Por Canuto  

Google amplió su oferta de unidades de procesamiento tensorial (TPU) con dos variantes orientadas a cargas de trabajo confidenciales y aplicaciones que requieren ventanas de contexto largas. La apuesta profundiza su competencia con Nvidia en un mercado de alta demanda, aunque la empresa también enfrenta presión por la oferta de componentes y la incertidumbre sobre el gasto en centros de datos.
***

  • La TPU 8tx está orientada a tareas confidenciales, incluidas las de gobiernos y sectores regulados, mientras la 8i Max está diseñada para aplicaciones que procesan ventanas de contexto largas.
  • Bloomberg Intelligence estima que las ventas de TPUs y productos relacionados podrían superar los USD $135.000 millones en 2028, frente a USD $12.000 millones estimados para este año.
  • Google ya trabaja con clientes como Apple, Meta, Oracle, Jump Trading y Anthropic, pero enfrenta escasez de componentes, competencia emergente y dudas sobre la inversión en infraestructura de IA.

Google ajusta su estrategia de chips de IA

Google amplió su oferta de unidades de procesamiento tensorial, conocidas como TPUs, con dos variantes que apuntan a necesidades específicas de los clientes y amplían su competencia con Nvidia. La TPU 8tx se orienta a cargas de trabajo confidenciales, mientras que la 8i Max apunta a aplicaciones que necesitan manejar ventanas de contexto extensas. Bloomberg informó sobre estas versiones y señaló que su disponibilidad está prevista para el próximo año.

Las nuevas ofertas no son diseños de silicio completamente nuevos, sino configuraciones distintas de chips que Google desarrolló para atender solicitudes concretas del mercado. El jefe de chips de la compañía, Amin Vahdat, dijo que las cuatro opciones de TPU están optimizadas para necesidades diferentes y que la estrategia responde a una expectativa de mayor especialización en la industria. En lugar de crear un solo procesador para todo, sostuvo, la empresa busca ofrecer más valor mediante versiones adaptadas a cada tipo de trabajo.

Las variantes se suman a la línea de TPUs de octava generación, que Google describe como dos chips especializados para cargas de trabajo distintas. El lanzamiento también representa una aceleración en el calendario del negocio de chips de la compañía, que anteriormente presentaba un nuevo procesador de IA cada dos años. Google busca convertir una actividad creada inicialmente para cubrir sus propias necesidades de cómputo en una oferta más amplia para clientes externos.

La expansión ocurre en un mercado atravesado por dudas sobre una posible desaceleración de la inversión en infraestructura y cuestionamientos sobre proyectos de centros de datos. En las cifras de mercado citadas en el reporte, Google avanzaba 2,31% en la negociación previa a la apertura del 9 de noviembre, mientras Nvidia retrocedía 5,19%. Esos movimientos describen las cotizaciones en ese momento, pero no permiten confirmar que el anuncio de las TPUs haya sido su causa.

Dos configuraciones para problemas distintos

La TPU 8tx está diseñada para procesar información confidencial de clientes como agencias gubernamentales y empresas de industrias reguladas. Según los reportes sobre el producto, el sistema se combinaría con CPU de Advanced Micro Devices. La propuesta busca mantener cifrados los datos durante el procesamiento, una característica relevante para organizaciones que necesitan manejar información sensible.

Vahdat explicó que, en condiciones normales, los datos deben desbloquearse en la memoria mientras la computadora los procesa, lo que crea un punto de exposición que preocupa a ciertos usuarios. La arquitectura de la 8tx busca reducir ese riesgo mediante cifrado en el chip, aunque la información disponible no detalla otros componentes de seguridad ni compara el sistema con soluciones rivales. El enfoque sitúa a Google en un segmento en el que la confidencialidad y el cumplimiento de requisitos sectoriales pueden pesar tanto como el rendimiento.

La 8i Max, por su parte, combina dos chips TPU en un solo paquete para proporcionar más potencia de cómputo y memoria. Su diseño está pensado para cargas que requieren ventanas de contexto largas, es decir, la cantidad de información que un sistema de IA puede considerar en una sola solicitud. Vahdat mencionó el descubrimiento de fármacos y las matemáticas como ejemplos de tareas que se benefician de esa capacidad, además de aplicaciones de programación.

Las diferencias entre los dos modelos ilustran por qué Google busca comercializar varias configuraciones en vez de presentar una solución universal. La 8tx prioriza el procesamiento confidencial, mientras la 8i Max se concentra en ampliar la información disponible para determinadas consultas. En conjunto, ambas buscan responder a un uso más extendido de agentes de IA y a las exigencias de seguridad asociadas con sistemas que ejecutan tareas en nombre de sus usuarios.

Clientes y proyecciones para el negocio de TPU

Las TPUs compiten con las unidades de procesamiento gráfico de Nvidia en un mercado que Google comenzó a explorar hace más de una década. La compañía desarrolló la tecnología junto con Broadcom, que colaboró en el diseño y en la coordinación de la producción, inicialmente para atender las crecientes necesidades de cómputo de su negocio de búsquedas. Más tarde, Google identificó el potencial de los chips para inteligencia artificial y empezó a venderlos fuera de sus operaciones propias de computación en la nube.

