Según un informe de The Information, Google está desarrollando un nuevo chip para servidores diseñado para aumentar considerablemente la eficiencia de sus modelos de IA Gemini. Se prevé que el chip, denominado internamente "Frozen v2", no entre en producción hasta 2028, pero la mera mención de su existencia ya ha causado revuelo en los mercados financieros y ha reavivado el debate sobre qué empresas tienen mayores posibilidades de dominar la emergente era de la IA.
El informe estima que Frozen v2 ofrecería entre seis y diez veces la eficiencia de las CPU de servidor actuales de Google, medida en tokens por vatio. Esto representaría un salto extraordinario en el rendimiento para una sola generación de hardware, y sugiere que Google está bajo una intensa presión para reducir los costos de operación de sus modelos de IA a gran escala.
Google no se ha pronunciado oficialmente sobre los detalles del informe, pero sí ofreció una declaración a TechCrunch: «Nuestros equipos innovan constantemente en nuevos enfoques que brindan un rendimiento y una eficiencia excelentes para nuestros usuarios y clientes. No todos estos proyectos se concretan, pero esta innovación forma parte de nuestros esfuerzos continuos por diseñar y construir sistemas desde cero».
¿Qué se supone que debe hacer el nuevo chip?
El informe no detalla qué hace especial a Frozen v2, salvo una distinción clave: está diseñado para producir muchos más tokens por vatio que cualquier otro procesador que Google haya fabricado anteriormente. Todos los procesadores modernos deben equilibrar el rendimiento bruto con el consumo de energía, y la eficiencia tiende a convertirse en una preocupación primordial a medida que los chips se ven sometidos a cargas de trabajo cada vez más grandes y complejas.
Un chip capaz de generar hasta diez veces más potencia con el mismo consumo energético tendría profundas implicaciones para las operaciones de Google. Podría reducir drásticamente la factura energética de la compañía o permitirle procesar diez veces más consultas de Gemini con el mismo gasto. Ambos resultados serían cruciales para Google, dados sus ambiciosos planes de integrar Gemini en el núcleo de su motor de búsqueda, su suite de productividad Workspace, el sistema operativo móvil Android y su infraestructura de nube pública.
Google no es precisamente nuevo en la idea de crear sus propios aceleradores de IA. La compañía lleva varios años desarrollando chips especializados para uso interno y ha comenzado a vender variantes a clientes de la nube bajo el nombre de TPU (Unidades de Procesamiento Tensorial). Frozen v2 parece ser la última evolución de esta capacidad, y una que se centra específicamente en extraer el máximo provecho de cada vatio de potencia suministrado a su chip.
Por qué la eficiencia se ha convertido en el principal campo de batalla.
Durante años, la industria de la IA se ha visto inmersa en un debate público sobre qué empresa había creado el mejor modelo base. Este debate se ha centrado ahora en qué organizaciones pueden optimizar la eficiencia de sus modelos, un cambio que resulta muy beneficioso desde el punto de vista empresarial. Entrenar y operar grandes modelos de lenguaje es extremadamente costoso, y cualquier reducción significativa de costes puede tener enormes repercusiones positivas en los resultados financieros.
La eficiencia se ha convertido rápidamente en un argumento de venta clave para muchas empresas de IA, ya que el gasto en modelos ha comenzado a asemejarse a la burbuja especulativa que caracterizó al mercado de las criptomonedas. Los inversores se impacientan con las empresas que siguen invirtiendo grandes sumas de dinero en el entrenamiento de modelos cada vez más grandes y complejos sin ninguna indicación clara de cuándo esas inversiones comenzarán a dar frutos. Mientras tanto, un chip que promete hacer que las operaciones de IA de una empresa sean mucho más eficientes es una forma sencilla de demostrar que la empresa ha encontrado la manera de reducir sus costos operativos.
Otro factor que también ha contribuido al cambio hacia la eficiencia es el deseo de desvincular las operaciones de Nvidia, que durante mucho tiempo ha dominado el mercado de las GPU y anuncia con frecuencia enormes aumentos de precio para sus chips enfocados en IA. El silicio personalizado se está convirtiendo rápidamente en un requisito indispensable para cualquier empresa que quiera dejar de depender de los caprichos de otras compañías en lo que respecta al desarrollo de IA. Google, Microsoft y Meta han invertido fuertemente en aceleradores especializados para romper esta dependencia, lo que ha impulsado a empresas como Broadcom y AMD a las posiciones de liderazgo tecnológico global que ocupan hoy en día.
