Google ha decidido que ya no le basta con usar sus aceleradores de inteligencia artificial en casa. La compañía de Mountain View está intensificando sus esfuerzos para comercializar sus chips de IA propios —conocidos como TPUs, Tensor Processing Units— a clientes externos, entrando de lleno en un territorio que hasta ahora era dominio casi exclusivo de Nvidia. No se trata solo de una guerra tecnológica: Google está dispuesto a mover también las fichas financieras y de infraestructura necesarias para atraer a los grandes actores del sector, con empresas como Anthropic ya en el radar como clientes de referencia. El movimiento redefine el tablero competitivo de la IA acelerada y pone en cuestión el monopolio de facto que Nvidia ha construido durante los últimos años.

De uso interno a negocio global: la apuesta de Google por sus aceleradores de IA

Durante años, los TPUs de Google han sido un arma secreta reservada casi en exclusiva para los servicios internos de la compañía: entrenar modelos como Gemini, dar potencia a Google Search o sustentar Google Translate. Sacarlos al mercado exterior de forma agresiva es un cambio de estrategia mayúsculo. Google no solo ofrece acceso a estos chips a través de su plataforma en la nube, Google Cloud, sino que ahora está explorando modelos de negocio más complejos: financiación, construcción de centros de datos y acuerdos directos con grandes clientes corporativos. Es decir, Google no quiere ser solo un fabricante de chips; quiere convertirse en un proveedor integral de infraestructura de IA, compitiendo con Nvidia en su propio terreno y, de paso, recortando la dependencia que el sector tiene de las GPUs H100 y H200 de la firma de Jensen Huang.

El papel de Anthropic —startup creadora del asistente Claude y uno de los laboratorios de IA más influyentes del momento— como gran cliente potencial es revelador. Anthropic ya recibe inversión de Google y también utiliza infraestructura de AWS, lo que la convierte en un campo de batalla estratégico entre los grandes proveedores. Que Google trate de atraerla hacia sus propios chips dice mucho sobre hacia dónde quiere llevar este negocio: no a los clientes de mediana empresa, sino a los grandes consumidores de cómputo que realmente mueven la aguja del mercado de aceleradores de IA.

Especificaciones técnicas

Aunque Google no ha desvelado en este contexto una hoja de especificaciones exhaustiva de sus últimos TPUs destinados a clientes externos, los elementos clave de su propuesta competitiva son los siguientes:

  • Tipo de chip: TPU (Tensor Processing Unit), diseñados específicamente para cargas de trabajo de inteligencia artificial
  • Uso principal: entrenamiento e inferencia de modelos de IA a gran escala
  • Modelo de acceso: nube pública (Google Cloud) y acuerdos directos con grandes clientes
  • Modelos de financiación: Google contempla estructuras financieras propias para facilitar la adopción
  • Infraestructura asociada: construcción y gestión de centros de datos como parte de la oferta integral
Google no solo vende chips: financia centros de datos y negocia directamente con los mayores consumidores de IA del mundo para arrebatarle terreno a Nvidia.

El duelo con Nvidia: ¿puede Google romper el monopolio de las GPU?

Nvidia lleva años en una posición envidiable: prácticamente cualquier empresa o laboratorio que quiera entrenar un modelo de inteligencia artificial serio necesita sus GPUs. Las H100 y H200 se han convertido en el "petróleo digital" de esta era, con listas de espera, precios desorbitados y una dependencia estructural que incomoda a gobiernos, empresas tecnológicas y startups por igual. Google, con sus TPUs, representa la alternativa interna más madura del sector —junto con los chips de Amazon (Trainium/Inferentia) y los de Microsoft con su colaboración con AMD—, pero hasta ahora nunca había apostado tan fuerte por el mercado externo.

La clave diferencial de Google no es solo técnica. Nvidia vende hardware; Google puede ofrecer hardware, software optimizado (sus propias librerías y frameworks), financiación y centros de datos llave en mano. Para un laboratorio de IA que necesita escalar rápido y no quiere lidiar con la complejidad logística de montar su propia infraestructura, ese paquete integral tiene un atractivo real. Aun así, el ecosistema de Nvidia —CUDA, cuDecoder, las miles de librerías optimizadas— sigue siendo su mayor ventaja competitiva, una muralla que Google tendrá que superar con rendimiento, precio y facilidad de uso si quiere convencer a los desarrolladores de cambiar de bando.

¿Qué supone para el comprador hispanohablante?

Para la mayoría de usuarios individuales y empresas medianas en España, este movimiento no tiene un impacto inmediato: los TPUs de Google no se venden en PcComponentes ni en Amazon España como una tarjeta gráfica convencional. Sin embargo, el efecto indirecto puede ser muy significativo. Si Google consigue presionar a Nvidia con una alternativa real para los grandes clientes de la nube, la competencia podría traducirse en una bajada de precios en el acceso a infraestructura de IA en la nube, algo que sí afecta directamente a empresas españolas que usan Google Cloud, AWS o Azure para sus proyectos de IA. Además, si la apuesta cuaja, podría acelerar el desarrollo de modelos de IA más accesibles y eficientes, con beneficios en cascada para toda la industria. Los precios de acceso a estos recursos en la nube no se han confirmado en el marco de este anuncio, por lo que cualquier cifra sería meramente especulativa.

Nuestra valoración

La jugada de Google es audaz y, sobre todo, coherente. La compañía lleva años invirtiendo en silicio propio precisamente para no depender de Nvidia, y ahora intenta monetizar esa inversión convirtiéndola en un negocio externo. El timing es inteligente: el mercado está saturado de demanda de chips de IA, los precios de las GPU de Nvidia son estratosféricos y los clientes están hambrientos de alternativas creíbles. Google tiene los mimbres —tecnología, infraestructura, músculo financiero y relaciones con los grandes laboratorios— para ser esa alternativa. Si la elección del acelerador de IA correcto es ya una decisión crítica para cualquier empresa del sector, imagínate lo que puede cambiar cuando Google entre a competir en serio.

El riesgo real es el ecosistema. Nvidia ha construido durante dos décadas una plataforma de software que los desarrolladores conocen y dominan. Convencer a esos equipos de migrar a TPUs no es trivial, y Google lo sabe. Por eso su apuesta no es solo de chip, sino de paquete completo. Si logra que Anthropic u otros grandes nombres adopten sus aceleradores de forma pública y exitosa, tendrá la prueba social que necesita para acelerar la adopción. No es el fin de Nvidia —ni mucho menos—, pero sí la señal más clara hasta la fecha de que el mercado de chips de IA está dejando de ser un monopolio de facto para convertirse en una batalla real.