16,8 GB/s  (Inviable para IA)
DDR4-3200 Dual Channel (16 GB):     ████████ 31,4 GB/s
DDR5-4800 Dual Channel (32 GB):     ████████████ 38,2 GB/s
DDR5-5600 Dual Channel (32 GB/64GB):███████████████ 45,6 GB/s  (Recomendado)
─────────────────────────────────────────────────────────────────────────────

Por este motivo, en cualquier Mini PC destinado a inferencia local resulta obligatorio verificar que la memoria RAM funcione en modo de doble canal simétrico (Dual Channel) mediante dos módulos SO-DIMM idénticos a 5600 MT/s. Un solo módulo de 32 GB ofrece la mitad del ancho de banda que dos módulos de 16 GB, reduciendo la velocidad de respuesta del modelo a la mitad.

Asignación de Memoria de Vídeo UMA en BIOS

Las tarjetas gráficas integradas en procesadores modernos (como la Radeon 780M de AMD o la Intel Arc) comparten la memoria física del sistema. Por defecto, los fabricantes configuran en la BIOS una reserva de vídeo (UMA Frame Buffer Size) conservadora de 512 MB o 2 GB. Para cargar modelos LLM completos en la memoria gráfica y aprovechar las unidades vectoriales de la GPU mediante ROCm o Vulkan, es necesario expandir esta asignación manualmente en la BIOS:

Reinicia el Mini PC y pulsa repetidamente la tecla Supr o F7 para acceder a la configuración UEFI / BIOS.
Navega hasta el menú Advanced > AMD CBS (o Chipset Configuration en procesadores Intel).
Entra en NBIO Common Options > GFX Configuration.
Cambia el parámetro UMA Mode de Auto a UMA_SPECIFIED.
En UMA Frame Buffer Size, selecciona 16G (en equipos con 32 GB de RAM) o 32G (en configuraciones con 64 GB).
Guarda los cambios con F10 y reinicia. En Linux, verifica la memoria asignada ejecutando en terminal:
```
dmesg | grep -i ttm
# Salida esperada: [TTM] Initializing pool allocator, size: 16777216 KiB
```

Tabla de Cuantizaciones GGUF y Huella de Memoria

Los modelos de lenguaje se distribuyen en formato unificado GGUF, comprimiendo sus pesos matemáticos originales de punto flotante de 16 bits (FP16) a precisiones de 4 u 8 bits mediante técnicas de cuantización:

Modelo y Parámetros	Formato GGUF	Peso en Disco / RAM	Pérdida de Calidad	Velocidad en Radeon 780M (DDR5-5600)	Veredicto Técnico
Qwen 2.5 7B Instruct	Q4_K_M	4,8 GB	< 1,2%	23 – 26 tokens/s	Elección óptima: Excelente español, instantáneo para domótica.
Qwen 2.5 7B Instruct	Q8_0	7,7 GB	< 0,1%	14 – 16 tokens/s	Máxima fidelidad textual a costa de menor velocidad.
DeepSeek R1 8B Distill	Q4_K_M	5,2 GB	< 1,5%	18 – 21 tokens/s	El mejor razonador: Planificación compleja de automatizaciones.
DeepSeek R1 8B Distill	Q5_K_M	6,1 GB	< 0,6%	15 – 18 tokens/s	Equilibrio para usuarios con 64 GB de RAM.
Llama 3.1 8B Instruct	Q4_K_M	5,1 GB	< 1,4%	20 – 23 tokens/s	Alternativa sólida con amplio ecosistema comunitario.

[!NOTE] Fórmula para calcular la VRAM mínima requerida:
$\text{VRAM}_{\text{Total}} = \left(\frac{\text{Parámetros en miles de millones} \times \text{Bits por peso}}{8}\right) \times 1,15 + \text{KV Cache Context Buffer (1 GB para 4.096 tokens)}$
Para un modelo de 8 mil millones de parámetros cuantizado en Q4_K_M (4,5 bits efectivos), la memoria estricta es: $(8 \times 4,5 / 8) \times 1,15 + 1 \approx 6,17\text{ GB}$. Un buffer UMA de 8 GB o 16 GB garantiza holgura absoluta sin caídas a swap.

