Tesla y SpaceX apuestan por Intel 14A para fabricar chips de IA en Terafab

Elon Musk aseguró que Terafab planea usar el proceso 14A de Intel para fabricar chips de IA, en una estrategia que repartiría funciones entre Tesla, encargada de una planta piloto de investigación, y SpaceX, responsable de una futura fábrica de alto volumen. El anuncio, todavía sin detalles cerrados sobre licencias, financiación y ejecución, podría dar a Intel su primer gran cliente externo para uno de sus nodos más avanzados.

***

• Musk dijo que Terafab planea usar el proceso 14A de Intel cuando el proyecto entre en escala más adelante.

• Tesla construiría una línea piloto de I+D en Texas valorada en USD $3.000 millones, mientras SpaceX asumiría la producción masiva.

• El posible acuerdo pondría a prueba la capacidad de Intel para atraer clientes externos y competir mejor frente a TSMC.

🚀💻 Tesla y SpaceX planean usar la tecnología de fabricación 14A de Intel para chips de IA en Terafab.

Musk anunció una inversión de USD $3,000 millones en una planta piloto en Texas.

SpaceX se encargará de la producción masiva, marcando un gran paso para Intel al atraer su… pic.twitter.com/TizMA8T3Gm

— Diario฿itcoin (@DiarioBitcoin) April 23, 2026

Las empresas de Elon Musk se preparan para construir chips de IA para su megaproyecto en Texas.

Elon Musk dijo que Terafab planea utilizar la tecnología de fabricación 14A de Intel para producir chips de inteligencia artificial (IA) cuando el proyecto tenga su propia capacidad de producción más adelante esta década. La definición es relevante porque vincula a uno de los planes industriales más ambiciosos de Musk con uno de los nodos más avanzados en la hoja de ruta de Intel Foundry.

Según lo expuesto por Musk, Tesla se encargaría de construir y operar una línea piloto de producción, mientras que SpaceX asumiría la responsabilidad de la fabricación de chips a gran escala. Aunque el empresario no habló expresamente de un licenciamiento formal, el esquema sugiere una relación en la que Intel aportaría su proceso 14A y Terafab lo integraría en instalaciones propias.

Para lectores menos familiarizados con el sector, un nodo como 14A representa una generación de manufactura de semiconductores de vanguardia. En la práctica, estos avances buscan mejorar el rendimiento por vatio y elevar la densidad y eficiencia de los chips, un punto crítico para cargas de trabajo de IA, robótica, vehículos autónomos e infraestructura de centros de datos.

La iniciativa también aparece en un momento sensible para Intel. La compañía intenta ampliar su negocio de fundición para terceros, un terreno dominado por TSMC, y necesita clientes externos para justificar la inversión asociada a nodos avanzados y a herramientas de litografía cada vez más costosas.

Terafab apunta a Intel 14A como base tecnológica

Durante la llamada de resultados de Tesla con analistas e inversionistas, Musk afirmó que “planeamos usar el proceso 14A de Intel, que es de última generación y, de hecho, aún no está totalmente completo”. Añadió que, para el momento en que Terafab escale, 14A probablemente estará “bastante maduro o listo para su mejor momento”.

El ejecutivo sostuvo además que “14A parece ser el movimiento correcto” y destacó la relación de trabajo con Intel. En sus comentarios dijo que existe una gran relación con la empresa y expresó respeto por el CEO, el CTO y el nuevo equipo directivo de la compañía.

La información publicada por Tom’s Hardware interpreta esas declaraciones como un indicio de que Musk busca usar la tecnología 14A de Intel en Terafab, posiblemente a través de una licencia de proceso e integración en una fábrica operada por el propio proyecto. Sin embargo, los detalles concretos del papel de Intel todavía no están definidos públicamente.

Ese matiz no es menor. Licenciar un nodo avanzado no equivale a copiar una receta industrial de forma inmediata. También implica trasladar procesos, ajustar herramientas, calibrar materiales y elevar rendimientos, una tarea especialmente compleja en tecnologías modernas de clase angstrom.

