El Motor de IA Infinito de Google

La industria de la IA se hace eco con frecuencia de un lamento unificado: las limitaciones de cómputo. Laboratorios como OpenAI y Anthropic destacan constantemente la escasez de potencia de procesamiento, presentándola como el principal cuello de botella para los avances innovadores. Sin embargo, Google opera en un universo aparentemente paralelo, no solo impulsando sus propios modelos fundacionales masivos, sino también extendiendo su vasta infraestructura a sus competidores más feroces. Esta sorprendente dicotomía crea una paradoja central: ¿cómo mantiene Google tal abundancia de cómputo y por qué elige monetizar este recurso crítico en lugar de acapararlo?

La posición de Google no es un accidente, sino la culminación de una visión estratégica a largo plazo. Durante más de una década, la compañía ha invertido fuertemente en sus propias Tensor Processing Units (TPUs), desarrollando su propio silicio durante 11 o 12 años. Este enfoque profundo y verticalmente integrado, que posee la pila completa desde los chips personalizados hasta los centros de datos, proporciona una ventaja distintiva. Google anticipó las inmensas demandas de cómputo de la era de la IA con años de antelación, llevando a cabo una planificación exhaustiva.

Esta previsión incluyó la diversificación de las fuentes de energía, la adquisición de bienes raíces cruciales para los centros de datos y la transformación de su estrategia de construcción, pasando de la edificación tradicional a procesos de fabricación más eficientes. Estos esfuerzos redujeron drásticamente el tiempo de ciclo para el despliegue de máquinas, estableciendo una infraestructura robusta y escalable. El CEO de Google Cloud, Thomas Kurian, confirma la abrumadora demanda de esta capacidad. "Tenemos más demanda de la que podemos satisfacer de todos los demás laboratorios de IA", afirma Kurian, destacando el papel único de Google como desarrollador líder de IA y proveedor crítico de infraestructura. Esta elección estratégica permite a Google generar continuamente el flujo de caja necesario para financiar sus ambiciosos proyectos de IA.

La ventaja estratégica de Google en la carrera de la IA proviene de un compromiso de más de una década con el silicio personalizado. Durante casi 12 años, la compañía ha desarrollado incansablemente sus Tensor Processing Units (TPUs), un marcado contraste con los competidores que ahora luchan por el cómputo. Esta visión a largo plazo comenzó años antes del actual auge de la IA generativa, posicionando a Google de manera única en un mundo con capacidad limitada.

Ser propietario de esta pila de hardware propietaria, desde el diseño de chips hasta las operaciones de centros de datos, crea una ventaja inigualable en la unit economics. Google no es simplemente un distribuidor de IP de terceros; controla toda la cadena de valor. Esto permite eficiencias de costos superiores y un rendimiento optimizado, lo que se traduce en márgenes sustanciales en sus diversas estrategias de monetización.

La arquitectura de las TPU ha evolucionado continuamente, alcanzando ahora su 8ª generación. Estos procesadores avanzados, incluyendo la TPU 8t para entrenamiento y la TPU 8i para inferencia, están específicamente optimizados para la emergente agentic era de la IA. Impulsan flujos de trabajo de IA intrincados y de múltiples pasos, yendo más allá de los modelos simples de respuesta a indicaciones.

Esta audaz inversión de una década ahora rinde dividendos masivos. Mientras que otros laboratorios de vanguardia como OpenAI y Anthropic expresan estar limitados por el cómputo, Google presume de una abundancia, incluso satisfaciendo la demanda externa. La compañía equilibra cuidadosamente sus propias necesidades de IA con la provisión de capacidad a socios e incluso a competidores directos, un testimonio de su escala.

La capacidad de cómputo de Google surge de una extensa planificación a largo plazo, que abarca la adquisición de bienes raíces, la diversificación de fuentes de energía y el cambio estratégico de la construcción de centros de datos a procesos de fabricación eficientes. Esta escala genera términos favorables de los proveedores de la cadena de suministro, ya que la demanda agregada de Google representa un mercado significativamente mayor. Las TPUs también se están convirtiendo en infraestructura de propósito general, con clientes como Citadel en los mercados de capitales y el Departamento de Energía que ahora las aprovechan para tareas computacionales complejas.