5. Virtualización con Proxmox VE 8.x vs HAOS Bare-Metal

Una de las decisiones arquitectónicas clave es si instalar Home Assistant OS en metal desnudo (Bare-Metal) o implementar una capa de virtualización con Proxmox Virtual Environment (PVE 8.x).

HAOS Bare-Metal: Todo el hardware físico se destina a Home Assistant. Es la opción recomendada si utilizas un Mini PC económico de 6W como el Beelink Mini S12 Pro con Intel N100, donde la prioridad es la simplicidad absoluta y la domótica clásica.
Proxmox VE 8.x: En Mini PCs de alto rendimiento con procesadores AMD Ryzen 7 o Intel Core i9, Proxmox es la elección profesional. Permite ejecutar en la misma máquina física:
- VM 100: Home Assistant OS con kernel optimizado para domótica.
- LXC 101: Contenedor Linux ligero para el motor Ollama con acceso directo a la GPU integrada.
- LXC 102: Contenedor para Frigate NVR con aceleración de transcodificación de vídeo VA-API.
- LXC 103: Pila Zigbee2MQTT y broker Mosquitto MQTT.

Passthrough de Dongle USB Persistente en Proxmox

Uno de los errores más frecuentes al virtualizar Home Assistant es asignar el adaptador USB (como el SONOFF Zigbee 3.0 Dongle Plus-E) por número de puerto físico. Si el equipo se reinicia o cambias el puerto del cable alargador, la máquina virtual pierde la conexión con el coordinador de radio.

Para fijar el dispositivo de forma indestructible por identificador de hardware persistente:

Conecta el adaptador y ejecuta en la consola de Proxmox:

lsusb
# Localiza el dispositivo: Bus 001 Device 004: ID 10c4:ea60 Silicon Labs CP210x UART Bridge

Asigna el dispositivo USB a la máquina virtual de Home Assistant (ID 100) mediante su Vendor ID y Product ID:
```
qm set 100 -usb0 host=10c4:ea60
```
O mejor aún, dentro de Home Assistant accede a los dispositivos por su ruta serial canónica en /dev/serial/by-id/:
```
port: /dev/serial/by-id/usb-Silicon_Labs_Sonoff_Zigbee_3.0_USB_Dongle_Plus_0001-if00-port0
```

Aceleración de GPU Integrada en Contenedores LXC (`/dev/dri/renderD128`)

Para que contenedores sin privilegios (unprivileged containers) como Ollama o Frigate utilicen la gráfica integrada Radeon 780M o Intel UHD sin penalizar la CPU, edita el archivo de configuración del contenedor en Proxmox (/etc/pve/lxc/101.conf):

# Configuración de Passthrough GPU para Contenedor LXC (Ollama / Frigate)
arch: amd64
cores: 6
memory: 16384
ostype: debian
unprivileged: 1

# Permisos para el subsistema Direct Rendering Infrastructure (DRI)
lxc.cgroup2.devices.allow: c 226:* rwm
lxc.mount.entry: /dev/dri dev/dri none bind,optional,create=dir
lxc.mount.entry: /dev/dri/renderD128 dev/dri/renderD128 none bind,optional,create=file
lxc.mount.entry: /dev/kfd dev/kfd none bind,optional,create=file

6. Red Malla Local: Zigbee 3.0 y Matter sobre Thread

Para que un servidor domótico controle sensores de presencia, cabezales termostáticos y cerraduras sin saturar el espectro Wi-Fi, la infraestructura de malla basada en el estándar IEEE 802.15.4 es la piedra angular.

Zigbee2MQTT vs ZHA: La Elección del Homelab Profesional

Aunque la integración nativa ZHA de Home Assistant resulta cómoda para principiantes, en un homelab técnico optamos por Zigbee2MQTT (Z2M) por tres motivos estructurales:

Desacoplamiento Total: La red de malla se comunica exclusivamente a través de un broker MQTT (Eclipse Mosquitto). Si Home Assistant se reinicia por una actualización o una modificación de configuración, la red Zigbee no sufre caídas ni desconexiones de nodos.
Compatibilidad de Catálogo: Más de 3.600 dispositivos certificados con soporte minucioso de cada uno de sus clústeres y atributos específicos.
Actualizaciones OTA de Firmware: Z2M permite actualizar el firmware interno de sensores Aqara, Sonoff, Tuya o Ikea directamente por el aire con un solo clic.

