La guerra de los chips de inteligencia artificial tiene un nuevo capítulo. En el marco de Google Cloud Next 2026, celebrado en Las Vegas del 22 al 24 de abril, la compañía fundada por Larry Page y Sergey Brin presentó la octava generación de sus Tensor Processing Units (TPU), rediseñados desde cero para responder a las exigencias de la IA agéntica: sistemas que no solo responden preguntas, sino que toman decisiones y ejecutan tareas de manera autónoma.
Por primera vez en la historia de la familia TPU, Google lanzó dos chips distintos en la misma generación, cada uno optimizado para una función específica del ciclo de vida de la inteligencia artificial.
Dos chips, dos propósitos
El TPU 8t fue diseñado como una potencia de entrenamiento. Su arquitectura está optimizada para los flujos de trabajo de alta demanda computacional, entregando casi tres veces más rendimiento de cómputo que la generación anterior (Google Cloud Blog, 2026). En términos concretos: empaca 9,600 chips en un solo superpod capaz de generar 121 exaflops de cómputo y dos petabytes de memoria compartida. Para los modelos de lenguaje grande de nueva generación, que requieren semanas de entrenamiento con las arquitecturas actuales, esto representa un salto radical en velocidad.
El TPU 8i, por su parte, fue diseñado para inferencia y aprendizaje por refuerzo —el tipo de procesamiento que ocurre cuando un modelo de IA responde consultas en tiempo real o ejecuta cadenas de acciones autónomas. Triplica la memoria SRAM en chip hasta los 384 MB, aumenta la memoria de alto ancho de banda a 288 GB y duplica el ancho de banda de intercomunicación a 19.2 Tb/s (Google Cloud Blog, 2026). El resultado es latencia ultrarraja, crítica para los flujos de trabajo donde los agentes de IA necesitan reaccionar en milisegundos.
El campo de batalla con NVIDIA
Las GPUs de NVIDIA siguen siendo el estándar dominante en la industria. La familia H100 y la recientemente anunciada Blackwell Ultra mantienen una ventaja de ecosistema enorme: la mayoría de los modelos de IA se entrenan con herramientas diseñadas para arquitecturas NVIDIA. Sin embargo, Google tiene una ventaja que ningún fabricante de chips independiente puede replicar: sus propios modelos Gemini se entrenan y operan en sus propios chips, lo que le permite optimizar hardware y software en paralelo, generando eficiencias que ningún cliente externo de NVIDIA puede igualar.
Según las cifras de Google, los nuevos TPUs entregan una mejora del 80% en eficiencia por dólar comparado con la generación anterior, y una mejora de 2.8 veces en la relación precio-rendimiento.
¿Qué significa esto para empresas en América Latina?
Para las organizaciones latinoamericanas que consumen servicios cloud —que según IDC representan un mercado que superará los 20,000 millones de dólares en la región para 2027— esta noticia tiene implicaciones prácticas inmediatas. Mejor infraestructura en los datacenters de Google Cloud significa modelos de IA más rápidos, más económicos y más capaces, a los que acceden vía API.
El verdadero impacto no está en el hardware, sino en lo que ese hardware hace posible: agentes de IA capaces de gestionar procesos complejos de principio a fin, sin intervención humana. Google está construyendo la autopista. Lo que circulará por ella determinará la competitividad de las empresas en los próximos años.
