Google trabaja en una nueva iniciativa llamada TorchTPU, cuyo objetivo es facilitar que sus chips de inteligencia artificial, conocidos como TPU (Tensor Processing Units), ejecuten de manera eficiente PyTorch, el marco de software de IA más utilizado a nivel mundial. Con este movimiento, la compañía busca reducir los costos de migración para los desarrolladores y desafiar el dominio de Nvidia en el mercado de la computación para inteligencia artificial.
Este proyecto forma parte de la estrategia agresiva de Google para posicionar a sus TPU como una alternativa real a las GPU de Nvidia, que actualmente lideran el sector. Aunque las ventas de TPU ya se han convertido en un motor clave del crecimiento de Google Cloud, la empresa reconoce que el hardware por sí solo no es suficiente para impulsar la adopción masiva: la compatibilidad con el software es un factor crítico.
TorchTPU pretende eliminar una de las principales barreras para el uso de las TPU: la dificultad de integrarlas en infraestructuras ya construidas sobre PyTorch. A diferencia de intentos anteriores, Google ha asignado más recursos, mayor atención organizativa y un peso estratégico significativo al proyecto, impulsado por la creciente demanda de empresas interesadas en usar TPU, pero frenadas por las limitaciones de software. Además, la compañía contempla liberar partes del software como código abierto para acelerar su adopción.
PyTorch, lanzado en 2016 y respaldado principalmente por Meta Platforms, es una herramienta fundamental para el desarrollo de modelos de IA. Su crecimiento ha estado históricamente ligado a CUDA, el software que muchos analistas consideran el principal activo estratégico de Nvidia. Mientras Nvidia ha optimizado PyTorch para sus chips durante años, Google ha priorizado internamente otro marco, Jax, junto con la herramienta XLA, lo que ha generado una brecha entre la forma en que Google usa sus chips y la manera en que los clientes prefieren hacerlo.
Para cerrar esa brecha, Google está trabajando estrechamente con Meta, creadora y administradora de PyTorch. Ambas compañías negocian acuerdos que permitirían a Meta acceder a más TPU, como parte de una estrategia para reducir costos de inferencia, diversificar su infraestructura de IA y disminuir su dependencia de Nvidia, ganando así mayor poder de negociación. Meta, no obstante, declinó comentar al respecto.
En paralelo, Google ha comenzado a vender TPU directamente para su instalación en centros de datos de los clientes, más allá de su uso exclusivo en la nube. En diciembre, la empresa nombró a Amin Vahdat como nuevo jefe de infraestructura de IA, reportando directamente al CEO Sundar Pichai, lo que subraya la importancia estratégica del área.
Google necesita esta infraestructura tanto para operar sus propios productos de IA, como Gemini y la búsqueda basada en inteligencia artificial, como para atender a clientes de Google Cloud, entre ellos empresas como Anthropic. Con TorchTPU y su colaboración con Meta, Google busca redefinir el equilibrio de poder en el ecosistema de la inteligencia artificial.
