Google presenta dos nuevos sistemas TPU para la era de los agentes de IA
La semana pasada, Google reveló dos nuevos sistemas basados en su octava generación de Unidades de Procesamiento en Tensor (TPU): el TPU 8tx, diseñado para inferencia confidencial, y el TPU 8i Max, con capacidad de memoria duplicada para ventanas de contexto masivas. Por primera vez, la empresa introduce cuatro sistemas TPU en un mismo año, ampliando significativamente su estrategia de hardware especializado para IA.
Del chip interno al negocio de miles de clientes
Los TPU fueron diseñados originalmente hace más de una década para las necesidades internas de Google, como reconocimiento de voz y traducción de idiomas. Hoy, la situación es completamente diferente. Según Google, cerca de 100 clientes externos ya utilizan TPU en la nube —incluyendo laboratorios de IA, firmas de trading, universidades y, más recientemente, empresas que han instalado los chips directamente en sus propios data centers.
La expansión a cuatro sistemas en 2026 marca un cambio de mentalidad. En lugar de lanzar un chip por año y esperar que sirva para todo, Google está segmentando su portafolio: hay un sistema para cada etapa del ciclo de vida de los agentes de IA. El TPU 8t (lanzado en abril) se enfoca en el entrenamiento de modelos masivos; el TPU 8i (también de abril), en la inferencia en tiempo real; el nuevo 8tx, en la seguridad de datos a nivel de hardware; y el 8i Max, en ventanas de contexto que pueden ingerir bases de código completas o horas de vídeo.
TPU 8tx: seguridad de hardware para datos sensibles
El TPU 8tx combina el chip de entrenamiento TPU 8t con procesadores AMD EPYC de quinta generación, creando el primer sistema TPU en la nube con computación confidencial aplicada en hardware. El objetivo es proteger tanto los datos como los pesos del modelo incluso mientras se están procesando activamente —algo crucial para sectores altamente regulados, como salud y finanzas.
Además, el 8tx cuenta con una red de inferencia personalizada que permite ejecutar razonamiento junto con el entrenamiento, posibilitando la destilación y el entrenamiento de modelos pequeños en tiempo real. Esto es relevante para empresas que quieren entrenar modelos con datos propietarios sin necesidad de transferir información entre dispositivos —reduciendo el riesgo de fuga y la complejidad de la arquitectura.
La latencia se redujo a la mitad en comparación con el TPU 8t estándar, y la capacidad de procesar datos confidenciales a escala de producción coloca al 8tx como alternativa directa a las soluciones de GPU con enclaves de hardware de NVIDIA, como Confidential Computing.
TPU 8i Max: el doble de hardware en el mismo espacio
El TPU 8i Max toma un enfoque diferente. En lugar de rediseñar el chip, Google colocó dos procesadores TPU 8i en un solo paquete. El resultado es el doble de poder de cómputo, el doble de memoria SRAM en chip y el doble de ancho de banda HBM —todo dentro del mismo chasis de rack.
Esto puede parecer un truco de ingeniería, pero la consecuencia práctica es significativa: los data centers pueden empacar considerablemente más poder de cómputo por pie cuadrado y por vatio, lo que significa costos de infraestructura menores para cargas de trabajo cada vez más grandes. El 8i Max está dirigido a agentes de IA que necesitan procesar cantidades masivas de información de una sola vez —un ejemplo común es un agente que lee una base de código entera o ve horas de vídeo para responder a una consulta.
La carrera por los chips de IA no se detiene
El anuncio de los nuevos TPU llega en un momento de presión competitiva. Grandes empresas como Microsoft, Amazon e incluso laboratorios como OpenAI y Anthropic están desarrollando sus propios chips de IA para reducir la dependencia de NVIDIA. Bloomberg reportó que los nuevos chips de Google cuestan aproximadamente un 30% menos que los equivalentes de NVIDIA, ofreciendo rendimiento similar y menor consumo de energía para ciertas tareas de IA.
Google ya no mantiene sus TPU exclusivamente para sí. La infraestructura de Google Cloud ahora ofrece TPU como servicio, y la empresa espera que las ventas de hardware continúen creciendo en el cuarto trimestre, con "una significativa aceleración de ingresos en 2027", según la CFO Anat Ashkenazi durante la llamada de resultados del tercer trimestre.
Co-diseño: el diferenciador de Google
Un aspecto que diferencia a los TPU de los competidores es el proceso de co-diseño entre equipos de arquitectura de silicio, ingenieros de red, desarrolladores de compiladores e investigadores de Google DeepMind. Google ya utiliza su propio AlphaChip (un sistema de aprendizaje por refuerzo del DeepMind) para generar diseños de chips, reduciendo semanas de desarrollo a horas. Gemini también se usa para entregar diseños en días.
Este ciclo de retroalimentación —usar IA para diseñar chips de IA— es algo que los competidores aún están intentando replicar. NVIDIA hace lo mismo con sus propios ASICs y software CUDA, pero Google tiene la ventaja de operar tanto a nivel de chip como a nivel de modelo, creando un ciclo de retroalimentación que puede acelerar la evolución de cada generación.
Qué sigue
Con cuatro sistemas TPU en un año, Google está señalando que el futuro de los chips de IA no es un chip único que haga todo —es un portafolio segmentado para diferentes etapas del ciclo de vida del modelo. La pregunta es si esta fragmentación finalmente forzará un estándar abierto, o si terminaremos con tres o cuatro ecosistemas propietarios compitiendo, cada uno con su propio software, sus controladores y su lock-in. Google dice que quiere ser open-source con PyTorch y XLA, pero la historia de la computación muestra que la interoperabilidad real es más difícil que el discurso de lanzamiento.
Fuentes: TechCrunch, Google Cloud Blog, Stock Analysis
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
