La compañía presentó las TPU 8tx y 8i Max, dos variantes diseñadas para responder a necesidades específicas: proteger datos confidenciales y acelerar tareas que demandan grandes cantidades de memoria. Google ya suma cuatro configuraciones de procesadores de IA en una misma generación.
Google acelera su estrategia para ganar terreno en el mercado de chips de inteligencia artificial y empieza a dejar atrás la idea de desarrollar un único procesador capaz de resolver todo tipo de tareas. La compañía presentó dos nuevas variantes de sus unidades de procesamiento tensorial (TPU): la 8tx, orientada a la computación con datos sensibles, y la 8i Max, diseñada para aplicaciones que necesitan mayor capacidad de memoria y ancho de banda.
El movimiento amplía una familia de procesadores que ya contaba con las TPU 8t, destinadas al entrenamiento de modelos, y 8i, enfocadas en tareas de razonamiento e inferencia. Las cuatro configuraciones pertenecen a una misma generación y reflejan un cambio en la estrategia de Google para competir con Nvidia, líder del mercado de hardware para inteligencia artificial.
La compañía presentó las primeras dos variantes durante Google Cloud Next, en abril. Según sus cifras, la TPU 8t ofrece un rendimiento de entrenamiento hasta 2,7 veces superior al de la generación anterior, mientras que la 8i proporciona una relación precio-rendimiento para inferencia hasta un 80% mejor.
Google todavía no comunicó los precios ni las fechas exactas de lanzamiento de las nuevas versiones. Sin embargo, Amin Vahdat, responsable del área de chips de la compañía, le confirmó a Bloomberg que estarán disponibles durante 2027.
La seguridad de los datos y el desafío de la memoria
La TPU 8tx apunta a gobiernos, empresas e industrias reguladas que necesitan ejecutar modelos y agentes de inteligencia artificial sobre información confidencial. El problema que busca resolver está relacionado con una etapa del procesamiento informático: aunque los datos suelen estar cifrados cuando se almacenan o se transmiten, deben descifrarse temporalmente en la memoria para que un sistema pueda utilizarlos.
Google afirma que la 8tx incorpora mecanismos de protección directamente en el hardware, de modo que tanto los datos como los parámetros de los modelos permanezcan aislados incluso durante su procesamiento.
Esta variante utiliza el mismo silicio que la TPU 8t y se combina con procesadores AMD EPYC de quinta generación. Según la compañía, ofrece una latencia hasta dos veces menor que la 8t y prácticamente no introduce penalizaciones de rendimiento por las medidas adicionales de seguridad.
Otra característica destacada es la posibilidad de que los clientes ajusten modelos con información privada sin tener que trasladar esos datos entre distintos clústeres de procesamiento.
La segunda novedad, la TPU 8i Max, aborda un problema diferente: el denominado «muro de la memoria». Se trata de una limitación que aparece cuando los sistemas de inteligencia artificial deben procesar grandes volúmenes de información y el ancho de banda de la memoria se convierte en un cuello de botella.
La respuesta de Google consiste en integrar dos chips TPU 8i en un mismo paquete. Frente a la versión estándar, la compañía asegura que esta configuración duplica la capacidad de cálculo, la memoria SRAM integrada y el ancho de banda de memoria. Además, permite incorporar el doble de silicio en el mismo espacio de rack, con el objetivo de aumentar la potencia de procesamiento disponible en los centros de datos.
Vahdat explicó a Bloomberg que esta arquitectura está pensada para aplicaciones de contexto largo, como el descubrimiento de fármacos, la resolución de problemas matemáticos complejos y la programación.
Google busca ampliar su negocio de chips frente a Nvidia
La velocidad con la que Google está ampliando su catálogo representa un cambio significativo. Según Bloomberg, la compañía históricamente presentaba nuevas TPU aproximadamente cada dos años. Ahora, en cambio, ya cuenta con cuatro configuraciones dentro de una misma generación.
La estrategia se apoya en una idea que Vahdat resumió al señalar que «el futuro va a girar en torno a la especialización». En su visión, desarrollar versiones personalizadas para diferentes necesidades «aporta mucho más valor» que intentar resolver todas las tareas con un solo chip.
Las nuevas TPU tampoco son procesadores completamente rediseñados. El ejecutivo explicó que se trata de reconfiguraciones de silicio existente, adaptadas a los requerimientos de los clientes. Mientras que diseñar y fabricar un chip nuevo puede llevar años, modificar los sistemas que lo rodean —como redes, memoria y empaquetado— puede realizarse en cuestión de meses. De esta manera, Google busca responder con mayor rapidez a la evolución del software de inteligencia artificial.
Las perspectivas comerciales son relevantes. Según estimaciones de Bloomberg Intelligence, las ventas de TPU, incluyendo el hardware y el software asociados, podrían superar los U$S 135.000 millones en 2028, frente a los U$S 12.000 millones estimados para este año.
Entre los clientes y compañías interesadas figuran Apple, Meta y Oracle. Esta última anunció que sus clientes de servicios en la nube podrán utilizar las TPU a partir de 2027. Anthropic, por su parte, tiene la opción de comprar hasta U$S 150.000 millones en estos procesadores entre 2028 y 2031, según un documento regulatorio citado por Bloomberg. El mismo medio informó que OpenAI también planea adquirirlos.
Sin embargo, Google enfrenta restricciones para satisfacer la demanda. Según Bloomberg, todas las TPU disponibles de la compañía ya están comprometidas con clientes. A esto se suman la escasez de memoria y las limitaciones de capacidad de fabricación.
Para ampliar su producción, Google también está diversificando su red de proveedores más allá de Broadcom e incorporando acuerdos con Marvell.
La competencia tampoco se limita a Nvidia. Tenspresso, una startup fundada por dos antiguos ingenieros de TPU, trabaja en un chip enfocado en la inferencia de contexto largo, aunque su diseño todavía estaría a un año como mínimo de completarse, según Bloomberg. OpenAI y Anthropic también avanzan en el desarrollo de procesadores propios con profesionales que tienen experiencia en el diseño de TPU.
La apuesta de Google muestra que la competencia por la infraestructura de inteligencia artificial está entrando en una nueva etapa: además de fabricar chips cada vez más potentes, las grandes compañías buscan arquitecturas específicas para cada tipo de aplicación. En ese escenario, la especialización puede convertirse en una de las principales herramientas para disputar el negocio que Nvidia lidera actualmente.