Google no está solo en esta carrera.
Los esfuerzos de Google por crear mejores aceleradores para sus modelos Gemini forman parte de una tendencia mucho más amplia. En junio, OpenAI anunció que había comenzado a trabajar en sus propios chips personalizados, que planea emplear junto con su modelo GPT-5. La compañía se ha asociado con el fabricante de chips Broadcom para desarrollar un procesador enfocado en la inferencia, cuyo nombre en clave es Jalapeño. Según se informa, Anthropic también se ha aliado con Samsung para seguir una estrategia similar. Cada una de estas empresas está siguiendo prácticamente el mismo plan: reducir su dependencia de proveedores externos, recortar costos y garantizar el máximo control posible sobre el silicio que sustenta sus operaciones de IA.
En su nivel más básico, se trata de costes y control. Las tres empresas sienten la presión de reducir costes en un momento en que se han invertido billones de dólares en la industria de la IA, y todas buscan chips personalizados que les ayuden a lograrlo. Incluso pequeñas mejoras en la eficiencia pueden tener enormes beneficios a largo plazo, ya que, al multiplicarse por millones de consultas de IA, las mejoras en este ámbito suelen traducirse en costes energéticos significativamente menores.
Esta competencia por el dominio en el sector de los chips ha generado una intensa lucha por captar a los mejores talentos de la competencia. Esta es otra razón por la que Google, Microsoft y Anthropic se centran tanto en aceleradores internos. Todas las grandes empresas de IA que se han sumado a la contienda han tenido que invertir considerablemente en nuevo hardware para satisfacer las demandas de sus modelos, y como resultado, la competencia por los ingenieros más cualificados no ha hecho más que intensificarse.
El dinero detrás del chip
El gasto de Google en inteligencia artificial ha sido un tema de especial interés para los inversores, ya que la compañía ha hecho numerosas declaraciones públicas sobre sus enormes inversiones en este campo. A principios de este año, Google declaró que preveía invertir entre 180 y 190 millones de dólares en el desarrollo de su infraestructura de IA.
Estas cifras han causado preocupación entre los inversores de Alphabet, quienes ahora se preguntan cuánto beneficio real puede obtener la compañía de sus esfuerzos en inteligencia artificial antes de que sus costos se disparen. El anuncio de The Information sobre el nuevo chip más eficiente de Google parece haber tranquilizado a algunos, ya que el precio de las acciones de Alphabet subió aproximadamente un tres por ciento tras la publicación del informe y justo antes de la presentación de los resultados de la compañía.
Los inversores parecen creer que el anuncio de Google es una señal de que la compañía podrá reducir significativamente sus costes en un futuro próximo, aunque no se espera que las nuevas CPU para servidores entren en producción hasta dentro de varios años. El portavoz de Google lo confirmó al ser consultado sobre el informe, señalando que sus esfuerzos por mejorar la eficiencia de sus chips complementan el compromiso general de la compañía de crear sistemas mejor optimizados para las cargas de trabajo que gestionan. La compañía ha reconocido claramente el valor de este enfoque y ha realizado importantes esfuerzos para garantizar que siga siendo una prioridad en los próximos años.
Qué podría significar esto para los usuarios de Géminis de a pie.
En el futuro inmediato, es improbable que alguno de estos avances tenga un impacto significativo en la mayoría de los usuarios de Gemini. Los nuevos chips aún tardarán en estar disponibles, y cualquier cambio en el sistema sería casi con toda seguridad de carácter evolutivo. Dicho esto, existen varias maneras en que el mayor enfoque de Google en la eficiencia del silicio podría beneficiar indirectamente a los consumidores comunes con el tiempo.
Ante todo, una mayor eficiencia suele traducirse en menores costes para la mayoría de las empresas. Si Google logra reducir sus gastos mediante el uso de hardware más eficiente, podría bajar los precios de algunos de sus servicios más populares. Esto también le permitiría incorporar algunas de estas funciones a otros productos o ofrecerlas de forma más consistente, dependiendo de cómo se implementen los cambios.
