Players Google apuesta por un chip a la medida de Gemini para dejar de depender de Nvidia
Google desarrolla Frozen v2, un chip que busca multiplicar hasta diez veces la eficiencia de Gemini. La estrategia de especialización de hardware sacude el mercado de infraestructura IA y abre preguntas para América Latina.
Google está desarrollando un nuevo procesador diseñado a la medida de sus modelos Gemini, un movimiento que revela hasta dónde están dispuestas a llegar las grandes tecnológicas para controlar cada capa de la infraestructura de inteligencia artificial. El chip, conocido internamente como "Frozen v2", podría ofrecer entre seis y diez veces más tokens generados por vatio de energía que las actuales TPU de Google, según información publicada por The Information y replicada por varios medios.
La estrategia no es nueva. Google lleva casi una década fabricando sus propias Tensor Processing Units (TPU) para entrenar y ejecutar modelos de IA. Pero Frozen v2 representa un salto cualitativo: en lugar de ser un acelerador genérico que puede ejecutar cualquier modelo, este chip integraría parte de la arquitectura de Gemini directamente en el silicio. Esto significa que ciertas decisiones estructurales del modelo quedarían fijadas en los transistores, reduciendo el número de operaciones necesarias durante la inferencia y, por lo tanto, el consumo energético y la latencia.
La diferencia es sutil pero profunda. Una TPU convencional ejecuta modelos cargados por software, lo que obliga al sistema a mover grandes cantidades de datos y tomar múltiples decisiones durante el procesamiento. Frozen v2 intentaría saltarse parte de ese trabajo. Según detalla Geeknetic, el diseño original, impulsado por Jeff Dean, científico jefe de Google DeepMind, contemplaba incluso fijar los pesos completos de Gemini en el chip. Pero esa opción habría dejado el hardware obsoleto al cambiar el modelo, así que Google optó por una solución intermedia: mantener actualizables los pesos y fijar solo la arquitectura base.
El proyecto responde a una presión concreta. Google Cloud habría llegado a rechazar contratos con clientes por falta de capacidad de cómputo, según reporta Expansión. La escasez de infraestructura para IA es un problema de primer orden, y un chip más eficiente permite atender más consultas sin construir nuevos centros de datos. Además, el anuncio coincide con la ampliación de la alianza entre AMD y Microsoft para que Azure utilice la plataforma Helios de AMD, una señal de que el oligopolio de Nvidia en chips de IA empieza a resquebrajarse.
Para América Latina, esta noticia tiene varias lecturas. La primera es sobre el costo de acceso. Si Google logra reducir drásticamente el costo por inferencia de Gemini, los servicios de IA en la nube podrían volverse más asequibles para empresas latinoamericanas que hoy enfrentan barreras de precio para adoptar modelos generativos. Pero también existe un riesgo de concentración: si los chips se vuelven tan especializados que solo funcionan con los modelos de una compañía, la dependencia de un solo proveedor (Google, en este caso) se vuelve casi absoluta.
La segunda lectura es sobre la soberanía tecnológica. La carrera por los chips de IA está dominada por empresas estadounidenses y asiáticas, y América Latina no tiene aún un rol en la cadena de valor de semiconductores. Mientras Europa debate cómo alcanzar el 20% de la cuota mundial de chips para 2030, según analiza El Español, la región sigue siendo consumidora neta de tecnología. Esto significa que cualquier disrupción en la oferta o aumento de precios afectará directamente a las empresas locales que dependen de la nube para operar sus sistemas de IA.
Lo que está en juego no es solo quién fabrica el chip más rápido, sino quién controla la infraestructura que hará funcionar la próxima generación de aplicaciones de inteligencia artificial. Y por ahora, esa partida se juega muy lejos de América Latina.