Tesla haría la planta piloto y SpaceX llevaría el volumen

A corto plazo, Musk dijo que Tesla planea construir una instalación de investigación de semiconductores en el campus de Gigafactory Texas. El proyecto tendría un costo estimado de USD $3.000 millones y contaría con capacidad para procesar unos pocos miles de obleas por mes.

La función de esa fábrica no sería producir grandes volúmenes de chips comerciales desde el inicio. Su propósito, según explicó Musk, sería probar nuevas ideas sobre la manufactura de semiconductores, validar principios físicos y medir si esas mejoras pueden sostenerse en un entorno cercano al de producción.

El propio Musk remarcó que, por lo que se sabe hasta ahora, el nodo 14A tendría poco que ver con la línea piloto en Texas. La instalación serviría más bien como plataforma de I+D y verificación industrial temprana, antes de pasar a un despliegue mucho más amplio.

Para escalar más allá de esa fase inicial, SpaceX sería la empresa encargada de construir una instalación real de fabricación de alto volumen. Musk resumió la división de funciones al afirmar que Tesla haría la fábrica de investigación y SpaceX la parte inicial de la TeraFab a gran escala, mientras el resto del esquema aún debe resolverse.

Ese modelo añade complejidad corporativa. La coordinación entre Tesla y SpaceX requeriría aprobación de los consejos de administración de ambas compañías y revisiones de conflicto de interés, factores que podrían ralentizar el proyecto incluso si la visión técnica ya está bastante avanzada.

Un reto industrial enorme para Intel, Tesla y SpaceX

Licenciar una tecnología de proceso puede ser una forma más rápida de conseguir un nodo competitivo. Diseñar uno desde cero puede tomar cerca de una década, por lo que, si Terafab busca entrar en producción dentro de esta década, apoyarse en Intel reduciríaparte del tiempo y del riesgo tecnológico inicial.

Para Intel, en cambio, el atractivo es evidente. Un acuerdo de este tipo podría significar ingresos adicionales y, sobre todo, validación comercial para 14A. De acuerdo con la información recogida por TechWire Asia a partir de reportes de Reuters y comentarios de Musk, este sería el primer gran cliente externo identificado para dicho proceso.

Intel no comentó públicamente las declaraciones de Musk. Aun así, el mercado leyó el anuncio como una señal favorable: las acciones de Intel subieron 3,6% en operaciones extendidas, mientras que la acción de Tesla mostró un movimiento levemente negativo fuera de horario, incluso cuando la empresa elevó sus planes de gasto de capital vinculados a proyectos futuros.

En el trasfondo está la competencia directa con TSMC. En el cuarto trimestre de 2025, TSMC reportó ingresos por fundición de USD $33.700 millones, frente a USD $4.500 millones de Intel Foundry, según estimaciones de la industria citadas por la segunda fuente. Hoy, Intel todavía depende en gran medida de la demanda interna de productos propios, como procesadores Xeon, y mantiene una base de clientes externos limitada.

El CEO de TSMC, C. C. Wei, llegó a describir a Intel como un “competidor formidable” en el mercado de fundición. Sin embargo, la distancia entre ambos sigue siendo amplia y se da en un segmento donde solo Intel, TSMC y Samsung cuentan con capacidad para fabricar chips lógicos avanzados de frontera.

Qué hace diferente al nodo 14A

El proceso 14A forma parte de la hoja de ruta angstrom de Intel y se ubica después de 18A. La tecnología se apoya en RibbonFET, una arquitectura de transistores gate-all-around, y amplía el suministro de energía por la cara trasera de la oblea con tecnología derivada de PowerVia, orientada a mejorar la eficiencia del enrutamiento.

Intel está aumentando actualmente la producción con 18A en instalaciones de Arizona mientras prepara la transición hacia nodos futuros como 14A. Uno de los elementos más relevantes de ese salto es la incorporación prevista de herramientas de litografía EUV High-NA de ASML, que ofrecen mayor resolución que los sistemas EUV actuales.

El problema es el costo. Cada sistema EUV High-NA tendría un precio estimado cercano a USD $380 millones, frente a unos USD $235 millones para las herramientas EUV de la generación previa. Eso eleva el costo de producción por oblea y refuerza la necesidad de asegurar clientes externos capaces de sostener el desarrollo y la operación del nodo.