Google transforma su vasta capacidad de cómputo en un motor de ingresos sofisticado y multifacético, aprovechando sus Tensor Processing Units (TPUs) personalizadas. Esta estrategia de monetización se extiende mucho más allá de alimentar sus propios modelos de IA como Gemini. La compañía vende activamente acceso a tokens de Gemini, alquila potencia bruta de TPU y, fundamentalmente, sirve inferencia para otros laboratorios de IA líderes, incluidos competidores directos como Anthropic y OpenAI. Este enfoque diverso permite a Google monetizar su silicio e infraestructura en múltiples capas, ya sea a través de sus propios servicios o habilitando a otros.

Thomas Kurian, CEO de Google Cloud, explica que esta diversificación en la monetización fortalece profundamente la posición de Google en la cadena de suministro y acelera el desarrollo de productos. Al abordar un mercado más amplio, Google asegura términos superiores de sus proveedores de la cadena de suministro, ya que su demanda agregada representa un grupo significativamente mayor que los requisitos meramente internos. Esta estrategia también genera un flujo de caja esencial, financiando las inversiones continuas y masivas requeridas para la investigación de IA de vanguardia y la construcción de infraestructura. Kurian señala que "tienes que ganar dinero para financiar todo esto".

Las TPUs también están expandiendo su alcance más allá de las aplicaciones de IA tradicionales, demostrando su versatilidad en nuevos sectores. Gigantes financieros como Citadel ahora implementan estos procesadores especializados en los mercados de capitales para el trading algorítmico avanzado. Estas firmas están pasando cada vez más de la computación numérica, que enfrenta limitaciones por el ritmo decreciente de la Ley de Moore, a técnicas basadas en inferencia, capitalizando los rápidos avances en la velocidad de inferencia de IA. Para obtener más detalles técnicos sobre estos potentes chips y sus capacidades, los lectores pueden explorar Tensor Processing Units (TPUs) - Google Cloud.

Google incluso implementa TPUs directamente en los centros de datos de clientes clave, posicionándolas más cerca de infraestructuras críticas como las bolsas financieras para cumplir con estrictos requisitos de latencia. Independientemente del canal de ventas —ya sea vendiendo tokens, alquilando cómputo bruto o implementando hardware on-premise— Google mantiene sólidos márgenes operativos. Ser propietario de la propiedad intelectual (IP) subyacente de su silicio personalizado garantiza una fuerte rentabilidad, diferenciando fundamentalmente a Google de meros distribuidores de chips de terceros. Este control de pila completa impulsa su "motor de IA infinito".

Incluso con una capacidad de cómputo aparentemente infinita, Google elige estratégicamente no acaparar sus Tensor Processing Units (TPUs) únicamente para sus ambiciones internas de IA, incluida la carrera hacia la AGI. Thomas Kurian, CEO de Google Cloud, explica esta decisión: generar un flujo de caja masivo es primordial. Este sólido flujo de caja financia la creciente investigación y desarrollo (R&D) y los gastos de capital (CapEx) requeridos para la IA de vanguardia, incluidos sus propios modelos Gemini.

Kurian enfatiza la realidad financiera: "Tienes que ganar dinero para financiar todo esto." El capital de riesgo no puede sostener indefinidamente los crecientes costos de computación para otros laboratorios de vanguardia como Anthropic u OpenAI. Operar un modelo de negocio de producto gancho, donde los costos de entrenamiento superan los ingresos por inferencia, se vuelve insostenible a medida que esa brecha se amplía. Al diversificar la monetización a través de tokens, la potencia bruta de TPU y el servicio de inferencia, Google asegura un potente motor financiero.

Crear un mercado para las TPUs también valida la tecnología de silicio personalizada de Google. Esta estrategia proporciona términos favorables de los proveedores de la cadena de suministro, ya que la demanda agregada de Google representa un grupo significativamente mayor. Simultáneamente, presiona a los competidores que dependen de la reventa de hardware de otros fabricantes, destacando la ventaja única de Google de poseer toda su pila de IA y mejorar tanto los ingresos brutos como el margen operativo.

Google realiza un delicado acto de equilibrio. Impulsa su propio crecimiento e innovación mientras construye simultáneamente un ecosistema de dependencia alrededor de su hardware propietario. Este enfoque asegura un desarrollo interno sostenido y posiciona las TPUs como infraestructura versátil de propósito general más allá de los algoritmos de IA tradicionales, atrayendo a clientes diversos como Citadel en los mercados de capitales y el Department of Energy para la computación de alto rendimiento.

