Google amplía su familia de TPU con dos sistemas especializados para competir con Nvidia

Google ha añadido dos nuevos sistemas a la octava generación de sus TPU (unidades de procesamiento tensorial), los chips de inteligencia artificial que diseña la propia empresa. Se llaman TPU 8tx y TPU 8i Max, y los presentó el 9 de noviembre de 2026 Amin Vahdat, vicepresidente sénior y director de tecnología de IA e infraestructura de Google, en el blog oficial de la compañía.

Los dos nuevos sistemas se suman al TPU 8t, orientado al entrenamiento de modelos, y al TPU 8i, centrado en la inferencia y el razonamiento en tiempo real, que se anunciaron en abril durante el evento Google Cloud Next. Según Google, es la primera vez que presenta cuatro sistemas TPU en un mismo año.

TPU 8tx: datos protegidos incluso mientras se procesan

El TPU 8tx está pensado para la inferencia segura y confidencial, aunque Google también lo considera adecuado para entrenamientos a pequeña escala. Va dirigido a gobiernos y empresas de sectores regulados que quieren ejecutar modelos y agentes de IA con información sensible.

Google explica que los datos suelen ir cifrados cuando se almacenan o se envían por la red, pero tienen que descifrarse en memoria para que un ordenador pueda procesarlos. El 8tx incorpora la protección en el propio hardware, de modo que tanto los datos como los pesos de los modelos quedan aislados también durante el cálculo.

El sistema usa el mismo silicio que el TPU 8t, funciona junto a procesadores AMD EPYC de quinta generación y aprovecha la red de baja latencia que Google desarrolló para el 8i. La compañía asegura que ofrece hasta el doble de rapidez de respuesta (la mitad de latencia) que el 8t y que la seguridad adicional apenas penaliza el rendimiento. Según Xataka, Google también afirma que los clientes podrán ajustar modelos con datos privados sin tener que moverlos entre clústeres.

TPU 8i Max: más memoria para contextos enormes

El TPU 8i Max ataca lo que en la industria se conoce como el «muro de la memoria». Cuando muchos agentes de IA trabajan a la vez sobre todo el código de un programa o sobre horas de vídeo, el cuello de botella deja de ser la capacidad de cálculo y pasa a ser la velocidad a la que llegan los datos desde la memoria.

La solución de Google es integrar dos chips TPU 8i en un solo encapsulado. Frente al 8i estándar, la empresa afirma que este diseño duplica la capacidad de cálculo, la memoria SRAM integrada en el chip y el ancho de banda de memoria. Además, permite instalar el doble de silicio en el mismo espacio de rack, lo que, según Google, da la mayor densidad de cálculo por rack de toda la familia. Está pensado para ventanas de contexto de un millón de tokens.

Según contó Vahdat a Bloomberg, este sistema está pensado para aplicaciones de contexto largo como el descubrimiento de fármacos, la resolución de problemas matemáticos complejos y la programación.

Nuevos sistemas, no chips nuevos

Ninguna de las dos variantes estrena silicio. Google insiste en diferenciar un chip nuevo, cuyo diseño y fabricación exigen años, de un sistema nuevo, que consiste en reorganizar alrededor del chip el empaquetado, la memoria, la red y la seguridad. Ese enfoque modular, sostiene la empresa, le permite lanzar configuraciones especializadas «en cuestión de meses en lugar de años».

Vahdat dijo a Bloomberg que la estrategia parte de la idea de que el futuro girará en torno a la especialización y que las versiones a medida aportan más valor que un único chip para todo. Según ese medio, Google solía renovar sus TPU aproximadamente cada dos años.

Google no ha publicado precios ni fechas concretas de lanzamiento. Según Bloomberg, Vahdat indicó que los nuevos sistemas estarán disponibles en 2027.

La carrera frente a Nvidia

Nvidia domina desde hace años el mercado de aceleradores para IA con sus GPU, que sirven para muchos tipos de trabajo. Google ha elegido otro camino: chips diseñados para tareas concretas que se ofrecen a través de su nube y, desde hace poco, también para instalarse directamente en los centros de datos de los clientes. La empresa afirma que sus TPU ya tienen cerca de 100 clientes, entre ellos laboratorios de IA punteros, firmas de inversión, cadenas comerciales y universidades.

Para facilitar que los desarrolladores cambien de plataforma, Google ha reforzado la compatibilidad con PyTorch, uno de los entornos de programación de IA más usados, con herramientas de código abierto. Durante años, el ecosistema de software de Nvidia ha sido una de las principales barreras para pasarse a otras alternativas.

Según las estimaciones de Bloomberg Intelligence que recoge Xataka, las ventas de TPU, incluidos el hardware y el software asociados, podrían pasar de unos 12.000 millones de dólares este año a más de 135.000 millones en 2028. Entre los clientes figuran Apple, Meta y Oracle; esta última ha anunciado que sus clientes en la nube podrán usar TPU a partir del próximo año. Bloomberg también ha informado de que Anthropic tiene la opción de comprar TPU por hasta 150.000 millones de dólares entre 2028 y 2031, según un documento regulatorio, y de que OpenAI planea adquirir estos chips.

Qué supone para la nube y qué obstáculos quedan

Para el mercado de computación en la nube, el anuncio confirma una tendencia: los grandes proveedores fabrican cada vez más chips propios para depender menos de Nvidia y ofrecer opciones adaptadas a cada tipo de trabajo, como la seguridad, el entrenamiento o la inferencia con mucha memoria. Para las empresas, esto puede ampliar la oferta y abaratar algunos usos. A cambio, tendrán que elegir entre más configuraciones y adaptar su software a cada una.

Hay obstáculos. Según Bloomberg, Google indicó en su última presentación de resultados que todas sus TPU disponibles ya tienen cliente asignado, y sigue habiendo escasez de memoria y de capacidad de fabricación. Según varias informaciones, la compañía busca proveedores además de Broadcom, entre ellos Marvell.

También aumenta la competencia. OpenAI y Anthropic desarrollan chips propios con ingenieros que trabajaron en las TPU, y startups como Tenspresso, fundada por dos de ellos, apuntan también a la inferencia de contexto largo. Según Bloomberg, a esta última le queda al menos un año para terminar el diseño de su chip.