Intel ha señalado que 14A debería ofrecer mejoras en rendimiento por vatio frente a 18A, además de reducir el consumo energético. En un contexto de IA, donde la eficiencia energética define tanto los márgenes como la capacidad de expansión de centros de datos, esa promesa tecnológica puede resultar tan importante como la miniaturización misma.

Escala, antecedentes y dudas pendientes

El proyecto Terafab apunta a fabricar procesadores para vehículos autónomos, robótica humanoide y sistemas de centros de datos. Musk también ha esbozado dos instalaciones dentro del complejo, una enfocada en chips para vehículos y robótica, y otra destinada a infraestructura de centros de datos espaciales.

Entre los aspectos no revelados siguen figurando los acuerdos de financiación, el suministro de equipos y el calendario de despliegue. Musk ha dicho que la instalación podría producir eventualmente un teravatio de capacidad de cómputo al año, frente a aproximadamente medio teravatio estimado hoy en Estados Unidos. En este caso, esa medida se refiere a capacidad total de procesamiento y no a potencia eléctrica de salida.

La magnitud económica sería enorme. Las fábricas de semiconductores de vanguardia suelen costar entre USD $20.000 millones y USD $30.000 millones cada una, según la segunda fuente. Analistas de Bernstein han estimado que construir capacidad a la escala evocada por Musk requeriría entre USD $5 billones y USD $13 billones en gasto de capital.

También existen precedentes que invitan a la cautela. GlobalFoundries licenció tecnologías de proceso de clase 14 nanómetros de Samsung en 2014 y 2015, luego de no completar a tiempo su propio nodo 14nm XM. Aunque hubo rumores sobre producción de algunos Exynos, los primeros productos de alto volumen claramente atribuibles a GF, las GPU Radeon RX serie 400 “Polaris” de AMD, no llegaron sino hasta 2016.

Ese episodio alimentó dudas sobre la capacidad de integrar plenamente el nodo y maximizar los rendimientos. Otro ejemplo más reciente es Rapidus, que licenció la tecnología de 2 nanómetros de IBM para sus fábricas. En ambos casos, la lección es la misma: incluso con acceso a una tecnología avanzada, trasladarla a otra instalación y llevarla a escala comercial sigue siendo un desafío extraordinario.

Analistas de la industria consideran que, aun con un cronograma incierto, tener un cliente real ya es una señal relevante para Intel. Ben Bajarin, de Creative Strategies, dijo que los socios tempranos ayudan a perfeccionar procesos de vanguardia. Jay Goldberg, de Seaport Research Partners, sostuvo que contar con un cliente es más importante que el calendario y que incluso abastecer las operaciones actuales de Tesla podría implicar volúmenes significativos, aunque no equivalentes a los de Apple o Nvidia.

Imagen original de , creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

Tesla admite que millones de autos requerirán nuevas piezas para la promesa de Full Self-Driving

Tesla reconoció que millones de vehículos vendidos con Hardware 3 no podrán ejecutar una futura versión de Full Self-Driving sin supervisión humana, un giro que contradice años de promesas de la empresa y que podría abrir tensiones legales con clientes.***

• Elon Musk dijo que los autos con Hardware 3 necesitarán una nueva computadora y nuevas cámaras.

• Tesla vendió vehículos con ese sistema entre 2019 y 2023, mientras sostenía que bastaría una actualización de software.

• La empresa estudia crear “microfábricas” en grandes áreas metropolitanas para acelerar los reemplazos.

🚨 Tesla admite que millones de autos con Hardware 3 necesitarán nuevas piezas para Full Self-Driving.

Elon Musk confirma que estos vehículos requerirán una nueva computadora y cámaras.

Esta revelación contradice promesas anteriores de que una simple actualización de… pic.twitter.com/AMkPnncY8q

— Diario฿itcoin (@DiarioBitcoin) April 23, 2026

Tesla reconoció un cambio de fondo en una de sus promesas más controvertidas. Elon Musk afirmó durante la llamada de resultados trimestrales de la compañía que millones de propietarios necesitarán actualizaciones de hardware para poder ejecutar una futura versión de Full Self-Driving, o FSD, que no requiera supervisión humana.