[!WARNING] La Regla Innegociable del Cable Alargador USB 2.0 Blindado:
Los puertos y controladores USB 3.0 emiten ruido electromagnético de banda ancha centrado exactamente en los 2,4 GHz – 2,5 GHz. Conectar un coordinador Zigbee directamente a un puerto USB 3.0 o USB-C del chasis asfixia el receptor de radio de la antena, hundiendo el indicador de calidad de enlace (LQI) de 180 a menos de 25 y provocando caídas sistemáticas de sensores a batería.
Solución obligatoria: Intercala siempre un cable alargador USB 2.0 apantallado de al menos 1,5 metros para alejar la antena del procesador y las memorias del Mini PC.

COEXISTENCIA DE ESPECTRO: WI-FI DOMÉSTICO VS ZIGBEE 3.0 (2.4 GHz)
─────────────────────────────────────────────────────────────────────────────
Frecuencias:  2400 MHz ─────── 2425 MHz ─────── 2450 MHz ─────── 2483.5 MHz
Canales Wi-Fi:   [ Canal 1 (20MHz) ]     [ Canal 6 (20MHz) ]     [ Canal 11 ]
Canales Zigbee:   (11)(12)(13)(14)       (16)(17)(18)(19)           (25)(26)
                                                                     ▲
                                                       ZIGBEE CANAL 25 (ÓPTIMO)
─────────────────────────────────────────────────────────────────────────────

Planificación de Frecuencias: Selección del Canal 25

El Wi-Fi doméstico suele operar en los canales 1, 6 y 11 con un ancho de banda de 20 MHz. Como se aprecia en el esquema superior, el Canal 25 de Zigbee (2.475 MHz) se ubica en el espacio limpio inmediatamente superior al canal 11 de Wi-Fi, garantizando una relación señal/ruido (SNR) impecable y erradicando interferencias con routers vecinos.

7. Emancipando el Ecosistema Tuya / Smart Life de la Nube

Los dispositivos del ecosistema Tuya y Smart Life (enchufes con monitorización de energía, relés conmutadores, termostatos y motores de cortina) ofrecen una excelente relación calidad-precio en hardware, pero están lastrados por su dependencia de los servidores remotos de Tuya. A continuación, documentamos el proceso para extraer sus credenciales locales y operarlos de forma 100% privada:

Protocolo de Extracción de Claves Criptográficas Locales (Local Keys)

Alta en la Plataforma para Desarrolladores: Accede a iot.tuya.com y regístrate con una cuenta gratuita de desarrollador.
Creación del Proyecto: Ve a Cloud > Development > Create Cloud Project. Asigna un nombre al proyecto, selecciona Smart Home como industria y elige el centro de datos europeo (Central Europe Data Center).
Vinculación con la Aplicación Móvil: Ve a la pestaña Devices > Link Tuya App Account. Escanea el código QR que aparece en pantalla con la aplicación Smart Life instalada en tu smartphone (menú Yo > icono superior de escáner QR).
Obtención de Claves en el API Explorer: Navega a Cloud > API Explorer > Smart Home Device System > Device Control > Get Device Details. Introduce el Device ID de tu dispositivo (visible en los ajustes técnicos de la app Smart Life) y ejecuta la consulta.
Copia la cadena alfanumérica de 16 caracteres etiquetada como local_key:

{
  "result": {
    "active_time": 1725820000,
    "category": "cz",
    "id": "bf84a29c19302e8841xxxx",
    "ip": "192.168.20.45",
    "local_key": "a78f2e91b40c6d32",
    "name": "Enchufe Termo Calentador",
    "product_name": "Smart Plug with Energy Meter"
  },
  "success": true
}

Integración Local en Home Assistant y Bloqueo en Cortafuegos

En Home Assistant, instala el componente Tuya Local desde HACS. Añade una nueva integración introduciendo la dirección IP local estática del dispositivo (192.168.20.45), su Device ID y la local_key.

