Principales destacados
- TPUs más allá de la nube: Google evalúa suministrar sus chips de IA directamente a proyectos nacionales de computación, comenzando por Corea del Sur.
- Un negocio de US$ 170.000 millones: analistas estiman que las ventas adicionales de TPUs podrían representar hasta US$ 170.000 millones acumulados hasta 2028.
- Nvidia tiene un nuevo competidor: CUDA y su ecosistema de software siguen siendo ventajas importantes, pero los gobiernos empiezan a buscar alternativas para construir infraestructura de IA soberana.
La guerra por los chips de inteligencia artificial está entrando en una nueva fase.
Durante años, la disputa parecía concentrarse en empresas tecnológicas comprando la mayor cantidad posible de GPUs de Nvidia. Ahora, los gobiernos también quieren decidir quién proporciona la infraestructura informática que permanecerá dentro de sus fronteras.
Es precisamente en ese espacio donde Google está intentando posicionar sus TPUs.
Corea del Sur puede ser la primera gran prueba 🇰🇷
Según un informe del Seoul Economic Daily publicado el 22 de septiembre, representantes de Google se reunieron con autoridades surcoreanas el 9 de septiembre para analizar el suministro de TPUs destinadas al desarrollo de IA soberana.
La idea es importante porque cambia el papel tradicional del chip.
Las TPUs, o Tensor Processing Units, fueron desarrolladas por Google principalmente para acelerar cargas de trabajo de inteligencia artificial dentro de su propia infraestructura. Ahora, la compañía empieza a explorar la posibilidad de transformar esta tecnología en infraestructura informática nacional.
Y Corea del Sur tiene exactamente el tipo de proyecto que podría consumir grandes cantidades de este hardware.
El país está ampliando sus inversiones en semiconductores, inteligencia artificial y centros de datos como parte de una estrategia de independencia tecnológica.
🔎 El tamaño de la oportunidad: en julio, el 92% de los grandes modelos de lenguaje utilizados en proyectos de IA soberana en todo el mundo se entrenaban con chips de Nvidia, según Counterpoint Research.
Eso significa que existe un mercado enorme, pero también extremadamente concentrado.
Google quiere vender el chip, no solo alquilarlo ☁️
El cambio más interesante quizá esté en el modelo de negocio.
Google ya monetiza sus TPUs a través de Google Cloud, ofreciendo acceso a capacidad informática sin que el cliente tenga que comprar el hardware.
Pero la estrategia se está ampliando.
La compañía trabaja ahora con tres vías principales:
- Google Cloud: los clientes alquilan capacidad informática basada en TPUs.
- Implementación local: los sistemas TPU pueden suministrarse para operar directamente en la infraestructura del cliente.
- Crux AI: la plataforma de nube utiliza TPUs para ofrecer capacidad informática a terceros.
Esto coloca a Google en una posición diferente de la tradicional empresa de servicios en la nube.
Ahora también compite por una parte del mercado de infraestructura física de IA.
Y apareció un cheque de US$ 22.000 millones 💰
La expansión de Crux AI ayuda a mostrar el tamaño de esta apuesta.
La semana pasada, un sindicato formado por 10 bancos acordó proporcionar a la empresa un préstamo de US$ 22.000 millones, garantizado por TPUs y contratos con clientes, según Reuters.
Es un movimiento particularmente relevante porque muestra que los procesadores de Google empiezan a ser tratados como activos capaces de respaldar estructuras financieras de una escala enorme.
Ya no estamos hablando solamente de un chip utilizado internamente por Google.
💡 La TPU está dejando de ser solo una herramienta de Google y empieza a ser tratada como una pieza comercial de la infraestructura mundial de IA.
Hay US$ 170.000 millones sobre la mesa 📈
El mercado financiero también empieza a percibir este movimiento.
Jason Helfstein, analista de Oppenheimer, estimó en un informe publicado el 9 de septiembre que las ventas incrementales acumuladas de TPUs podrían alcanzar US$ 170.000 millones hasta 2028.