La admisión es relevante porque durante años Tesla sostuvo que muchos de esos vehículos estaban a una actualización de software de poder conducir por sí solos. Ahora, esa narrativa cambia para una base importante de autos equipados con Hardware 3, también conocido como HW3.

Según explicó Musk, esos vehículos requerirán una nueva computadora y también nuevas cámaras. La declaración llega después de años de preguntas por parte de usuarios que querían una respuesta clara sobre si sus autos podrían soportar una versión más avanzada del sistema.

El punto central es que Tesla aún no ha lanzado ni demostrado una versión de FSD sin supervisión humana que cumpla esa meta en la práctica. Aun así, la empresa ya acepta que el hardware vendido durante varios años no tiene la capacidad necesaria para alcanzar ese objetivo.

Qué dijo Musk sobre Hardware 3

Durante la llamada, Musk señaló de forma directa que “Hardware 3 simplemente no tiene la capacidad para lograr FSD sin supervisión”. Esa frase despeja una duda que la empresa había evitado responder con total claridad frente a clientes e inversionistas.

El ejecutivo detalló que la solución no será menor. Los autos con HW3 necesitarán una nueva computadora y nuevas cámaras, lo que convierte el proceso en una intervención física amplia, no en un ajuste remoto ni en una simple descarga de software.

Musk también advirtió que el despliegue será complejo desde el punto de vista operativo. Dijo que si el trabajo se realiza solo en centros de servicio, el proceso sería extremadamente lento e ineficiente para el volumen de vehículos que tendrían que pasar por esa conversión.

Por eso Tesla estudia construir “microfábricas” en “áreas metropolitanas importantes”. La idea, según explicó, sería crear muchas líneas de producción para ejecutar los cambios sin desbordar la red de servicio actual de la empresa.

La frase de Musk fue explícita al describir la dificultad logística: hacerlo solo en centros de servicio sería “extremadamente lento” e “ineficiente”. En su visión, la compañía necesita una infraestructura más cercana a una operación industrial de retrofits que a una campaña normal de mantenimiento.

Los años de promesas y el cambio de postura

El reconocimiento de Tesla tiene peso porque la empresa vendió vehículos con Hardware 3 entre 2019 y 2023. Durante ese período, muchos compradores entendieron que sus autos contaban con el equipo necesario para recibir futuras mejoras y aproximarse a una conducción totalmente autónoma.

De acuerdo con la información publicada por TechCrunch, los propietarios de Tesla con HW3 llevaban años presionando a la empresa y a Musk para obtener una respuesta directa sobre si esos autos podrían ejecutar la versión avanzada de FSD. La respuesta definitiva tardó demasiado en llegar.

Musk había admitido esa realidad por primera vez en enero de 2025. En ese momento dijo que la respuesta honesta era que Tesla tendría que actualizar la computadora de Hardware 3 de las personas que hubieran comprado Full Self-Driving, y reconoció que sería algo doloroso y difícil.

Sin embargo, el mensaje corporativo no se mantuvo uniforme. Hace apenas seis meses, en octubre de 2025, el director financiero de Tesla, Vaibhav Taneja, había dicho que la empresa todavía no había renunciado completamente a HW3.

Esa diferencia entre declaraciones alimenta la percepción de que Tesla intentó mantener abierta una posibilidad técnica que hoy ya luce descartada para el objetivo más ambicioso. El contraste entre ambos mensajes podría ser importante en cualquier reclamo de clientes.

Implicaciones para clientes y posibles riesgos legales

El cambio podría exponer a Tesla a desafíos legales por parte de compradores que adquirieron sus autos bajo la expectativa de que el hardware instalado era suficiente. La tensión surge porque la promesa comercial giraba en torno a una capacidad futura, no a un sistema plenamente operativo en el momento de la compra.

Para muchos usuarios, la diferencia es crucial. Si un cliente pagó por Full Self-Driving o compró el vehículo creyendo que estaba listo para una futura autonomía real, la necesidad de reemplazar componentes esenciales cambia el valor percibido de esa compra.

La situación también reabre un debate más amplio sobre la forma en que se comercializan sistemas avanzados de asistencia al conductor. En la industria automotriz, estos paquetes suelen evolucionar por software, pero dependen de límites físicos claros en sensores, cámaras, cómputo y diseño general del vehículo.

