Google negocia con Marvell chips de IA para inferencia y reduce su dependencia de Broadcom

Google prepara el siguiente paso de su estrategia de chips: la compañía negocia con Marvell la creación de dos aceleradores especializados para IA, con el fin de ampliar su cadena de desarrollo más allá de Broadcom. Si las conversaciones terminan en un acuerdo, Google tendrá otro socio para silicio personalizado y reforzará su apuesta por una inferencia más barata y masiva, y no solo por el entrenamiento de grandes modelos.

Según la información disponible, las negociaciones tratan de dos chips nuevos. El primero es una memory processing unit, un componente pensado para gestionar la memoria y la transferencia de datos dentro de los sistemas de IA. El segundo es una TPU optimizada específicamente para inferencia, es decir, cuando el modelo ya está entrenado y debe responder rápido a las peticiones de los usuarios.

Para Google es un terreno sensible: cuantas más consultas pasan por Gemini, el buscador, la publicidad y los servicios en la nube, mayor es la presión del coste de cada respuesta y del consumo energético de los centros de datos.

Google ya no construye sola su ecosistema de silicio personalizado. Broadcom es desde hace tiempo el socio clave, y MediaTek también figura en la cadena de desarrollo. La entrada de Marvell como posible tercer socio significa algo más que ampliar la lista de contratistas. Es una forma de repartir riesgos, no depender de un único proveedor de componentes críticos y probar en paralelo distintos enfoques de ingeniería para diferentes tipos de carga, del entrenamiento a la ejecución de modelos en servicios en producción.

Es importante que, por ahora, se trata solo de negociaciones: según la información disponible, todavía no hay un contrato firmado. Pero las propias conversaciones muestran hacia dónde se mueve el mercado. En pleno auge de la IA generativa, las empresas diseñan cada vez más sus propios chips porque las GPU de uso general siguen siendo caras, escasas y no siempre óptimas para una tarea concreta. La inferencia es un objetivo especialmente atractivo para la personalización: es donde acaban escalando los productos para usuarios, y donde importan la latencia, el precio por consulta y un rendimiento predecible.

La memory processing unit despierta un interés particular. En la infraestructura de IA, el cuello de botella a menudo no es la potencia de cálculo pura, sino la velocidad a la que llegan los datos al acelerador. Cuanto más eficiente es el sistema con la memoria, menos tiempo están inactivas las unidades de cálculo y mejor se aprovecha el hardware ya instalado. Por eso estas soluciones pueden ser tan importantes como las propias TPU: mejoran el equilibrio general del sistema y reducen las pérdidas por el movimiento de datos.

Para Google es un paso especialmente lógico. La compañía lleva muchos años desarrollando su línea de TPU y sabe vincular estrechamente el hardware con su software, sus centros de datos y su infraestructura en la nube. Los nuevos bloques especializados pueden ayudarle a ajustar mejor la pila para distintos escenarios: uno para entrenamiento, otro para atender un enorme número de consultas y otro para los cuellos de botella de memoria. Este enfoque suele aportar no solo más velocidad, sino también un control más estricto del coste, los plazos de suministro y la dependencia del ecosistema externo.

Hay otra capa en esta historia: la posición negociadora de Google. Con varios socios de diseño, a la compañía le resulta más fácil repartir proyectos por especialización y no atar toda su hoja de ruta al ritmo de un solo contratista. En una industria donde el lanzamiento de una nueva generación de hardware de IA afecta directamente al margen de la nube y a la velocidad de salida de productos, esa flexibilidad se convierte en un activo estratégico. Incluso sin contrato final, el diálogo con Marvell muestra que Google prepara alternativas con antelación y amplía su margen de maniobra.

En términos prácticos, la noticia importa no porque Google haya encontrado otro fabricante de chips, sino porque las mayores empresas de IA avanzan hacia una arquitectura de hardware más fragmentada y especializada. No ganará quien simplemente tenga más aceleradores, sino quien reparta mejor los papeles entre ellos. Si el acuerdo con Marvell se concreta, será otra señal de que la siguiente fase de la carrera de la IA no se juega solo en los modelos, sino también en la economía de la inferencia, donde cada vatio y cada milisegundo ganado se convierten en ventaja competitiva.