Google desafía a Nvidia en la carrera de los chips de IA: oportunidades y obstáculos

Cuando se habla del mercado de aceleradores de IA, la conversación se reduce tradicionalmente a un solo nombre: Nvidia. La empresa de Jensen Huang controla la inmensa mayoría de este segmento, y sus perseguidores más cercanos suelen ser AMD y, con muchas reservas, Intel. Pero en este reparto de fuerzas ya asentado se hace cada vez más visible otro actor al que durante mucho tiempo no se consideró un competidor directo en el negocio de los chips. Google, que desarrolla sus propios procesadores TPU desde hace casi diez años, muestra unas ambiciones que obligan a los analistas a redibujar el mapa competitivo.

La historia de los TPU comenzó en 2016, cuando Google presentó la primera generación de su unidad de procesamiento tensorial, un chip especializado creado exclusivamente para tareas de aprendizaje automático. Entonces parecía una herramienta interna para optimizar la infraestructura de la propia compañía: búsqueda, sistemas de recomendación, traducción. Pero con cada nueva generación de TPU, Google fue aumentando el rendimiento y ampliando su ámbito de uso. El chip de sexta generación, Trillium, ya se presenta no solo como una solución interna, sino como un producto completo para los clientes de Google Cloud, capaz de competir con los aceleradores de gama alta de Nvidia en entrenamiento e inferencia de grandes modelos de lenguaje.

La ventaja clave de Google en esta carrera es la integración vertical. La compañía diseña el hardware, desarrolla frameworks de software como JAX y TensorFlow, gestiona la infraestructura en la nube y crea sus propios modelos de la familia Gemini, que se entrenan precisamente en TPU. Es un ciclo cerrado en el que cada elemento está optimizado para los demás. Nvidia, con todo su poder, debe trabajar en un ecosistema más fragmentado, donde el hardware, el software y las aplicaciones finales los crean empresas distintas. La integración vertical de Google recuerda al enfoque de Apple con sus chips de la serie M, y ya hemos visto lo eficaz que resultó esa estrategia en el mundo de los ordenadores personales.

Sin embargo, entre el potencial y el dominio real hay un abismo, y los analistas no se cansan de recordarlo. La principal barrera es el ecosistema CUDA. La plataforma de software de Nvidia, construida durante más de quince años, se ha convertido en el estándar de facto de la industria.

Millones de desarrolladores, miles de bibliotecas y un sinfín de pipelines optimizados están ligados a CUDA tan profundamente que, para la mayoría de las empresas, cambiar a otra plataforma supone un coste enorme de tiempo y recursos. Google ofrece sus propias herramientas, pero su alcance no es comparable con el del ecosistema de Nvidia. Incluso PyTorch, el framework más popular en la comunidad investigadora, ha estado optimizado históricamente sobre todo para las GPU de Nvidia.

Hay otra cuestión de fondo: ¿está Google realmente dispuesta a abrir los TPU al mercado general? Hasta ahora, estos chips solo están disponibles a través de Google Cloud. No se puede comprar un TPU e instalarlo en un centro de datos propio, como se hace con los aceleradores de Nvidia o AMD. Para muchos grandes clientes, como bancos, operadoras de telecomunicaciones u organismos públicos, la dependencia de un único proveedor de nube es inaceptable. Mientras Google no resuelva este problema, el TPU seguirá siendo un producto potente pero de nicho, limitado al marco de un solo ecosistema.

Aun así, no se debe subestimar la capacidad financiera de Alphabet. La compañía invierte decenas de miles de millones de dólares en infraestructura de IA, y una parte significativa de ese dinero se destina al desarrollo de chips propios. Con una demanda de aceleradores de IA que supera muchas veces la oferta y una dependencia de un único proveedor, Nvidia, que inquieta cada vez más a los grandes actores, las alternativas se vuelven estratégicamente necesarias. Amazon con sus chips Trainium, Microsoft con el proyecto Maia, Meta* con desarrollos propios: todas las grandes corporaciones tecnológicas avanzan en la misma dirección. Pero es Google quien ha llegado más lejos, porque empezó antes y ya tiene un producto maduro de varias generaciones.

La competencia en el mercado de chips de IA entra en una nueva fase, en la que la batalla no se libra solo por los teraflops y la eficiencia energética, sino también por la mente de los desarrolladores, por los ecosistemas y por la independencia estratégica de los clientes. Google tiene un conjunto único de bazas para esta lucha, pero convertir el potencial en cuota de mercado es una tarea de un orden completamente distinto. Nvidia no se limita a vender chips: vende la certeza de que todo funcionará.

Y mientras Google no pueda ofrecer un nivel de confianza equivalente fuera de su propia nube, hablar de competencia plena es prematuro. Aun así, el mero hecho de que esta conversación sea posible ya dice mucho.

*Meta ha sido declarada organización extremista y está prohibida en Rusia.