La apuesta ya cuenta con clientes de alto perfil como Apple, Meta y Oracle, además de Anthropic, creadora del chatbot Claude, y Jump Trading. Bloomberg Intelligence calcula que para 2028 las ventas de TPUs y de software y hardware relacionados superarán los USD $135.000 millones, frente a una estimación de USD $12.000 millones para este año. Esa proyección no incluye las ventas a clientes que utilizan los chips a través de Google Cloud.

Jump Trading lleva miles de TPUs y las utiliza para entrenar modelos de IA destinados, entre otras cosas, a la investigación de operaciones de trading. Su director de tecnología, Alex Davies, dijo que la firma pasó varios años probando los chips antes de firmar un contrato de mayor escala con Google hace aproximadamente un año. Jump todavía usa principalmente Nvidia para entrenamiento, aunque Davies describió como una minoría vocal a los empleados que prefieren las TPUs para sus tareas.

Davies señaló que las TPUs funcionan bien para un subconjunto de trabajos y que resulta atractivo resolver algunos problemas de maneras distintas. En los casos en que igualan o superan el rendimiento de los chips de Nvidia, también pueden ofrecer mayor eficiencia energética y reducir costos, según el ejecutivo. El analista de Bloomberg Intelligence Mandeep Singh agregó que las TPUs cuestan aproximadamente 30% menos que las GPUs de Nvidia y ofrecen un rendimiento competitivo en throughput, es decir, en la cantidad de datos que procesan durante un periodo determinado.

Alianzas, rivales y riesgos para la expansión

Oracle anunció el mes pasado un acuerdo para que sus clientes de nube puedan usar TPUs por primera vez a partir del próximo año. Hasta ahora, los clientes de Oracle Cloud podían elegir chips de IA de Nvidia y AMD, y la compañía presentó la alianza como una forma de ofrecer más opciones ante cargas de trabajo cada vez más exigentes. Karan Batta, vicepresidente sénior a cargo de la infraestructura en la nube de Oracle, dijo que la colaboración ampliará la capacidad de sus clientes para construir y ejecutar IA en la infraestructura que mejor se adapte a sus necesidades.

Anthropic también mantiene una apuesta relevante por la tecnología: un documento regulatorio reciente indica que tiene la opción de comprar hasta USD $150.000 millones en chips entre 2028 y 2031. OpenAI, por su parte, planea adquirir TPUs, según había informado Bloomberg News. Estos vínculos amplían las oportunidades comerciales de Google, aunque no significan que todos esos montos correspondan a compras ya ejecutadas ni que las empresas hayan abandonado otras plataformas de procesamiento.

La experiencia de Google como desarrollador de software de IA también favorece el negocio de hardware. Los equipos que diseñan las TPUs han utilizado acceso anticipado a los modelos Gemini de la compañía para mejorar aspectos como la eficiencia energética y detectar errores, una tarea crítica porque los defectos en semiconductores pueden costar miles de millones de dólares y borrar meses de trabajo. Vahdat sostuvo que la IA está reduciendo la probabilidad de esos problemas, aunque no elimina los desafíos industriales que implica diseñar y fabricar chips.

La compañía también afronta nuevos competidores y una posible moderación del gasto en infraestructura. Tenspresso, una startup cofundada por dos exingenieros de TPU, trabaja en un chip para inferencia con ventanas de contexto largas, un área similar a la que busca cubrir la 8i Max, aunque su producto estaría al menos a un año de completar el diseño. OpenAI y Anthropic desarrollan iniciativas propias de chips con personal experimentado en TPUs, mientras Singh estima que la oposición a los centros de datos podría recortar entre 5% y 7% de los USD $1,4 billones que las empresas tecnológicas esperaban gastar en 2027 en chips, redes, terrenos y otros materiales.

Entre los límites del plan figuran márgenes de ganancia de TPUs menos robustos que los de Nvidia y la escasez de memoria y capacidad de fabricación. Google indicó en su informe de resultados que cada TPU disponible ya estaba contratada por un cliente, por lo que el equipo de Vahdat intenta diversificar las fuentes de suministro. La empresa firmó en los últimos meses un acuerdo con Marvell, rival de Broadcom, que incluye cierto trabajo relacionado con TPU, y también circularon reportes sobre la participación de MediaTek; Vahdat no quiso comentar el papel de ninguna de las dos firmas.

El analista William Tong, de Bloomberg Intelligence, considera probable que Google negocie acuerdos de más largo plazo para asegurar el suministro y evitar nuevos cuellos de botella. La estrategia de especialización podría ayudar a la empresa a diferenciar sus chips, pero su crecimiento dependerá de que pueda producir suficientes unidades y de que los clientes mantengan sus planes de inversión. A medida que Google amplía su oferta y Nvidia desarrolla sistemas más especializados, la competencia se desplaza de la potencia general hacia el equilibrio entre precio, seguridad, memoria y eficiencia para cada carga de trabajo.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados