Alphabet negocia con Marvell dos nuevos chips de IA para acelerar la inferencia en los servicios de Google

Alphabet ha iniciado conversaciones con Marvell para desarrollar dos chips de IA especializados en inferencia, la etapa en la que un modelo ya entrenado procesa solicitudes reales de los usuarios. Si el proyecto sale adelante, Google obtendrá un hardware pensado no para récords de laboratorio, sino para respuestas rápidas y masivas en servicios interactivos.

Qué chips se están discutiendo

La conversación gira en torno a dos componentes distintos. El primero es un módulo de memoria que debe acelerar la transferencia de datos dentro del sistema de IA. Para la inferencia es crítico: incluso un acelerador potente pierde sentido si el modelo choca con el ancho de banda de la memoria, las latencias de intercambio y una entrega lenta de datos. En los grandes modelos de lenguaje, estos cuellos de botella suelen determinar con qué rapidez y a qué coste puede un sistema atender el flujo diario de solicitudes de los usuarios.

El segundo componente es una versión actualizada de la TPU, los procesadores tensoriales propios de Google, orientada a aplicaciones interactivas. Se trata de escenarios en los que el usuario espera la respuesta al instante: búsqueda, asistentes de IA, generación de texto, sugerencias en la interfaz. Esta elección muestra un cambio de prioridades: el valor se crea cada vez menos en el momento de entrenar el modelo y más cuando se ejecuta de forma constante sobre millones de consultas breves, donde importan una latencia estable, la previsibilidad y el coste de cada respuesta.

Por qué Alphabet necesita a Marvell

Para Alphabet, la alianza con Marvell parece pragmática. Marvell es fuerte en infraestructura de centros de datos y en chips especializados, mientras que Google lleva años desarrollando su propia línea de TPU. En lugar de hacerlo todo internamente, Alphabet puede repartir responsabilidades: conservar el control de la arquitectura del acelerador y recurrir a un socio para las partes del sistema donde más pesan la memoria, las interconexiones, el empaquetado y el intercambio rápido de datos entre componentes.

El acuerdo también tiene lógica económica. La inferencia se está convirtiendo rápidamente en una de las capas más caras de la infraestructura de IA, porque funciona con tráfico constante de usuarios. Cuanto más se ajusta el hardware a un tipo concreto de carga, más fácil es escalar el servicio sin que los costes se disparen. Para Google es una oportunidad de reducir el coste de cada respuesta y controlar mejor su propia pila tecnológica; para Marvell, de reforzar su posición en un mercado de aceleradores de IA sobrecalentado.

• Un módulo de memoria independiente puede reducir los cuellos de botella al trabajar con modelos grandes
• Una TPU actualizada encaja mejor en escenarios conversacionales y otros interactivos
• Un chip especializado suele ofrecer más eficiencia por vatio y por dólar
• Para Google, es una forma de reforzar el control sobre su propia infraestructura de IA
• Para Marvell, es entrar más a fondo en el mercado de aceleradores para cargas de IA

Dónde se notará el efecto

Si las conversaciones llegan a suministros reales, los primeros en notar el efecto no serán los usuarios, sino los equipos responsables de la infraestructura de Google. La inferencia no es una ejecución puntual de un modelo, sino un trabajo continuo bajo carga, en el que el sistema debe responder rápido a un enorme número de solicitudes seguidas. En este régimen no importa solo el cálculo en sí, sino también un tiempo de respuesta predecible, la eficiencia energética y la ausencia de cuellos de botella en la transferencia de datos entre la memoria y el acelerador.

En la práctica, esto significa un ajuste más fino del hardware para productos concretos. El mercado se aleja poco a poco de la idea de un único chip universal que sea igual de bueno en todas las tareas de IA. En su lugar, las empresas montan combinaciones distintas de componentes para entrenamiento, inferencia y modos interactivos. Las conversaciones entre Alphabet y Marvell encajan bien en esta tendencia: ganarán no quienes simplemente tengan más GPU, sino quienes diseñen con más precisión toda la cadena de ejecución del modelo para la carga real.

Qué significa

Las conversaciones entre Alphabet y Marvell muestran que la nueva carrera de la IA ya no gira solo en torno a los modelos, sino también al hardware especializado para servicios cotidianos. Quien logre ofrecer una respuesta rápida de forma más barata y estable se llevará la ventaja.