Según la estimación, este potencial todavía no estaría completamente incorporado en las previsiones de consenso de Wall Street.
Hay otra cifra llamativa.
SemiAnalysis afirmó que la TPU Ironwood, la generación más reciente de Google, ofrece un 50% más de rendimiento por dólar que los chips Blackwell Ultra de Nvidia en su benchmark de inferencia.
Eso no significa que la TPU simplemente haya derrotado a Nvidia.
Los benchmarks dependen de la carga de trabajo, el software, la configuración y la metodología. Pero ayudan a explicar por qué Google considera que existe espacio para disputar contratos que hasta ahora estaban dominados por las GPUs de Nvidia.
El problema de Nvidia sigue siendo difícil de atacar 🟢
Aquí es donde la historia se vuelve menos sencilla.
Nvidia no construyó su posición simplemente vendiendo procesadores rápidos.
Su mayor diferencial está alrededor de ellos.
El ecosistema CUDA, las bibliotecas de software, las herramientas para desarrolladores y la infraestructura de red han creado una enorme base instalada. Para una organización que ya construyó sus sistemas alrededor de este entorno, cambiar de proveedor no significa simplemente retirar una placa y colocar otra.
Es necesario adaptar software, modelos e infraestructura.
🧩 El costo del cambio: cuanto mayor y más complejo sea el sistema de IA, mayor puede ser el esfuerzo necesario para migrar una arquitectura construida alrededor del ecosistema de Nvidia.
Google, AMD y otros competidores pueden ofrecer hardware alternativo. La cuestión es hasta qué punto esa ventaja de hardware puede convertirse en una alternativa completa para quienes ya dependen de CUDA.
Pero los gobiernos tienen una preocupación diferente 🌎
Para una empresa privada, el precio y el rendimiento pueden ser suficientes para determinar una compra.
Para un gobierno, la ecuación puede incluir otro componente: soberanía informática.
Los países que pretenden desarrollar sus propios modelos de IA deben considerar dónde se procesarán los datos, quién controla los centros de datos, qué proveedores estarán involucrados y hasta qué punto el país dependerá de una única compañía extranjera.
Por eso la estrategia surcoreana resulta tan interesante para Google.
En lugar de competir únicamente con Nvidia, la empresa puede estar ante un mercado en el que la diversificación de proveedores se ha convertido en una cuestión estratégica.
Y Nvidia puede seguir creciendo incluso así
Existe una aparente contradicción.
Google puede ganar espacio en la IA soberana sin que eso necesariamente implique una caída inmediata del negocio de Nvidia.
El mercado de infraestructura de IA continúa creciendo, y diferentes proveedores pueden capturar distintas partes de esta expansión.
La pregunta más importante es otra: ¿cuánta de la nueva demanda se destinará a TPUs en lugar de GPUs de Nvidia?
Si los gobiernos comienzan a exigir o incentivar arquitecturas alternativas, el mercado puede volverse progresivamente más competitivo.
Y eso supondría un cambio importante para Nvidia, que durante años se ha beneficiado de una combinación difícil de replicar: hardware potente, software consolidado y una enorme comunidad de desarrolladores.
La próxima batalla puede librarse dentro de los países 🏗️
La expansión de las TPUs transforma la disputa entre Google y Nvidia en algo más grande que una competencia por rendimiento.
Ahora también involucra centros de datos, gobiernos, financiación, soberanía tecnológica y control de la infraestructura de IA.
Corea del Sur puede convertirse en una de las primeras grandes pruebas de esta estrategia.
Si otros países siguen el mismo camino, la pregunta dejará de ser solamente qué chip consigue entrenar o ejecutar un modelo de IA más rápido.
También será quién tendrá el derecho de construir la máquina de IA que permanecerá dentro de cada país.
Y, en este juego, Google acaba de poner su TPU sobre una mesa en la que Nvidia estaba acostumbrada a jugar casi sola.
