Google está aprovechando el crecimiento de la inteligencia artificial para fortalecer su negocio de semiconductores y convertirse en una alternativa más competitiva frente a Nvidia, compañía que domina buena parte del mercado de procesadores especializados. Su estrategia consiste en ampliar su familia de chips propios, conocidos como TPU, y ofrecer soluciones diseñadas para diferentes necesidades de procesamiento.
El movimiento llega en un momento en el que las empresas tecnológicas buscan más capacidad de cómputo para desarrollar modelos y operar agentes de inteligencia artificial. También intentan reducir su dependencia de un solo proveedor, especialmente ante la elevada demanda y los costos asociados con las GPU de Nvidia.
Google presenta nuevas versiones de sus chips TPU
El 9 de noviembre de 2026, Google anunció dos nuevas variantes de sus unidades de procesamiento tensorial: TPU 8tx y TPU 8i Max. Aunque ambas forman parte de su octava generación, fueron configuradas para atender necesidades distintas dentro de los centros de datos.
La TPU 8tx está orientada a la computación confidencial, una característica relevante para organizaciones que procesan información sensible, como instituciones financieras, dependencias gubernamentales y empresas de sectores regulados. Su diseño incorpora tecnología de cifrado durante el procesamiento de los datos y trabaja con procesadores de AMD.
Por otro lado, la TPU 8i Max está pensada para tareas que necesitan manejar grandes cantidades de información al mismo tiempo. Para conseguirlo, integra dos chips TPU 8i en un mismo paquete, con el objetivo de aumentar la capacidad de cómputo y la memoria disponible.
Estas características pueden resultar útiles en aplicaciones de programación, razonamiento matemático y descubrimiento de medicamentos, entre otras actividades que requieren procesar grandes volúmenes de datos.
¿Por qué los chips de Google representan una oportunidad frente a Nvidia?
Una de las ventajas que busca ofrecer Google es una mejor relación entre precio y rendimiento. De acuerdo con estimaciones de Bloomberg Intelligence citadas en los reportes sobre el lanzamiento, las TPU pueden costar aproximadamente 30% menos que las GPU de Nvidia, con un desempeño competitivo en determinadas cargas de trabajo.
La diferencia es importante porque los procesadores no siempre se utilizan para las mismas tareas. Mientras las GPU de Nvidia tienen una presencia amplia en el entrenamiento y ejecución de modelos de inteligencia artificial, las TPU de Google están diseñadas para determinados tipos de operaciones y pueden resultar convenientes en entornos que utilizan la infraestructura de Google Cloud.
La compañía también busca atraer clientes que necesitan alternativas para distribuir sus cargas de trabajo y evitar depender exclusivamente de los procesadores de un solo fabricante.
Apple, Meta y Anthropic ya utilizan la tecnología de Google
La estrategia de Google no parte desde cero. Sus TPU, desarrolladas originalmente para atender las necesidades internas de la compañía, ya han comenzado a ganar presencia entre grandes organizaciones.
Entre las empresas vinculadas con esta tecnología se encuentran Apple, Meta y Oracle. Anthropic también mantiene un acuerdo de gran escala para utilizar capacidad de procesamiento de Google, mientras que Jump Trading ha incorporado miles de estos chips para trabajar con modelos de inteligencia artificial.
Este interés demuestra que las TPU pueden competir en determinadas aplicaciones empresariales, aunque no significa que todas estas compañías hayan sustituido sus procesadores Nvidia. De hecho, algunos clientes mantienen una infraestructura mixta y utilizan diferentes chips según el trabajo que necesitan realizar.
Google quiere aprovechar el crecimiento de los agentes de IA
Otro factor que impulsa esta estrategia es la evolución de la inteligencia artificial hacia sistemas capaces de ejecutar tareas complejas con menor intervención humana.
Los llamados agentes de IA pueden organizar información, escribir código, consultar bases de datos y coordinar diferentes procesos. Para funcionar necesitan capacidad de procesamiento, memoria y conexiones rápidas entre componentes.
Google considera que este cambio abrirá nuevas oportunidades para sus chips especializados. La TPU 8i Max, por ejemplo, busca responder a las necesidades de aplicaciones que requieren mantener grandes cantidades de información disponibles durante una misma tarea.
La eficiencia energética también es relevante. Google ha trabajado en mecanismos para suspender sesiones inactivas y liberar recursos mientras los agentes esperan información, lo que puede ayudar a reducir costos operativos en los centros de datos.
Nvidia todavía conserva ventajas importantes
Aunque Google está ganando terreno, Nvidia mantiene una posición sólida en el mercado de inteligencia artificial. Su ventaja no depende únicamente de la potencia de sus GPU, sino también de su ecosistema de software, especialmente CUDA, que facilita a desarrolladores y empresas aprovechar sus procesadores.
La compatibilidad con herramientas existentes, la experiencia acumulada y la infraestructura de soporte representan obstáculos para cualquier competidor que busque desplazarla.
Además, Google enfrenta desafíos relacionados con la disponibilidad de componentes y la capacidad de fabricación. La demanda de sus TPU ha crecido hasta el punto de que la compañía ha tenido dificultades para cubrir todos los pedidos, por lo que también trabaja en diversificar sus proveedores.
¿Google puede quitarle mercado a Nvidia?
La expansión de las TPU representa una oportunidad para Google, pero todavía no significa que Nvidia vaya a perder su liderazgo de manera inmediata. La competencia dependerá de factores como el costo de los chips, su rendimiento en aplicaciones reales, la disponibilidad de unidades y la facilidad con la que las empresas puedan incorporarlos a sus sistemas.
El objetivo de Google parece ir más allá de vender procesadores: también busca fortalecer Google Cloud y convertir su infraestructura de inteligencia artificial en un negocio cada vez más importante.
La industria podría avanzar hacia un escenario en el que convivan diferentes fabricantes y arquitecturas, con chips especializados para cada necesidad. En ese contexto, Nvidia tendría que competir no solo con otros fabricantes tradicionales, sino también con las soluciones desarrolladas por sus propios clientes tecnológicos.