En este caso, Tesla no solo enfrenta preguntas técnicas. También enfrenta preguntas de confianza. La distancia entre la narrativa de que bastaría una actualización de software y la realidad de reemplazar computadora y cámaras puede convertirse en un punto sensible para su relación con clientes leales.

Aunque Musk dijo en 2025 que Tesla haría ese cambio pese a que sería difícil, no detalló en esta ocasión cómo se financiará el proceso ni bajo qué condiciones exactas se aplicarán las actualizaciones para todos los propietarios potencialmente afectados.

Tesla mantendrá mejoras parciales, pero no la meta final

Tesla señaló el miércoles que todavía lanzará versiones ligeramente más avanzadas del software actual de Full Self-Driving para los propietarios de Hardware 3. Es decir, esos usuarios seguirán recibiendo mejoras sobre la base tecnológica que ya tienen instalada.

Sin embargo, Musk fue tajante al separar esas mejoras incrementales de la meta superior. El problema no es que HW3 no pueda mejorar en absoluto, sino que no puede soportar la versión futura de FSD que opere sin supervisión humana.

Esa distinción importa porque evita una lectura binaria del tema. Tesla no está diciendo que los autos con HW3 quedarán congelados de inmediato. Está diciendo que existe un techo técnico que impide llegar al nivel de autonomía que durante años fue promovido como horizonte del producto.

Para observadores del sector tecnológico y automotor, el caso muestra un patrón frecuente en mercados de innovación acelerada. Las compañías anuncian hojas de ruta ambiciosas, pero la evolución real del hardware termina imponiendo restricciones que el software, por sí solo, no puede superar.

En el caso de Tesla, la atención ahora pasa del marketing y la expectativa al terreno de la ejecución. Si la empresa efectivamente debe actualizar millones de vehículos, el desafío no solo será técnico, sino también logístico, financiero y reputacional.

Un giro clave para la narrativa de autonomía de Tesla

La admisión de Musk marca un punto de inflexión en la historia reciente del proyecto Full Self-Driving. Tesla ha sido una de las empresas más agresivas al vender la idea de que sus vehículos se acercan progresivamente a una autonomía total mediante actualizaciones continuas.

Pero la declaración del miércoles deja claro que, al menos para una generación entera de vehículos vendidos entre 2019 y 2023, esa evolución no llegará sin intervención física importante. La conducción autónoma prometida no depende únicamente de nuevas líneas de código.

También revela una tensión habitual en la industria tecnológica: vender el futuro antes de que el producto esté listo. Cuando la expectativa se instala por años y luego requiere revisiones mayores, el costo reputacional puede ser tan relevante como el costo operativo.

Por ahora, Tesla sostiene que seguirá mejorando la experiencia de HW3, pero reconoce que el verdadero FSD sin supervisión exigirá una plataforma distinta. Para millones de propietarios, esa respuesta llega tarde, y redefine lo que realmente compraron cuando apostaron por la visión de Musk.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

Google Cloud lanza TPU 8t y 8i, nuevos chips para competir y desafiar el dominio de Nvidia en la IA

Google Cloud presentó dos nuevos chips de inteligencia artificial, TPU 8t y TPU 8i, con los que busca mejorar el entrenamiento y la inferencia de modelos a menor costo y consumo energético. Aunque el movimiento refuerza su apuesta por infraestructura propia, la compañía dejó claro que no rompe con Nvidia y que incluso seguirá ampliando su oferta basada en los procesadores del fabricante.***

• Google Cloud separó su octava generación de TPU en dos chips, uno para entrenamiento y otro para inferencia.

• La empresa asegura hasta 3 veces más velocidad de entrenamiento, 80% mejor rendimiento por dólar y clústeres de más de 1 millón de TPU.

• Pese al avance, Google mantendrá su colaboración con Nvidia y ofrecerá este año el chip Vera Rubin en su nube.

🚀🖥️ Google Cloud lanza sus nuevos chips de IA: TPU 8t y TPU 8i.

Prometen hasta 3 veces más velocidad en entrenamiento y 80% mejor rendimiento por dólar.

La compañía mantiene su colaboración con Nvidia y seguirá ofreciendo su chip Vera Rubin.

