La introducción de la inteligencia artificial (IA) en los sistemas de videovigilancia ha transformado significativamente las prácticas de seguridad, permitiendo el monitoreo autónomo y la detección en tiempo real de amenazas. Sin embargo, la efectividad y eficiencia de la vigilancia impulsada por IA dependen en gran medida de la infraestructura de hardware, específicamente de las arquitecturas de computación de alto rendimiento (HPC). Este artículo examina el impacto de diferentes plataformas para servidores de borde HPC, incluidos sistemas basados en CPU x86 y ARM y Unidades de Procesamiento Gráfico (GPU), en la velocidad y precisión de las tareas de procesamiento de video. Mediante el uso de marcos avanzados de aprendizaje profundo, se desarrolla y evalúa un sistema de videovigilancia basado en la detección de objetos YOLO y los algoritmos de seguimiento DeepSort. Este estudio evalúa a fondo las fortalezas, limitaciones y adecuación de diferentes arquitecturas de hardware para diversos escenarios de vigilancia basados en IA.