Los nuevos procesadores se suman a una estrategia para ampliar el uso de hardware propio dentro y fuera de Google Cloud.
La empresa amplió su octava generación de procesadores y busca ganar clientes que hoy dependen de los aceleradores de Nvidia.
Google acelera en el mercado de los procesadores para Inteligencia Artificial justo cuando Nvidia atraviesa uno de sus momentos más delicados. La empresa presentó dos nuevos sistemas de procesamiento, diseñados para resolver necesidades de los modelos de IA, con los que busca ampliar su negocio de infraestructura y ofrecer una alternativa a los equipos de su principal competidor.
El contenido al que quiere acceder es exclusivo para suscriptores.
Los productos forman parte de la octava generación de unidades de procesamiento tensorial de Google. El anuncio llegó el 9 de noviembre, en medio de la incertidumbre que rodea a Nvidia por la investigación interna sobre su director ejecutivo, Jensen Huang, y la fuerte caída de sus acciones.
Los dos sistemas amplían la familia de procesadores que Google presentó en abril de 2026. La octava generación ya contaba con el TPU 8t, orientado al entrenamiento de modelos de gran escala, y el TPU 8i, pensado para tareas de inferencia y razonamiento en tiempo real. Ahora, se suman dos configuraciones que apuntan a necesidades más puntuales de empresas y organismos.
El TPU 8tx está diseñado para ejecutar modelos y agentes de Inteligencia Artificial con información sensible. Su principal diferencial es la computación confidencial integrada en el hardware: busca mantener protegidos los datos y los parámetros de los modelos incluso mientras el procesador los está utilizando. Google lo orienta especialmente a gobiernos y empresas de sectores regulados, que necesitan trabajar con información privada.
El TPU 8i Max, por su lado, apunta a resolver las limitaciones de memoria que aparecen cuando los modelos procesan grandes cantidades de información. Google combinó dos chips TPU 8i en un mismo paquete para duplicar la capacidad de cálculo, la memoria SRAM y el ancho de banda de memoria HBM.
La mejora está pensada para tareas que requieren manejar contextos extensos, como asistentes de programación que analizan proyectos, sistemas que procesan horas de video o herramientas de investigación científica. Al integrar dos unidades en el espacio de un solo sistema, también permite aumentar la capacidad de procesamiento en los centros de datos.
La presentación también forma parte de un gran cambio en el negocio de Google Cloud. Durante años, la empresa desarrolló sus TPU principalmente para sostener sus propios servicios y entrenar modelos como Gemini. Ahora intenta convertir esa tecnología en un producto para competir por contratos de infraestructura que históricamente recurrieron a las GPU de Nvidia.
Google informó que sus procesadores ya tienen cerca de 100 clientes, entre laboratorios de Inteligencia Artificial, empresas financieras, comercios y universidades. La compañía también trabaja para facilitar su adopción, abriendo el desarrollo de TPU a usuarios de PyTorch mediante TorchTPU y sumando compatibilidad con herramientas de código abierto como vLLM y SGLang. El objetivo es que los desarrolladores puedan ejecutar sus modelos sin tener que reescribir todo el código para cambiar de plataforma.
La apuesta tiene una importante cara económica. Cuantas más empresas usen sus procesadores, menos dependerán de proveedores externos para ampliar la capacidad de sus centros de datos y más oportunidades va a tener Google para vender servicios de computación en la nube. La empresa, además, puede integrar sus propios chips con sus modelos y su infraestructura, una ventaja para ofrecer soluciones completas.
El lanzamiento de Google coincide con el inestable presente de Nvidia. La firma, principal proveedora de procesadores para Inteligencia Artificial, generó controversia después de que su exdirector ejecutivo, Jensen Huang, fuera mencionado en reportes sobre un presunto vínculo con una empresaria china investigada por posibles conexiones con tareas de inteligencia y espionaje. Nvidia anunció una investigación independiente para determinar si Huang fue objetivo de una operación extranjera.
El escenario abre una oportunidad para los competidores, aunque no significa que Nvidia haya perdido su posición en el sector. La firma conserva una ventaja importante por su ecosistema de hardware, software y herramientas de desarrollo, además de una amplia base de clientes. Reemplazar sus GPU implica costos, ajustes y cambios en los sistemas que las empresas ya tienen en funcionamiento.
Google busca avanzar por otro camino. No propone un único procesador para todas las tareas, sino una familia de sistemas que se adapta a distintas cargas de trabajo. La especialización de los TPU 8tx y 8i Max apunta a captar empresas que necesitan más seguridad, capacidad de memoria o eficiencia para ejecutar modelos complejos.