Esta estrategia refuerza la… pic.twitter.com/bnogJjG052

— Diario฿itcoin (@DiarioBitcoin) April 23, 2026

Google Cloud anunció el lanzamiento de dos nuevos chips de inteligencia artificial diseñados a medida, en un movimiento que refuerza la competencia entre los grandes proveedores de nube por controlar la infraestructura detrás del auge de la IA. La compañía dividió su octava generación de unidades de procesamiento tensorial, o TPU, en dos productos distintos: TPU 8t, centrado en el entrenamiento de modelos, y TPU 8i, orientado a tareas de inferencia.

La decisión refleja una tendencia cada vez más visible en el sector. A medida que los modelos de IA crecen en tamaño, costo y uso comercial, las empresas tecnológicas buscan hardware específico para distintas etapas del ciclo operativo. El entrenamiento exige grandes volúmenes de cómputo para desarrollar un modelo, mientras que la inferencia se refiere a su uso cotidiano una vez que los usuarios envían instrucciones o consultas.

Según detalló TechCrunch, Google destacó mejoras de desempeño significativas frente a generaciones previas de sus propios chips. Entre ellas, la empresa afirmó que sus nuevas TPU pueden acelerar el entrenamiento de modelos de IA hasta 3 veces, mejorar en 80% el rendimiento por dólar y permitir que más de 1 millón de TPU operen juntas dentro de un mismo clúster.

En términos prácticos, la promesa de Google es ofrecer más capacidad de cómputo con menor consumo energético y menores costos para sus clientes. Ese punto es clave en una industria donde el precio de entrenar y operar modelos avanzados se ha convertido en un factor decisivo para empresas, startups y desarrolladores que dependen de la nube para escalar servicios de IA.

Google acelera su apuesta por chips propios

El anuncio también confirma que Google sigue profundizando una estrategia que lleva años desarrollando. La compañía utiliza el nombre TPU en lugar de GPU porque su familia de chips personalizados nació con un enfoque específico en operaciones tensoriales, esenciales para muchas cargas de trabajo de aprendizaje automático. Desde sus primeras versiones, Google ha buscado construir aceleradores más eficientes que los procesadores generalistas usados tradicionalmente en centros de datos.

Para lectores menos familiarizados con esta carrera tecnológica, las TPU son procesadores especializados en tareas de inteligencia artificial. Su función es optimizar cálculos matemáticos repetitivos, algo central en el entrenamiento y la ejecución de modelos generativos, sistemas de recomendación, asistentes conversacionales y otras aplicaciones avanzadas de software.

El detalle de separar la octava generación en dos modelos distintos sugiere una maduración del mercado. En lugar de apostar por un único chip para todo tipo de tareas, Google reconoce que entrenamiento e inferencia tienen necesidades técnicas y económicas diferentes. Esa especialización puede traducirse en mejor uso de recursos dentro de su nube y en ofertas más específicas para clientes empresariales.

Aun así, el movimiento no implica un reemplazo total de Nvidia. El propio reporte indica que Google no está planteando, al menos por ahora, una ofensiva frontal para sustituir completamente al líder del mercado. Más bien, la empresa busca complementar su infraestructura basada en chips externos con hardware propio, una estrategia que también han seguido otros gigantes como Microsoft y Amazon.

La competencia con Nvidia sigue, pero la dependencia no desaparece

El auge de la IA ha convertido a Nvidia en uno de los mayores ganadores del ciclo tecnológico actual. Sus GPU dominan buena parte del mercado de entrenamiento y despliegue de modelos avanzados, y su posición ha sido tan fuerte que muchos analistas consideran arriesgado apostar en contra de la empresa, incluso cuando sus grandes clientes empiezan a desarrollar silicio propio.

En ese contexto, la apuesta de Google parece más táctica que rupturista. La compañía confirmó que su nube ofrecerá más adelante este año el chip más reciente de Nvidia, Vera Rubin. Es decir, Google quiere impulsar sus propias TPU, pero al mismo tiempo mantener una oferta atractiva para clientes que ya construyeron sus sistemas alrededor del ecosistema de Nvidia.