Thomas Kurian, CEO de Google Cloud, reveló una visión operativa fundamental, mostrando el cambio de la empresa en el despliegue de centros de datos de la construcción tradicional a un modelo de fabricación altamente eficiente. Esta evolución estratégica permite a Google erigir su vasta infraestructura de IA a un ritmo inigualable por los competidores que aún están inmersos en procesos de construcción más lentos y convencionales. Kurian enfatizó que la fabricación supera inherentemente a la construcción en velocidad, un diferenciador crucial en la implacable demanda de computación de IA.

Este cambio de paradigma significa que Google ya no construye centros de datos desde cero ladrillo a ladrillo. En cambio, la empresa prefabricada y prueba rigurosamente filas enteras de máquinas, unidades de energía y componentes de red intrincados en entornos de fábrica controlados. Estas unidades modulares, completamente integradas, llegan luego a los sitios designados de los centros de datos, listas para un montaje rápido y una conexión perfecta a la red existente. Esto reduce drásticamente la mano de obra, la complejidad y el tiempo en el sitio típicamente asociados con proyectos de infraestructura a gran escala.

Reducir el tiempo de ciclo para desplegar máquinas ofrece a Google una profunda ventaja competitiva. Mientras que otros laboratorios de vanguardia como OpenAI y Anthropic lamentan rutinariamente su estado de "limitados por la computación", el enfoque industrializado de Google para la creación de centros de datos asegura un flujo constante y de alta velocidad de sus Tensor Processing Units (TPUs) personalizadas en su red global en expansión. Esta agilidad operativa es fundamental para mantener su "motor de IA infinito" y satisfacer la creciente demanda tanto de proyectos internos como de socios externos.

Una expansión tan ambiciosa requiere un respaldo financiero monumental. Google ha destinado importantes gastos de capital, con proyecciones que van desde unos asombrosos $175 mil millones hasta $185 mil millones para 2026. Esta estrategia de despliegue innovadora y basada en la fabricación transforma lo que podría ser un cuello de botella logístico insuperable en una línea de producción altamente escalable y predecible. Al tratar los centros de datos menos como proyectos arquitectónicos a medida y más como productos tecnológicos de producción masiva, Google consolida su liderazgo inigualable en la provisión de la infraestructura fundamental para la floreciente era de la IA.

Google consolidó su posición como el facilitador de IA definitivo a través de una amplia asociación con Anthropic. Bajo este acuerdo histórico, el laboratorio de IA rival se comprometió a utilizar un asombroso millón de Google TPUs en la plataforma Google Cloud. Este compromiso masivo de computación sustenta el desarrollo de modelos de vanguardia por parte de Anthropic, incluido el rumoreado Claude Mythos 5 de 10 billones de parámetros.

El acuerdo representa una jugada maestra en la estrategia de monetización de Google, asegurando un flujo de caja sustancial. El CEO de Google Cloud confirma que la compañía genera "grandes márgenes" independientemente de cómo venda su computación propietaria, aprovechando su propiedad de pila completa, desde el silicio hasta los centros de datos. Este lucrativo acuerdo permite a Google financiar sus propios ambiciosos proyectos de IA.

Más allá de los ingresos directos, Google obtiene información invaluable del mundo real sobre los exigentes requisitos de infraestructura de la IA de vanguardia. Alojar las colosales ejecuciones de entrenamiento de Anthropic, que podrían costar entre 5 y 15 mil millones de dólares para modelos como Mythos 5, proporciona a Google datos sin precedentes sobre la optimización del rendimiento de las TPU, la arquitectura de red y las soluciones de refrigeración para la próxima generación de IA.

Las estimaciones sitúan el valor total de este acuerdo de computación en decenas de miles de millones de dólares. Un compromiso tan enorme subraya la magnitud de la computación necesaria para el desarrollo avanzado de la IA y, al mismo tiempo, destaca la formidable ventaja de capacidad de Google sobre sus competidores.

La asociación solidifica el papel de Google como un kingmaker indispensable en la floreciente industria de la IA. Mientras que otros laboratorios de vanguardia como OpenAI permanecen "limitados por la computación", Google actúa como el proveedor principal, dictando efectivamente el ritmo y la escala de la innovación para muchos actores.

Google está demostrablemente jugando un juego diferente, no solo compitiendo para desarrollar el modelo de IA más avanzado. Su estrategia abarca la propiedad de la plataforma fundamental sobre la cual opera todo el ecosistema de IA. Este enfoque dual permite la innovación interna y la habilitación externa simultáneamente.

