Publicado el: 2025-11-25
El precio de las acciones de Google subió un 6,28 por ciento a 318,47 USD, respaldado por un renovado optimismo en torno a la estrategia de infraestructura de inteligencia artificial de Alphabet y la decisión de la compañía de comercializar sus unidades de procesamiento Tensor.
El precio de las acciones de Nvidia subió un 2,05 por ciento a 182,55 dólares durante la sesión, pero cayó un 1,50 por ciento a 179,81 dólares en las operaciones posteriores al cierre del mercado.
El fuerte aumento del precio de las acciones de Google refleja un cambio en el sentimiento de los inversores a medida que los mercados reevalúan el posicionamiento competitivo de Alphabet dentro del ecosistema global de hardware de IA.
Google creó la Unidad de Procesamiento Tensorial (TPU) como un circuito integrado específico para cada aplicación, diseñado para operaciones de aprendizaje automático y modelos basados en datos. El hardware se centra en cálculos matriciales y tensoriales que impulsan las cargas de trabajo de aprendizaje profundo. Las primeras generaciones de TPU se crearon para uso interno de Google y se pusieron a disposición de los clientes únicamente a través de los servicios de Google Cloud.
Al prepararse para vender TPU a clientes externos, Google está cambiando de una estrategia de optimización interna a un negocio de hardware totalmente comercial. Esta decisión abre la posibilidad de competir directamente con las GPU de propósito general que dominan el mercado actual.
Tanto las TPU como las GPU aceleran la inteligencia artificial, pero su rendimiento es diferente. Las GPU son muy flexibles y admiten un amplio ecosistema de bibliotecas y frameworks. Las TPU se especializan en operaciones tensoriales y suelen demostrar una eficiencia superior para ciertas tareas de entrenamiento e inferencia.
| Característica | TPU | GPU |
|---|---|---|
| Propósito principal | Cálculos de tensores y matrices para el aprendizaje automático | Representación de gráficos y tareas de computación generales |
| Arquitectura | ASIC diseñado para operaciones de aprendizaje profundo | Procesador paralelo de múltiples núcleos para cargas de trabajo amplias |
| Puntos fuertes típicos | Alto rendimiento para entrenamiento e inferencia de redes neuronales | Versatilidad, amplio soporte de software, gran rendimiento para diversas tareas. |
| Usuarios ideales | Empresas con modelos de IA a gran escala y cargas de trabajo tensoriales consistentes | Usuarios que requieren flexibilidad y amplia compatibilidad de marcos |
| Líderes del mercado | Nvidia y AMD |
Las empresas pueden optar por TPU para cargas de trabajo grandes y predecibles que se benefician de un alto rendimiento y costos potencialmente más bajos a largo plazo. Las GPU siguen siendo la opción preferida para desarrolladores que necesitan una amplia compatibilidad y para organizaciones que ejecutan diversos tipos de modelos.
Los informes sugieren que Meta podría alquilar capacidad de TPU a partir de 2026 y comprar grandes cantidades a partir de 2027. Meta opera algunos de los sistemas de IA más grandes del mundo, incluyendo algoritmos de recomendación y modelos de lenguaje complejos. Estas cargas de trabajo requieren acceso constante a una inmensa capacidad de cómputo.
El interés de Meta en las TPU se centra en tres objetivos estratégicos:
Meta quiere diversificar su base de proveedores y reducir la dependencia de un único proveedor de GPU.
Meta busca asegurar precios competitivos para grandes clústeres de entrenamiento y tareas de inferencia de gran volumen.
Meta tiene como objetivo evaluar si el rendimiento de TPU se alinea de manera más eficiente con cargas de trabajo específicas con gran cantidad de tensores dentro de su infraestructura.
Una estrategia informática diversificada ayuda a las grandes empresas tecnológicas a gestionar los costos, el rendimiento, el riesgo de adquisiciones y la planificación a largo plazo.
La participación de Nvidia en el mercado de centros de datos de IA sigue siendo muy sólida. Sin embargo, la introducción de TPU disponibles comercialmente representa una alternativa real para hiperescaladores y grandes empresas.
Los inversores ya han reaccionado a los informes sobre el cambio de estrategia de Google porque incluso un pequeño cambio en los patrones de adquisición puede influir en las expectativas de ingresos de los proveedores de GPU existentes.
