Google arma una cadena de suministro de chips con cuatro socios para disputarle a Nvidia la inferencia de IA

Google ha anunciado la cadena de suministro de chips personalizados más diversificada de la industria de la IA, con cuatro socios de diseño y una hoja de ruta que llega hasta finales de 2027. La compañía apuesta por reducir la dependencia del mercado cloud de Nvidia en el segmento de la inferencia de IA.

La red de socios de Google incluye cuatro grandes actores: Broadcom, MediaTek, Marvell e Intel. Cada uno se encarga de un área distinta de la arquitectura y la fabricación de los chips. La estrategia se detalló en la antesala de Google Cloud Next, el principal evento anual de la compañía para clientes corporativos y socios.

El primer producto de este ecosistema es el Ironwood TPU, un chip de nueva generación que ya se entrega por millones de unidades. Es la primera señal de que Google deja de ser un simple consumidor de hardware ajeno y se convierte de forma planificada en un actor autosuficiente en el mercado de infraestructura de IA.

La hoja de ruta termina con los chips TPU v8, que se fabricarán en el proceso de 2 nm de TSMC y llegarán en la segunda mitad de 2027. La estrategia de Google divide las próximas generaciones de TPU en varios flujos independientes, según el socio de diseño y la capacidad de producción. Este enfoque protege frente a las interrupciones de suministro propias de depender de un único proveedor y da flexibilidad para escalar el rendimiento según las distintas tareas de inferencia.

La inferencia, es decir, la ejecución de modelos ya entrenados para generar respuestas a los usuarios, se convirtió en el principal campo de batalla del mercado de chips de IA en 2025–2026. Ahí se concentra la mayor parte de la demanda de los grandes proveedores cloud: el modelo se entrena una vez, mientras que la inferencia funciona de forma continua.

Nvidia mantiene su dominio gracias a su arquitectura GPU y al maduro ecosistema CUDA, pero los TPU personalizados de Google han mostrado tradicionalmente mejor eficiencia energética en tareas con modelos transformer.

Para el mercado, esto implica más competencia en el hardware de IA en la nube. Si Google logra escalar su propia cadena hasta los volúmenes necesarios, sus clientes tendrán una alternativa real a los clústeres de GPU de Nvidia, con un coste de inferencia por token potencialmente menor y menos dependencia de un único proveedor.