Índice de WebAssembly AI

Del bytecode portable a la inteligencia local.

WebAssembly AI Atlas es un cruce independiente entre programación de sistemas e ingeniería de IA. Sigue una pregunta a través de cada capa: ¿cómo se puede volver portable, local, acelerada, aislada y verificable una capacidad de IA sin ocultar los bytes, la memoria, el runtime, el backend o el fallback que realmente la ejecutan?

Dónde se ubica este Atlas

• Low-Level Atlas I construye el modelo de máquina: C, memoria, assembly, toolchains, sistemas operativos y fundamentos de concurrencia.
• Low-Level Atlas II construye sistemas aplicados desde cero: shells, allocators, parsers, Git, HTTP y motores de almacenamiento.
• Low-Level Atlas III cubre sockets, protocolos, concurrencia a gran escala, mensajería y sistemas de red de larga duración.
• AI Atlas explica modelos, entrenamiento, LLMs, RAG, agentes, evaluación, seguridad, MLOps, ingeniería de producto y optimización general de inferencia.

Este Atlas no duplica esos fundamentos. Estudia la capa de ejecución donde se encuentran código portable, artefactos de modelos, APIs del browser, aceleradores y contratos de sandbox.

Puntos de entrada

• Empezar acá — prerrequisitos, roles de plataforma y recorridos de lectura.
• Lo imprescindible — distinciones que evitan errores de categoría.
• Fase 00: Orientación — establece el alcance y el contrato de verificación.
• Registro de referencias — registra especificaciones, versiones, soporte y evidencia.

Recorrido de aprendizaje

• Fase 01: Fundamentos de WebAssembly — módulos, toolchains, memoria lineal, ABI e interop con el host.
• Fase 02: Inferencia desde primeros principios — kernels tensoriales, corrección numérica, SIMD y threads.
• Fase 03: De modelos a inferencia en el browser — formatos, conversión, runtimes y pipelines de medios.
• Fase 04: Aceleración por hardware — WebGPU, WebNN y selección adaptativa de backend.
• Fase 05: IA local-first — capacidades multimodales offline, embeddings y RAG retrieval-first en el browser.
• Fase 06: Más allá del browser — componentes WASI y herramientas de IA aisladas.
• Siempre activo — performance, verificación numérica, seguridad, compatibilidad y reproducibilidad.

Mapa de ramas

Fundamentos de WebAssembly

• Modelo de ejecución de WebAssembly
• Toolchains y lenguajes objetivo
• Memoria lineal, ABI e interop con el host

Inferencia desde primeros principios

• Kernels tensoriales e inferencia desde cero
• SIMD, threads y workers

De modelos a inferencia en el browser

• Formatos de modelos, conversión y cuantización
• Runtimes de inferencia en el browser
• Preprocesamiento, posprocesamiento y pipelines de medios

Aceleración por hardware

• WebGPU para IA
• WebNN y backends adaptativos

IA local-first

• IA local-first, offline y multimodal
• LLMs, embeddings y RAG en el browser

Más allá del browser

• WASI, componentes y WASI-NN
• Herramientas y plugins de IA en sandbox

Siempre activo

• Performance, seguridad y oficio en Wasm AI

Hilo conductor: WasmAI Workbench

El Atlas converge en un workbench local-first para el browser. Progresa desde un módulo WAT visible en v0, pasa por un motor de inferencia pequeño y SIMD en v1–v2, formatos y runtimes reales en v3, backends adaptativos WebGPU/WebNN en v4, inferencia multimodal offline y búsqueda semántica en v5–v6, y luego componentes WASI portables y herramientas en sandbox en v7–v8. Cada hito debe exponer su backend y generar evidencia reproducible.

Cómo navegar

Leé las fases en orden cuando construyas el Workbench. Entrá por rama cuando investigues un límite específico, pero seguí sus prerrequisitos y mantené abierta la rama de verificación siempre activa desde el primer módulo. Ninguna página debería exigir una afirmación de soporte universal de browser o hardware.