Los efectos potenciales incluyen:
Nvidia podría reducir su poder de fijación de precios si los principales clientes obtienen alternativas viables.
Estrategias de hardware más equilibradas dentro de los proveedores de nube globales.
Un mayor enfoque en la portabilidad del software que permite que los modelos cambien entre aceleradores de IA.
Mayor competencia en el desarrollo de silicio para IA que puede acelerar la innovación.
Si bien las GPU seguirán siendo fundamentales para la industria de la IA, las TPU podrían reclamar una parte significativa de las cargas de trabajo que se adapten a su arquitectura.
Broadcom colabora desde hace tiempo con Google en el diseño de las TPU. Si Google inicia ventas a gran escala a clientes externos, Broadcom se beneficiará de una mayor demanda de servicios de diseño y fabricación.
La colaboración fortalece la posición de Broadcom en silicio personalizado de alto valor y amplía el mercado direccionable para sus servicios de semiconductores.
Los participantes del mercado han visto este desarrollo con buenos ojos porque mejora el papel de Broadcom en la infraestructura de IA de próxima generación.
Las empresas que adoptan TPU en sus propias instalaciones obtienen un nuevo conjunto de opciones estratégicas. Pueden ejecutar cargas de trabajo tensoriales de alto rendimiento localmente mientras continúan usando servicios en la nube para tareas variables o de corta duración. Este tipo de implementación híbrida puede ofrecer ventajas mensurables.
Los beneficios potenciales incluyen:
Mayor control sobre la latencia y el rendimiento de los modelos críticos.
Gobernanza de datos mejorada para organizaciones que prefieren mantener la información confidencial en el sitio.
Costos computacionales reducidos a largo plazo para cargas de trabajo predecibles.
Combinaciones de TPU, GPU y ASIC especializados adaptados a cada aplicación.
Esta flexibilidad puede alentar a más organizaciones a explorar arquitecturas de múltiples chips en lugar de depender de una sola clase de aceleradores.
Si Google avanza con el lanzamiento comercial completo de TPU, la competencia en la computación de IA se intensificará. Los hiperescaladores, los proveedores de nube y las grandes empresas globales podrían buscar maneras de reducir la concentración de proveedores e incorporar múltiples clases de silicio especializado.
Los efectos a largo plazo podrían incluir:
Crecimiento en el diseño de chips personalizados en las principales plataformas.
Ecosistemas de hardware ampliados en torno a las TPU de Google.
Nuevos marcos de compatibilidad cruzada que permiten que los modelos se ejecuten en aceleradores mixtos.
Mayor poder de negociación para los grandes clientes a la hora de negociar futuras adquisiciones.
El resultado general podría ser un mercado más saludable y competitivo para el hardware de IA.
El precio de las acciones de Google está subiendo debido al optimismo de los inversores sobre la decisión de Alphabet de comercializar TPU. Esta decisión amplía su estrategia de hardware de IA, diversifica el potencial de ingresos e intensifica la presión competitiva sobre los proveedores de GPU con amplia experiencia.
Las TPU no reemplazarán a las GPU, pero podrían reducir el poder de fijación de precios de Nvidia si los grandes clientes adoptan una estrategia de aceleración más diversificada. Esto podría redefinir gradualmente la dinámica competitiva en el hardware de IA.
La posible adopción de Meta es importante porque los principales hiperescaladores influyen en los estándares de hardware a nivel mundial. Incluso una migración parcial a TPU podría animar a otras empresas a explorar alternativas sin GPU.
Las TPU son muy eficientes para el entrenamiento e inferencia de modelos de lenguaje extensos, pero las GPU ofrecen mayor versatilidad. La mayoría de las empresas adoptarán estrategias híbridas o con múltiples aceleradores.
Aviso legal: Este material es solo para fines informativos generales y no pretende ser (ni debe considerarse) asesoramiento financiero, de inversión ni de ningún otro tipo en el que se deba confiar. Ninguna opinión expresada en este material constituye una recomendación por parte de EBC o del autor sobre la idoneidad de una inversión, valor, transacción o estrategia de inversión en particular para una persona específica.