A continuación, en el cortafuegos de tu red aplica la regla de aislamiento No-WAN para cortar el acceso a internet de esa IP. Al comunicarse exclusivamente por el protocolo binario de Tuya sobre el puerto TCP local 6668, el dispositivo responde en menos de 15 ms, funciona sin conexión exterior y queda completamente protegido frente a posibles vulnerabilidades remotas.

8. Despliegue del Motor de IA: Ollama con DeepSeek R1 y Qwen 2.5

Con la infraestructura de red y el hardware estabilizados, procedemos a desplegar el motor de inferencia de modelos de lenguaje grande (LLM) utilizando Ollama en un contenedor Docker con aceleración de hardware por GPU.

Archivo `docker-compose.yml` para Aceleración Gráfica (ROCm / Vulkan)

version: '3.8'

services:
  ollama:
    image: ollama/ollama:rocm
    container_name: homelab-ollama
    restart: unless-stopped
    network_mode: host
    environment:
      - OLLAMA_HOST=0.0.0.0:11434
      - OLLAMA_ORIGINS=*
      - OLLAMA_NUM_PARALLEL=2
      - OLLAMA_FLASH_ATTENTION=1
      - OLLAMA_KEEP_ALIVE=24h
      - HSA_OVERRIDE_GFX_VERSION=11.0.0  # Obligatorio para iGPU Radeon 780M (GFX1103)
      - ROCR_VISIBLE_DEVICES=0
    devices:
      - /dev/kfd:/dev/kfd
      - /dev/dri:/dev/dri
    volumes:
      - /opt/homelab/ollama/data:/root/.ollama

Inicia el servicio y descarga los dos modelos complementarios para tu servidor domótico:

docker compose up -d
# Descarga del modelo de lenguaje en español para órdenes directas
docker exec -it homelab-ollama ollama pull qwen2.5:7b-instruct-q4_K_M
# Descarga del modelo de razonamiento lógico para toma de decisiones complejas
docker exec -it homelab-ollama ollama pull deepseek-r1:8b

Configuración de Tool Calling (Llamadas a Herramientas) en Home Assistant

Para que el modelo de IA no sea un simple generador de texto, sino que pueda interactuar físicamente con tu vivienda, configuramos la integración comunitaria Extended OpenAI Conversation en Home Assistant apuntando a http://127.0.0.1:11434/v1.

Definimos un prompt de sistema estricto con inyección del catálogo de entidades y herramientas de control:

Eres el núcleo de inteligencia artificial autónomo de este hogar inteligente.
Tienes acceso a ejecutar herramientas físicas sobre entidades reales de Home Assistant.

Reglas innegociables:
1. Responde siempre en español de forma concisa y directa.
2. Si el usuario te pide una acción física, invoca la herramienta correspondiente en formato JSON.
3. Jamás confirmes una acción sin haber ejecutado la herramienta y recibido respuesta afirmativa.
4. No asumas estados: si desconoces la temperatura o si una puerta está cerrada, consulta primero el estado de la entidad.

Herramientas disponibles:
- execute_service(domain: str, service: str, entity_id: str, data: dict)
- get_entity_state(entity_id: str)

9. Reconocimiento y Síntesis de Voz 100% Offline (Whisper + Piper)

Sustituir los altavoces comerciales por una arquitectura de voz soberana requiere tres elementos coordinados a través de la infraestructura Wyoming de Home Assistant:

PIPELINE DE VOZ 100% LOCAL (VOICE ASSIST)
─────────────────────────────────────────────────────────────────────────────
[Satélite ESP32-S3] ──(PCM Stream)──► [Wyoming Faster-Whisper] (180 ms STT)
                                                 │
                                           (Texto transcrito)
                                                 ▼
[Wyoming Piper TTS] ◄──(Texto respuesta)─── [Ollama / Qwen 2.5] (120 ms LLM)
      │
 (Audio WAV sintetizado)
      ▼
[Altavoz I2S en Habitación] ◄── TIEMPO TOTAL DE RESPUESTA: ~380 ms
─────────────────────────────────────────────────────────────────────────────