Recordemos la pregunta estratégica: ¿por qué no acaparar toda la computación? La justificación financiera de Google es clara: "Hay que ganar dinero para financiar todo esto". La venta de capacidad de computación genera el inmenso capital necesario para su propia investigación de AGI y la expansión de su infraestructura.

La diversificación en la monetización mejora tanto el producto como el crecimiento. Al servir a clientes diversos como Anthropic, Citadel en los mercados de capitales y el Department of Energy, Google encuentra requisitos variados. Esta amplia exposición conduce a una infraestructura más robusta y de propósito general.

Además, la demanda combinada interna y externa de Google proporciona una ventaja significativa con los proveedores de la cadena de suministro. La demanda agregada de TPUs asegura "términos favorables", lo que reduce aún más los costos y mejora la rentabilidad en todo el espectro de la computación.

En última instancia, Google está construyendo los picos y las palas para la fiebre del oro de la IA, posicionándose como el proveedor de infraestructura indispensable. Este giro estratégico asegura su relevancia y rentabilidad a largo plazo, independientemente de qué modelo específico logre finalmente la AGI. Para más información sobre el trabajo de Anthropic, visite Home \ Anthropic.

Circulan rumores sobre Mythos, el formidable modelo de 10 billones de parámetros de Anthropic, que actualmente se encuentra en pruebas de acceso anticipado. Este modelo colosal, diseñado para razonamiento avanzado, codificación y ciberseguridad, representa una nueva frontera en la capacidad de la IA. Su magnitud exige un nivel de potencia computacional sin precedentes tanto para el entrenamiento inicial como para la inferencia continua posterior. El mero número de parámetros por sí solo significa un salto que lleva la infraestructura existente a sus límites absolutos.

Entrenar un modelo de la magnitud de Mythos es una empresa astronómica, que supera con creces los requisitos incluso de los modelos públicos más grandes de la actualidad. Las estimaciones de la industria sitúan sus costos de entrenamiento entre $5 mil millones y $15 mil millones, principalmente debido a los vastos clústeres de computación dedicados requeridos durante meses, si no años, de operación continua. Para gestionar los inmensos gastos de inferencia una vez desplegado, Mythos, según se informa, emplea una arquitectura de Mixture-of-Experts (MoE), pero incluso con tales optimizaciones, servir un modelo de 10 billones de parámetros exige un suministro persistente e inmenso de hardware especializado.

Solo un puñado de organizaciones poseen la infraestructura para siquiera contemplar un proyecto así, y Google se destaca entre ellas. Sus Tensor Processing Units (TPUs) propietarias, refinadas a lo largo de un ciclo de desarrollo de 12 años, proporcionan el silicio fundamental. Este hardware personalizado, junto con la capacidad única de Google para desplegar centros de datos completos a velocidad de fabricación y asegurar diversas fuentes de energía a nivel mundial, crea un entorno inigualable capaz de soportar tales demandas de computación extremas. El CEO de la nube de Google afirma explícitamente que tienen más demanda de la que pueden satisfacer, mientras que otros laboratorios siguen limitados por la computación.

Esta propiedad de 'pila completa' —desde silicio personalizado y redes optimizadas hasta operaciones globales de centros de datos y refrigeración altamente eficiente— se vuelve indispensable a medida que los modelos se expanden exponencialmente. El enfoque integrado de Google permite un codesarrollo extremo entre hardware y software, optimizando el rendimiento y la eficiencia de maneras que las operaciones aisladas no pueden lograr. El apoyo al compromiso de Anthropic de utilizar hasta un millón de TPUs en Google Cloud ejemplifica esta relación simbiótica, impulsando la próxima generación de innovación en IA y validando las inversiones estratégicas a largo plazo de Google en infraestructura fundamental.

El modelo de negocio de NVIDIA prospera vendiendo sus GPUs de alto rendimiento a prácticamente todos los laboratorios de IA y proveedores de la nube a nivel mundial. Son el proveedor universal de picos en la fiebre del oro de la IA. Google, sin embargo, persigue una estrategia fundamentalmente diferente, verticalmente integrada, desarrollando sus propias Tensor Processing Units (TPUs) personalizadas y controlando toda la pila, desde el silicio hasta el software y la infraestructura del centro de datos. Esto crea un marcado contraste: NVIDIA vende las palas, permitiendo a innumerables buscadores; Google, por el contrario, construye y opera toda la mina de oro automatizada para sus propias operaciones y socios selectos como Anthropic.

