Google lanza nuevos chips de IA para inferencia y desafía a Nvidia

Google desafía a Nvidia. La compañía desarrolla una nueva generación de chips de IA propios orientados a la inferencia, la fase final del funcionamiento de las redes neuronales, en la que un modelo ya entrenado procesa en tiempo real las solicitudes de los usuarios. Los chips para inferencia son muy distintos de los que se necesitan para entrenar modelos.

Entrenar grandes sistemas de lenguaje exige meses de cálculo en miles de GPU y supone un gasto de capital puntual. La inferencia, en cambio, es una carga constante: cada vez que un usuario envía una consulta a Gemini, ChatGPT o cualquier otro servicio de IA, un chip ejecuta inferencia. A medida que las aplicaciones de IA suman cientos de millones de usuarios, los costes de inferencia se convierten en la principal partida de gasto de las tecnológicas.

Según algunas estimaciones, en 2027 superarán entre tres y cuatro veces los costes de entrenamiento. Google lleva tiempo construyendo su propia estrategia de silicio. La compañía desarrolla las TPU (Tensor Processing Units) desde 2015, mucho antes de que los chips de IA llegaran a las portadas.

Hasta ahora, estos procesadores se han usado sobre todo dentro de Google Cloud y para entrenar los modelos Gemini. Ahora la empresa quiere crear hardware especializado específicamente para inferencia, con mayor rendimiento y menor consumo energético por consulta. Para Nvidia, cuyos chips H100 y H200 se han convertido en el estándar de los centros de datos de todo el mundo, se trata de un desafío directo.

Google es uno de los mayores compradores de Nvidia del mundo, y trasladar aunque sea parte de su carga a hardware propio supondría pérdidas importantes para la compañía de Santa Clara. Al mismo tiempo, se prepara otro acontecimiento en el sector de los chips de IA: Cerebras Systems ha anunciado sus planes de salir a bolsa. La compañía es conocida por su producto estrella, el Wafer-Scale Engine, que en esencia es una oblea de silicio completa que funciona como un único procesador.

Esta arquitectura elimina las latencias en la transferencia de datos entre chips separados y acelera el procesamiento de modelos grandes. Cerebras ya intentó salir a bolsa anteriormente, pero retiró su solicitud. Su regreso es una señal para el mercado: pese al enfriamiento de parte de los inversores en IA, las arquitecturas de chips alternativas siguen percibiéndose como un activo prometedor.

La compañía presenta sus soluciones como especialmente eficientes para ejecutar modelos abiertos en entornos corporativos cerrados, un segmento que crece con rapidez ante las exigencias de seguridad y soberanía de los datos. La tercera historia de la semana llega del espacio. Blue Origin lanzó con éxito el cohete New Glenn y aterrizó su propulsor reutilizable, un hito técnico importante en el camino hacia el abaratamiento de los lanzamientos.

Sin embargo, la carga útil, un satélite de AST SpaceMobile, no alcanzó la órbita prevista. AST SpaceMobile está construyendo una red global de internet de banda ancha que funciona directamente con smartphones, sin terminales especiales. El fallo orbital se reflejó de inmediato en la cotización: las acciones de la compañía cayeron.

El mercado recordó una vez más que, en el espacio, el éxito técnico y el resultado comercial son cosas distintas. En conjunto, las tres noticias dibujan un retrato de la economía tecnológica de mediados de la década de 2020. La carrera de los chips de IA va más allá del duopolio: además de Nvidia y AMD, entran en la lucha por la infraestructura los gigantes tecnológicos con silicio propio y startups especializadas como Cerebras.

La pregunta de quién controlará la infraestructura física de la era de la IA sigue abierta.