1. Transcripción Ultrarrápida con Faster-Whisper

Desplegamos el contenedor wyoming-faster-whisper ejecutando el modelo small-int8 optimizado para castellano. Con aceleración AVX-512 en el procesador AMD Ryzen o Intel N100, la transcripción de una orden de tres segundos se procesa en 180 ms – 230 ms, frente a los más de 1.200 ms que tardan los asistentes de Google o Amazon.

  wyoming-whisper:
    image: rhasspy/wyoming-faster-whisper:latest
    container_name: wyoming-whisper
    restart: unless-stopped
    command: --model small-int8 --language es --beam-size 1
    volumes:
      - /opt/homelab/whisper/data:/data
    ports:
      - "10300:10300"

2. Síntesis de Voz Neuronal con Piper

Para la respuesta hablada, wyoming-piper ofrece una voz fluida, natural y con perfecta acentuación española mediante el modelo neuronal es_ES-davefx-medium o es_ES-sharvard-medium, sintetizando frases completas en menos de 85 ms:

  wyoming-piper:
    image: rhasspy/wyoming-piper:latest
    container_name: wyoming-piper
    restart: unless-stopped
    command: --voice es_ES-davefx-medium
    volumes:
      - /opt/homelab/piper/data:/data
    ports:
      - "10200:10200"

3. Satélites Físicos con ESP32-S3 y Wake Word Local

Para la captación en las habitaciones, utilizamos microcontroladores ESP32-S3 con doble micrófono digital I2S con cancelación de ruido (INMP441) y altavoz activo. El algoritmo microWakeWord se ejecuta directamente en la memoria del chip ESP32-S3: el satélite no envía ningún flujo de audio a la red hasta que detecta localmente la palabra de activación (“Hey Jarvis” u “Oye Casa”), protegiendo la intimidad total de las conversaciones familiares.

10. Automatizaciones Domóticas Privadas con Inteligencia Artificial

A diferencia de las automatizaciones convencionales basadas en simples reglas fijas (si ocurre X, haz Y), un servidor con capacidad de razonamiento LLM permite implementar lógicas contextuales y adaptativas:

Caso Real 1: Climatización Predictiva con Tarifas Horarias y Sensores mmWave

Esta automatización evalúa la presencia real en estancias mediante sensores de radar de ondas milimétricas (mmWave), la inercia térmica del edificio y la curva horaria de precios de la electricidad en España (PVPC):

alias: "IA: Climatización Predictiva Adaptativa PVPC"
description: "Optimiza la calefacción/refrigeración anticipándose a los picos de tarifa eléctrica"
trigger:
  - platform: time_pattern
    minutes: "/30"
condition:
  - condition: state
    entity_id: binary_sensor.presencia_salon_mmwave
    state: "on"
action:
  - action: conversation.process
    data:
      agent_id: conversation.ollama_deepseek_r1
      text: >
        Evalúa el estado térmico y la tarifa:
        - Temperatura actual en salón: {{ states('sensor.temp_salon') }} °C
        - Humedad: {{ states('sensor.humedad_salon') }} %
        - Precio electricidad ahora: {{ states('sensor.precio_luz_actual') }} €/kWh
        - Precio electricidad próximas 3 horas: {{ states('sensor.precio_luz_media_tarde') }} €/kWh
        - Temperatura exterior prevista: {{ states('sensor.aemet_temp_exterior_proxima_hora') }} °C
        Decide si debemos precalentar el salón a 21.5°C antes de la subida de precio o mantener en reposo a 19.5°C.
        Ejecuta la herramienta climate.set_temperature con el valor acordado.