En el centro de la ventaja de Google reside su filosofía de codesarrollo extremo. Esto no se trata solo de fabricar chips; se trata de diseñar meticulosamente sus TPUs, su tejido de red de alto ancho de banda y su sofisticada pila de software para que funcionen en perfecta armonía sincrónica. Esta profunda integración elimina los cuellos de botella comunes en entornos de múltiples proveedores, asegurando que cada componente esté optimizado para cargas de trabajo de IA e impulsando una eficiencia y un rendimiento inigualables, particularmente para ejecuciones de entrenamiento masivas e inferencia a escala.

Si bien NVIDIA innegablemente domina la mayor parte del mercado de hardware de IA, el control total de Google sobre su ecosistema de computación proporciona una ventaja competitiva poderosa y a largo plazo. Esta autosuficiencia mitiga los riesgos de la cadena de suministro y otorga a Google una flexibilidad única para iterar hardware y software simultáneamente. La compañía aprovecha su hardware propietario no solo para impulsar sus propios modelos Gemini, sino también para ofrecer una alternativa convincente a las GPUs de propósito general, atrayendo a socios importantes con promesas de rendimiento optimizado y eficiencia de costos.

El compromiso de 12 años de Google con el desarrollo de silicio personalizado subraya una visión estratégica que va mucho más allá de la dinámica del mercado a corto plazo. Esta propiedad de pila completa le permite generar márgenes sólidos en sus diversas estrategias de monetización: venta de tokens, arrendamiento de potencia bruta de TPU y servicio de inferencia para otros laboratorios. Además, al combinar la demanda interna con las ventas externas, Google asegura términos favorables de los proveedores de la cadena de suministro, reduciendo costos y acelerando la implementación. Este enfoque integrado posiciona a Google no solo como un consumidor de chips, sino como una potencia de IA autosuficiente.

Más allá de la carrera del silicio, Google identifica los próximos cuellos de botella de un billón de dólares para la escala de la IA, mirando mucho más allá de los propios chips. La capacidad de cómputo depende de algo más que solo procesadores avanzados; las verdaderas limitaciones surgen en la infraestructura energética, la disponibilidad de energía bruta y el aspecto crítico de la percepción pública en torno a las enormes huellas de los centros de datos. El CEO de Google reconoce explícitamente estos desafíos inminentes, entendiéndolos como parte integral del crecimiento sostenido de la IA y el despliegue de modelos como el rumoreado Mythos de 10 billones de parámetros.

Google ha invertido proactivamente en una estrategia multifacética para asegurar sus futuras necesidades de cómputo. Esto incluye el desarrollo de soluciones energéticas "detrás del contador", que integran la generación de energía directamente en el sitio del centro de datos, reduciendo así la dependencia de las redes externas. Además, la compañía diversifica activamente sus fuentes de energía y busca la generación de energía alternativa, con el objetivo de operar 24/7 sin emisiones de carbono. Tales iniciativas aseguran un suministro de energía confiable y sostenible para su infraestructura global en constante expansión.

La eficiencia sigue siendo primordial, con Google presumiendo de una Eficacia del Uso de la Energía (PUE) líder en la industria en todos sus centros de datos. Esta métrica, que mide cuánta energía se destina directamente a la computación frente a la refrigeración y otros gastos generales, se mantiene consistentemente cerca de 1.1, lo que subraya el compromiso de Google de minimizar el desperdicio y maximizar la producción computacional por vatio. Además, abordar la percepción pública implica un sólido compromiso comunitario, asegurar bienes raíces estratégicamente y comunicar de manera transparente los beneficios y el impacto ambiental de sus operaciones a las poblaciones locales.

El cambio estratégico de la compañía de la "construcción" tradicional de centros de datos a un enfoque de "fabricación" reduce significativamente los tiempos del ciclo de implementación. Esta línea de ensamblaje a velocidad de fábrica asegura que la nueva capacidad entre en funcionamiento más rápido, abordando directamente los cuellos de botella físicos de la infraestructura de escalado. Al tratar los centros de datos como productos manufacturados en lugar de construcciones a medida, Google agiliza los procesos y acelera su capacidad para satisfacer la creciente demanda de IA.

