- Alphabet trabaja en una nueva estrategia para optimizar el desempeño de sus chips de IA con PyTorch, el marco de software más usado en el desarrollo de inteligencia artificial. El objetivo es restar terreno al dominio de Nvidia en la computación de IA, según fuentes cercanas al proyecto.
El plan forma parte del impulso de Google para posicionar sus unidades de procesamiento tensorial (TPU) como una alternativa competitiva frente a las GPU de Nvidia.
Las TPU se han convertido en un factor clave de crecimiento para el área de nube de la compañía, que busca mostrar resultados a los inversionistas tras sus fuertes inversiones en IA.
La iniciativa, llamada internamente "TorchTPU", busca hacer que estos chips sean totalmente compatibles con PyTorch, lo que facilitaría su adopción por parte de empresas cuyos sistemas ya operan con este software. Incluso se analiza liberar parte del código como proyecto abierto para acelerar su uso.
A diferencia de esfuerzos anteriores, Google ha asignado más recursos, organización y prioridad estratégica al desarrollo de TorchTPU, mientras aumenta el interés de compañías que quieren migrar hacia las TPU pero encuentran limitaciones en el software actual.
PyTorch, impulsado por Meta, es hoy una de las herramientas más utilizadas para crear modelos de IA y ha estado fuertemente ligada al ecosistema CUDA de Nvidia, considerado por analistas como el mayor respaldo de la empresa frente a sus competidores.
Aunque Google emplea internamente su propio marco, Jax, y optimiza sus chips a través de XLA, esta preferencia técnica ha marcado distancia con lo que piden los clientes.
La falta de compatibilidad directa con PyTorch ha dificultado que las TPU alcancen el mismo nivel de adopción que las GPU de Nvidia, pues migrar implica trabajo técnico costoso y complejo.
La compañía reconoce una creciente demanda de infraestructura tanto para TPU como para GPU, y sostiene que su intención es brindar flexibilidad a los desarrolladores, independientemente del hardware que utilicen.
Google comenzó a abrir el acceso a sus TPU para clientes externos a partir de 2022, lo que ha impulsado la producción y venta de estos chips. Si TorchTPU prospera, el costo de cambiar desde Nvidia podría reducirse notablemente.
Para acelerar el desarrollo, Google colabora con Meta, creadora y responsable de PyTorch. Ambas empresas han discutido acuerdos que incluirían acceso ampliado de Meta a TPU, con la intención de diversificar su infraestructura y reducir costos vinculados al uso de GPU Nvidia.
Además, Google ahora ofrece TPU instaladas directamente en centros de datos de clientes, no solo en su nube. La infraestructura es clave tanto para sus propios productos de IA —como Gemini y las funciones de búsqueda con IA— como para atender a empresas que usan Google Cloud, entre ellas Anthropic.