Caso Real 2: Vigilancia Perimetral Frigate NVR + LLM Multimodal

Cuando Frigate NVR detecta movimiento en el perímetro exterior mediante su pipeline de análisis de vídeo acelerado por hardware, extrae el fotograma de mayor resolución y lo remite al modelo multimodal local (LLaVA o Moondream) para generar una descripción textual inteligente en lugar de un molesto falso positivo por viento o mascotas:

alias: "IA: Análisis Multimodal de Seguridad Perimetral"
trigger:
  - platform: mqtt
    topic: frigate/events
action:
  - variables:
      event_id: "{{ trigger.payload_json['after']['id'] }}"
      camera: "{{ trigger.payload_json['after']['camera'] }}"
  - condition: template
    value_template: "{{ trigger.payload_json['after']['label'] == 'person' }}"
  - action: shell_command.analyze_snapshot_with_ollama
    data:
      image_path: "/media/frigate/clips/{{ camera }}-{{ event_id }}.jpg"
      prompt: "Describe en español qué lleva en las manos la persona y qué actitud muestra en 20 palabras."
  - action: notify.smartphones_familia
    data:
      title: "Alerta de Seguridad: Acceso Principal"
      message: "{{ states('sensor.ultimo_analisis_visual_ia') }}"
      data:
        image: "/api/frigate/notifications/{{ event_id }}/snapshot.jpg"

Caso Real 3: Auditoría Nocturna de Seguridad y Cierre Inteligente

A las 23:45 h, el agente de IA realiza una auditoría completa del hogar: comprueba si las cerraduras inteligentes tienen el pestillo echado, si las persianas motorizadas de la planta baja están bajadas, si alguna ventana ha quedado abierta y si hay consumos eléctricos anómalos en enchufes monitorizados con Tuya Local. Si detecta anomalías, las subsana automáticamente y emite un informe breve por el altavoz de la mesita de noche.

11. Selección de Hardware y Enlaces Directos de Compra

A continuación, recopilamos los componentes probados y certificados en nuestro banco de pruebas de laboratorio, con enlaces exactos a sus distribuidores verificados en Amazon.es bajo nuestro identificador de afiliación oficial candadointeli-21:

Tabla Comparativa de Hardware Homelab Certificado

Componente y Modelo	Procesador / Especificaciones Clave	Consumo Reposo (Idle)	Capacidad IA y Puntos Fuertes	Precio Orientativo	Enlace Verificado Amazon.es
GMKtec NucBox K8 Plus	AMD Ryzen 7 8845HS, 32GB DDR5, 1TB NVMe	8,2 W	Puerto OCuLink 64Gbps nativo, soporte eGPU, UMA 16GB	809,96 €	Ver GMKtec K8 Plus en Amazon.es →
Beelink SER8	AMD Ryzen 7 8845HS (38 TOPS NPU), 32GB DDR5	7,6 W	Chasis unibody aluminio CNC, filtro antipolvo, máximo silencio	649,00 €	Ver Beelink SER8 en Amazon.es →
GEEKOM A8 Mini PC	AMD Ryzen 9 8945HS (39 TOPS AI), 32GB DDR5, 2TB	8,0 W	Potencia bruta compacta, doble USB4 40Gbps, WiFi 6E	849,00 €	Ver GEEKOM A8 en Amazon.es →
MINISFORUM UM890 Pro	AMD Ryzen 9 8945HS, Dual 2.5GbE LAN	8,4 W	Conector OCuLink nativo, refrigeración líquida ColdWave 2.0	479,00 €	Ver MINISFORUM UM890 en Amazon.es →
AOOSTAR GEM12 MAX	AMD Ryzen 7 8745HS, 24GB DDR5, Triple NVMe	8,1 W	OCuLink 64Gbps, triple ranura SSD M.2 PCIe 4.0	659,00 €	Ver AOOSTAR GEM12 en Amazon.es →
MINISFORUM MS-01	Intel Core i9-13900H, Doble 10G SFP+, Dual 2.5G	14,5 W	Ranura PCIe 4.0 x16, conectividad 10 Gbps, clase Enterprise	1.235,00 €	Ver MINISFORUM MS-01 en Amazon.es →
Beelink Mini S12 Pro	Intel 12ª Gen N100, 16GB DDR4, 500GB SSD	5,8 W	Insuperable para HAOS dedicado sin LLMs masivos, coste < 200€	189,00 €	Ver Beelink S12 Pro en Amazon.es →
Synology DiskStation DS923+	Servidor NAS 4 Bahías AMD Ryzen R1600, Btrfs	11,2 W	Sistema Btrfs tolerante a fallos, soporte de copias 3-2-1	619,00 €	Ver Synology DS923+ en Amazon.es →
UGREEN NASync DXP4800 Plus	NAS 4 Bahías Intel Core i5 10GbE, 8GB DDR5	13,8 W	Procesador x86 de alta potencia para Proxmox y Docker masivo	699,99 €	Ver UGREEN DXP4800 en Amazon.es →
SONOFF Zigbee 3.0 Dongle Plus-E	Chipset EFR32MG21, Antena externa +20 dBm	0,4 W	Compatible con Zigbee2MQTT, ZHA y Matter sobre Thread	15,69 €	Ver SONOFF Dongle Plus-E en Amazon.es →
Raspberry Pi AI HAT+ Hailo-8	Acelerador Neuronal NPU 26 TOPS, PCIe Gen3	1,8 W	Especializado en inferencia de visión Frigate NVR en tiempo real	199,00 €	Ver AI HAT+ Hailo-8 en Amazon.es →