Ese equilibrio responde a una realidad comercial. Muchas empresas entrenan o ejecutan modelos sobre herramientas, bibliotecas y arquitecturas optimizadas para GPU de Nvidia. Migrar grandes flujos de trabajo a otro tipo de chip no siempre resulta sencillo ni barato. Por eso, los hiperescaladores necesitan ampliar opciones sin forzar una transición brusca en su base de usuarios.

También existe una lectura estratégica de largo plazo. Si Google, Amazon y Microsoft logran que más cargas de trabajo de IA se adapten a chips diseñados por ellos mismos, la dependencia de Nvidia podría reducirse con el tiempo. Pero ese escenario aún no se consolida, y por ahora el dominio del fabricante sigue siendo amplio tanto en percepción de mercado como en escala comercial.

La historia recoge además un comentario del analista Patrick Moore, quien recordó en tono de broma que en 2016 había anticipado que las TPU de Google podrían representar malas noticias para Nvidia e Intel. La evolución posterior no respaldó esa proyección. Nvidia se convirtió desde entonces en una empresa con una capitalización bursátil cercana a USD $5 billones, una cifra que resume el tamaño de su ventaja actual.

Cooperación tecnológica en plena rivalidad

Uno de los aspectos más relevantes del anuncio es que la relación entre Google y Nvidia no se limita a la competencia. Ambas empresas también colaboran para mejorar el funcionamiento de sistemas basados en Nvidia dentro de la infraestructura de Google Cloud. Esa cooperación revela hasta qué punto la carrera por la IA mezcla rivalidad comercial con alianzas técnicas.

En particular, Google informó que trabaja con Nvidia en el diseño de redes informáticas que permitan una mayor eficiencia para estos sistemas dentro de su nube. El objetivo es optimizar la forma en que se comunican grandes volúmenes de chips y servidores, un elemento crítico cuando los modelos requieren distribuir tareas entre miles o incluso cientos de miles de aceleradores.

Dentro de ese frente aparece Falcon, una tecnología de redes basada en software creada por Google y liberada como código abierto en 2023 bajo el paraguas del Open Compute Project. Reforzar Falcon junto con Nvidia apunta a resolver uno de los grandes cuellos de botella de la computación de IA a escala: el movimiento rápido y eficiente de datos entre nodos de procesamiento.

Este punto suele recibir menos atención pública que el número de chips o la potencia bruta, pero es decisivo para el rendimiento real en centros de datos. Un clúster puede tener aceleradores muy potentes, pero si la red no acompaña, el sistema pierde eficiencia. Por eso, la infraestructura de IA se define no solo por los procesadores, sino también por interconexiones, software y diseño de red.

Qué implica para el mercado de nube e IA

El lanzamiento de TPU 8t y TPU 8i confirma que la batalla por la IA ya no se libra solo en modelos y aplicaciones, sino en la capa más profunda de la infraestructura. Quien controle el hardware, la red y la plataforma de despliegue tendrá ventajas en costos, márgenes y capacidad de atraer clientes. En ese tablero, Google quiere ser más que un proveedor de servicios y posicionarse como un constructor integral del stack tecnológico.

Para empresas vinculadas al ecosistema cripto y blockchain, esta evolución también resulta relevante. Muchas plataformas, exchanges, laboratorios de análisis on-chain y compañías de ciberseguridad están incorporando herramientas de IA que dependen de infraestructura de nube. Menores costos por inferencia o entrenamiento pueden abrir espacio para productos más complejos y uso más intensivo de automatización.

Al mismo tiempo, el anuncio deja una lectura prudente para inversores y observadores del mercado. Aunque los hiperescaladores avanzan con chips propios, Nvidia sigue ocupando una posición central. El mensaje de Google no es el de una ruptura inmediata, sino el de una diversificación gradual de su arquitectura para IA, combinando desarrollo interno con colaboración externa.

Eso convierte a TPU 8t y TPU 8i en una señal importante, aunque no definitiva, de hacia dónde se mueve el sector. Google busca más control sobre costos, eficiencia y escala en su nube, pero todavía dentro de un ecosistema donde Nvidia conserva una influencia enorme. La verdadera disputa no parece estar en expulsar al líder de un día para otro, sino en capturar una porción mayor del valor generado por la nueva economía de la inteligencia artificial.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.