El director ejecutivo de Google, Sundar Pichai, hace gestos durante una reunión con el presidente de Francia, Emmanuel Macron, al margen de la Cumbre de Impacto de la IA en Nueva Delhi el 19 de febrero de 2026.
Ludovic Marín | afp | Imágenes falsas
Después de años de producir chips que pueden entrenar modelos de inteligencia artificial y manejar trabajos de inferencia, Google está separando esas tareas en distintos procesadores, su último esfuerzo para asumir NVIDIA en IA por hardware.
Google dijo el miércoles que está realizando el cambio para la octava generación de su unidad de procesamiento tensor, o TPU. Ambos chips estarán disponibles a finales de este año.
“Con el aumento de los agentes de IA, determinamos que la comunidad se beneficiaría de chips especializados individualmente para las necesidades de capacitación y servicio”, dijo en una publicación de blog Amin Vahdat, vicepresidente senior de Google y tecnólogo jefe de IA e infraestructura.
En marzo, Nvidia habló del próximo silicio que puede permitir que los modelos respondan rápidamente a las preguntas de los usuarios, gracias a la tecnología obtenida en su acuerdo de 20 mil millones de dólares con la startup de chips Groq. Google es un gran cliente de Nvidia, pero ofrece TPU como alternativa para las empresas que utilizan sus servicios en la nube.
La mayoría de las principales empresas de tecnología del mundo están buscando el desarrollo de semiconductores personalizados para inteligencia artificial para maximizar la eficiencia y poder construir casos de uso especializados. Manzana ha incluido componentes de inteligencia artificial de motor neuronal en sus chips internos para iPhone durante años. microsoft anunció un chip de IA de segunda generación en enero. La semana pasada, Meta dijo que está trabajando con Broadcom para desarrollar múltiples versiones de procesadores de IA.
Google fue temprano en la tendencia. En 2015, la empresa empezó a utilizar procesadores que había diseñado para ejecutar modelos de IA y empezó a alquilarlos a clientes de la nube en 2018. Amazonas Web Services anunció el chip Inferentia para manejar solicitudes de IA en 2018 y presentó el procesador Trainium para entrenar modelos de IA en 2020.
Los analistas de DA Davidson estimaron en septiembre que el negocio de TPU, junto con el grupo Google DeepMind AI, valdría alrededor de 900 mil millones de dólares.
Ninguno de los gigantes tecnológicos está desplazando a Nvidia, y Google ni siquiera está comparando el rendimiento de sus nuevos chips con los del líder en chips de IA. Google dijo que el chip de entrenamiento permite 2,8 veces el rendimiento del Ironwood TPU de séptima generación, anunciado en noviembre, por el mismo precio, mientras que el rendimiento es un 80% mejor para el procesador de inferencia.
Nvidia dijo que su próximo hardware Groq 3 LPU aprovechará grandes cantidades de memoria estática de acceso aleatorio, o SRAM, que utiliza Cerebras, un fabricante de chips de inteligencia artificial que presentó su solicitud para salir a bolsa a principios de este mes. El nuevo chip de inferencia de Google, denominado TPU 8i, también se basa en SRAM. Cada chip contiene 384 megabytes de SRAM, el triple que en Ironwood.
La arquitectura está diseñada “para ofrecer el rendimiento masivo y la baja latencia necesarios para ejecutar simultáneamente millones de agentes de manera rentable”, escribió Sundar Pichai, director ejecutivo de Alphabet, matriz de Google, en una publicación de blog.
La adopción de los chips de inteligencia artificial de Google está aumentando. Citadel Securities creó un software de investigación cuantitativa que se basa en los TPU de Google, y los 17 laboratorios nacionales del Departamento de Energía de EE. UU. utilizan software cocientífico de IA integrado en los chips, dijo Google. Anthropic se ha comprometido a utilizar varios gigavatios de TPU de Google.
MIRAR: Broadcom acuerda ampliar el acuerdo de chips con Google y Anthropic
