Historia
10 de nov de 2026
Google apuesta por que la seguridad y la escala pueden romper el control de Nvidia
Google presenta su gama ampliada de TPU como una alternativa más rápida y adaptada para clientes con datos sensibles o enormes cargas de trabajo de IA, mientras que el movimiento más amplio refleja el impulso de los hiperescaladores por reducir su dependencia de Nvidia.
Google inició en abril el despliegue de su TPU de octava generación con los TPU 8t y 8i, orientados respectivamente a cargas de trabajo de IA intensivas en entrenamiento y centradas en la inferencia. Esta semana, completó esa generación con dos diseños más especializados: cuatro sistemas en un solo año.1
El primer recién llegado, TPU 8tx, es la apuesta de Google por la seguridad. Desarrollado con AMD y basado en el TPU 8t, está diseñado para entrenamiento e inferencia confidenciales, dirigido a organismos gubernamentales, sectores regulados y empresas reacias a exponer datos propietarios durante el desarrollo de modelos. Google afirma que el chip «integra la seguridad directamente en la capa de hardware», protegiendo información sensible y los pesos de los modelos incluso mientras se utilizan.2
El segundo, TPU 8i Max, aborda un cuello de botella diferente: la escala. Al combinar eficazmente dos chips 8i orientados a la inferencia en un solo paquete, Google afirma que duplica la capacidad de memoria, la potencia de cómputo y el ancho de banda, lo que permite a los modelos trabajar con ventanas de contexto mucho más grandes. La empresa presenta esa densidad como crucial para aplicaciones de IA que deben procesar grandes cantidades de información en una sola consulta.1
Para Google, el anuncio también es un argumento sobre velocidad. Sundar Pichai dijo que los ingenieros de hardware de la empresa están codiseñando sistemas con Google DeepMind en lugar de esperar «años por un ciclo tradicional de semiconductores», un modelo que, según él, permite a Google seguir innovando rápidamente para los clientes.
3
Ese es el subtexto competitivo. Microsoft, Amazon, OpenAI y Anthropic también están desarrollando silicio y software de IA personalizados, buscando mayor ventaja frente a la posición dominante de Nvidia. La apuesta de Google es que los chips especializados —uno diseñado en torno a la confidencialidad y otro en torno a cargas de trabajo gigantes— pueden hacer que su nube sea más difícil de ignorar y que su cadena de suministro de IA dependa menos de otros.2