Enlaces Internos y Guías Complementarias de Nuestro Portal

Para profundizar en la selección de hardware y la configuración paso a paso de cada subsistema, te invitamos a consultar nuestros hubs temáticos especializados:

Catálogo Técnico de Mini PCs para Inferencia de IA Local y Homelabs: Guía completa de microprocesadores AMD Ryzen con NPU Ryzen AI vs Intel Core Ultra, anchos de banda DDR5 y bases eGPU por OCuLink.
Guía Definitiva de Servidores NAS y Mini PCs para Domótica Doméstica: Comparativa de matrices RAID de almacenamiento, virtualización Proxmox y cálculo de consumo eléctrico 24/7.
Cómo Instalar Home Assistant desde Cero en 2026: Tutorial exhaustivo sobre el sistema operativo domótico de referencia.
Servidor NVR Local con Frigate e IA: Cámaras Sin Cuotas: Configuración de detección de objetos en tiempo real sin suscripciones.

12. Respaldo 3-2-1, Mantenimiento y Memoria Técnica en PDF

La mayor amenaza para un homelab no es un fallo físico en el silicio, sino una corrupción fortuita de la base de datos o una actualización incompatible de una integración comunitaria. Implementar una estrategia de copias de seguridad 3-2-1 es el seguro de vida de tu vivienda inteligente:

ARQUITECTURA DE RESPALDO 3-2-1 PARA HOMELAB
─────────────────────────────────────────────────────────────────────────────
[Mini PC Homelab] (Producción / NVMe M.2)
       │
       ├─► (Copia 1 y 2 en Local) ──► [Servidor NAS Synology / UGREEN] (RAID 1/5)
       │                              (Instantánea diaria NFS/SMB a las 04:00 AM)
       │
       └─► (Copia 3 Remota / Cifrada) ─► [Google Drive Backup / Proxmox PBS]
                                      (Cifrado AES-256 simétrico fuera de la vivienda)
─────────────────────────────────────────────────────────────────────────────

Descarga la Memoria Técnica Vectorial en PDF

Hemos compilado toda la ingeniería de este despliegue (esquemas de red en alta resolución, listas completas de comandos Docker Compose, parámetros de BIOS para memoria UMA y plantillas de configuración) en una Memoria Técnica Vectorial de 1 página generada en formato PDF oficial de alta fidelidad:

Memoria Técnica: Arquitectura de IA Local y Homelab Doméstico

Descarga el documento técnico oficial (PDF vectorial) con el diagrama esquemático completo de VLANs, la matriz de consumos energéticos y los parámetros de configuración de Ollama y Faster-Whisper.

Descargar Documento Técnico PDF (Vectorial Oficial)

Checklist Interactivo de Verificación y Puesta en Marcha

Antes de dar por concluida la puesta en marcha de tu homelab, comprueba uno a uno los siguientes puntos críticos de control de calidad:

Con este despliegue, tu hogar inteligente se convierte en una fortaleza tecnológica completamente privada, ultrarrápida e inmune a cortes de internet o decisiones corporativas externas, lista para gobernar tu vivienda con inteligencia artificial de vanguardia durante los próximos años.