En última instancia, resolver estos intrincados problemas del mundo físico es tan crítico como diseñar el próximo chip innovador. Si bien las guerras de chips en curso, ejemplificadas por compañías como NVIDIA Corporation - Home, dominan los titulares, la capacidad de alimentar, enfriar y albergar físicamente modelos de billones de parámetros dicta el ritmo final del desarrollo de la IA. La previsión de Google al abordar estos desafíos fundamentales y del mundo real lo posiciona de manera única para la era de la IA infinita, donde las limitaciones físicas podrían, de otro modo, sofocar la ambición digital.

El compromiso de Google de más de una década con el silicio personalizado, que comenzó hace 12 años con las TPUs, culmina en una ventaja de pila completa sin precedentes. Esta integración vertical abarca chips propietarios, una red global de centros de datos hipereficientes, soluciones energéticas avanzadas y modelos de IA líderes como Gemini. Este control integral permite a Google optimizar cada capa para el rendimiento y el costo.

A diferencia de otros laboratorios de vanguardia que frecuentemente citan estar limitados por la capacidad de cómputo, Google transformó el despliegue de centros de datos de la "construcción" tradicional a la "fabricación" de alta velocidad. Este cambio estratégico, combinado con la adquisición proactiva de bienes raíces y fuentes de energía diversificadas, sustenta su capacidad de cómputo aparentemente infinita. Esta previsión asegura que Google pueda satisfacer la demanda tanto interna como externa a escala.

La estrategia de monetización multifacética de Google capitaliza esta abundancia. Vende tokens Gemini, arrienda potencia bruta de TPU y sirve inferencia para modelos de otros laboratorios, notablemente a través de su asociación ampliada con Anthropic, que se comprometió a utilizar hasta un millón de TPUs. Esta fuente de ingresos diversificada proporciona el flujo de caja sustancial necesario para financiar ambiciones de IA cada vez mayores.

Este enfoque integrado se extiende a abordar la próxima generación de IA, ejemplificada por el rumoreado modelo de 10 billones de parámetros, Mythos. Al poseer toda la cadena de producción –desde el diseño y la fabricación de silicio hasta el despliegue de infraestructura y el servicio de modelos– Google asegura la máxima eficiencia y control sobre las cargas de trabajo de IA más complejas. Esta integración vertical es un contrapunto directo a la estrategia horizontal de NVIDIA.

En última instancia, la carrera de la IA trasciende el mero desarrollo del modelo "más inteligente". El éxito depende de poseer el motor más eficiente, escalable y rentable para alimentar, entrenar y desplegar estos sistemas cada vez más complejos. La propiedad de pila completa de Google proporciona una ventaja distintiva y acumulativa en esta competencia de alto riesgo.

Con su control fundamental sobre el hardware, la infraestructura, la energía y los modelos de IA de vanguardia, Google ha diseñado un potente y auto-reforzante ecosistema. Esta estrategia de extremo a extremo posiciona de manera única a la compañía no solo para participar, sino para dominar la próxima década de inteligencia artificial, impulsando la innovación y marcando el ritmo para el panorama global de la IA.

¿Qué son las TPUs de Google?

Las Tensor Processing Units (TPUs) son chips aceleradores de IA diseñados a medida y construidos por Google específicamente para cargas de trabajo de aprendizaje automático. Proporcionan una ventaja significativa en rendimiento y eficiencia para entrenar y ejecutar grandes modelos de IA.

¿Por qué Google parece tener más capacidad de cómputo de IA que sus competidores?

La ventaja de Google proviene de más de una década de planificación a largo plazo, incluyendo el desarrollo de su propio silicio TPU, la adquisición anticipada de bienes raíces y energía para centros de datos, y la innovación en el despliegue de centros de datos para que se parezca más a la fabricación que a la construcción.

¿Qué es el rumoreado modelo Mythos?

Mythos es un rumoreado modelo de IA de próxima generación, potencialmente de Anthropic, con un tamaño especulado de 10 billones de parámetros. Entrenar y ejecutar un modelo de esta escala requiere la infraestructura masiva y construida a propósito que Google Cloud proporciona.

¿En qué se diferencia la estrategia de IA de Google de la de NVIDIA?

Mientras que NVIDIA se enfoca en vender sus GPUs (las 'palas') a toda la industria, Google está construyendo toda la 'mina de oro'. Google posee la pila completa: los chips TPU personalizados, los centros de datos, la red y los modelos de IA, lo que le otorga control y eficiencia de extremo a extremo.