Además, un sistema más eficiente presumiblemente podría gestionar más solicitudes simultáneas sin saturarse. Esto significa que Google tendría menos probabilidades de limitar el rendimiento durante los periodos de mayor actividad, y la empresa podría comenzar a implementar mejoras en sus sistemas en respuesta a una mayor demanda. Con el tiempo, esto podría traducirse en tiempos de respuesta más rápidos o en la capacidad de ofrecer funciones más avanzadas a más usuarios al mismo tiempo.
En cuanto a los desarrolladores y empresas que utilizan Gemini a través de las API de la nube pública de Google, es casi seguro que las ventajas de una mayor eficiencia se verán reflejadas en la estructura de precios de la compañía en algún momento. Esto permitiría a las empresas más pequeñas aprovechar la infraestructura de IA de Google sin tener que invertir tanto capital.
The Bigger Picture
El informe sobre Frozen v2 es solo el último avance en la constante carrera armamentista por construir la mejor infraestructura de IA posible. También ha servido como prueba de que Google se toma la competencia muy en serio. Al seguir invirtiendo en su propio silicio, incluso mientras emplea a miles de ingenieros para construir y perfeccionar sus modelos, Google ha demostrado su disposición a dedicar importantes recursos a mejorar la eficiencia de sus sistemas y reducir los costes operativos.
Esto podría resultar una ventaja importante, ya que Alphabet busca convencer a los inversores de que su fuerte inversión en IA comenzará a dar sus frutos en un futuro próximo.
Preguntas frecuentes
P 1: ¿Qué es el chip Frozen v2 de Google?
Según se informa, Google está diseñando un nuevo chip para servidores, Frozen v2, con el objetivo de optimizar el rendimiento de sus modelos de IA Gemini. Se espera su lanzamiento en algún momento de 2028.
P 2: ¿Cuánto más eficiente se supone que es Frozen v2?
Según The Information, el chip podría ser entre seis y diez veces más eficiente que los chips de IA actuales de Google, basándose en los tokens generados por unidad de potencia.
P 3: ¿Ha confirmado Google el informe sobre Frozen v2?
Google no ha confirmado directamente la noticia, pero tampoco la ha desmentido. La compañía afirmó que experimenta constantemente con nuevos enfoques de hardware.
P 4: ¿Por qué la eficiencia de los chips es tan importante para las empresas de IA?
Ejecutar modelos de IA complejos requiere enormes cantidades de electricidad y potencia informática. Los chips más eficientes reducen los costes operativos y permiten a las empresas atender a más usuarios con la misma infraestructura.
P 5: ¿Es este el primer chip de IA personalizado de Google?
No. Google lleva años fabricando chips personalizados, conocidos como Unidades de Procesamiento Tensorial, que utiliza internamente y alquila a través de Google Cloud.
P 6: ¿Otras empresas de IA también están fabricando sus propios chips?
Sí. OpenAI anunció recientemente su primer chip personalizado, desarrollado con Broadcom, y según se informa, Anthropic ha mantenido conversaciones con Samsung para establecer una alianza en el sector de los chips.
P 7: ¿Por qué las empresas de IA están intentando alejarse de Nvidia?
Nvidia ha dominado el mercado de chips de IA durante años, y muchas empresas desean tener un mayor control sobre su hardware y reducir costes diseñando chips adaptados a sus propios modelos.
P 8: ¿Cuánto planea invertir Alphabet en infraestructura de IA?
Alphabet ha anunciado que planea invertir entre 180 y 190 millones de dólares en el desarrollo de su sistema de inteligencia artificial.
P 9: ¿Cómo reaccionaron los inversores al informe Frozen v2?
Las acciones de Alphabet subieron alrededor de un 3 por ciento tras la publicación del informe, lo que sugiere que los inversores ven el chip como una señal de que existe un camino creíble para reducir los costes de la IA.
P 10: ¿Cambiará Frozen v2 de inmediato el funcionamiento de Gemini para los usuarios habituales?
No de inmediato. El chip aún tardará años en salir al mercado, pero con el tiempo podría ofrecer tiempos de respuesta más rápidos, menores costos y un acceso más amplio a las funciones avanzadas de Gemini.
