Hace un tiempo, Google anunció el inicio formal de la venta directa a centros de datos de terceros y clientes de sus chips TPU autodesarrollados, junto con el hardware de computación de IA correspondiente. Como "arma secreta" de Google en el campo de la IA, antes los terceros solo podían alquilar TPU a través de centros de datos en la nube, y la industria pensaba que Google no vendería estos chips externamente. Sin embargo, llegaron las buenas noticias en junio de este año.
Entonces, la pregunta es: ¿qué es una "TPU"? Su nombre completo es "Tensor Processing Unit (Unidad de Procesamiento de Tensores)". A diferencia de la CPU y la GPU, es un chip diseñado específicamente para las "operaciones matemáticas con matrices y tensores" en el cálculo de IA, capaz de procesar cálculos relacionados con una eficiencia extremadamente alta.
¿Suena como un chip auxiliar? Sin embargo, la realidad no es así, porque la tecnología actual de grandes modelos de IA es esencialmente un complejo cálculo matemático de datos masivos (principalmente multiplicación de matrices). Así que Google hizo una cosa: combinar miles de TPU en clústeres de supercomputación, y luego usar hosts de CPU para asignar y gestionar (descomponer tareas, transformar datos), creando centros de cómputo de IA con una eficiencia muy alta.
Fuente: Google
Es por eso que Gemini puede arrebatar usuarios a empresas como OpenAI con tarifas de suscripción más bajas y cuotas de uso más altas. Incluso considerando solo el precio por token, Gemini es uno de los representantes en productos de IA en el extranjero con un precio más bajo para su modelo insignia, y el precio de su modelo principal se acerca al de fabricantes de modelos chinos como DeepSeek.
Además, TPU también es más adecuado para manejar las enormes solicitudes de cálculo de usuarios cotidianos, y está "especializado" para el ecosistema futuro de IA, lo que hizo que el mundo externo llevara mucho tiempo codiciando estos chips. Después de anunciar el plan de ventas, Google también reveló un acuerdo de 50 mil millones de dólares para construir, junto con la famosa empresa de capital privado Blackstone, un gran centro de cómputo con una capacidad provisional de 500 megavatios.
Lei Keji (ID: leitech) sospecha que, tras la difusión de esta noticia, probablemente muchas empresas hayan consultado precios o buscado cooperación con Google, especialmente aquellas que desean construir sus propios centros de cómputo. En este punto, algunos podrían pensar que Amazon debería estar preocupado, ya que esto claramente roba el negocio de servicios en la nube. En realidad, no es así; probablemente el más preocupado sea NVIDIA.
¿Google le ha dado un "golpe demoledor" a NVIDIA?
Primero, Lei Keji quiere hacer una pregunta: ¿por qué NVIDIA se ha convertido en una de las empresas más importantes en la era de la IA? Si tu respuesta es solo "la GPU tiene un gran poder de cómputo", en realidad solo aciertas la mitad.
Lo que realmente destaca de NVIDIA es que dejó de ser solo una vendedora de GPUs hace mucho tiempo. CUDA, NVLink, DGX, redes InfiniBand, bibliotecas de software de IA, ecosistema de desarrolladores, socios de servidores, adaptación a proveedores en la nube: todas estas cosas juntas constituyen la ventaja competitiva de NVIDIA.
Así que cuando compras una tarjeta de cómputo de NVIDIA y la pones en marcha, no estás comprando solo una tarjeta, sino todo un ecosistema de IA que ya ha sido probado por la industria. Para la mayoría de las empresas, el ecosistema CUDA de NVIDIA les evita "reinventar la rueda", ahorrando mucho esfuerzo y coste.
Esta es la razón por la que muchas empresas de IA, a pesar de saber que las GPUs de NVIDIA son caras, siguen teniendo que usarlas. Porque durante el estallido de la IA, el "coste" puede ignorarse; el único indicador era poder superar a la competencia o alcanzarla más rápido. Pero a medida que los grandes modelos de IA entran en una fase de popularización, lo que la gente quiere ya no es solo "velocidad". Ante una base de usuarios enorme, la eficiencia y la relación coste-rendimiento se han convertido en el nuevo punto focal.
Google claramente también vio esto, por lo que apostó por TPU y la empaquetó como una solución completa. Los chips en esta solución no buscan vencer a NVIDIA en rendimiento bruto de cómputo, sino empaquetar la experiencia acumulada por Google durante años en chips, centros de datos, redes, almacenamiento, programación y entrenamiento de modelos, en capacidades de servicio en la nube que las empresas pueden comprar directamente.
Esto es donde Google realmente "imitó" a NVIDIA: no imita vender chips, sino vender sistemas y ecosistemas, transformando una serie de hardware en "productividad" que los clientes pueden usar. Esto tiene un atractivo considerable para aquellas empresas que desean controlar sus centros de cómputo.
Entonces, ¿debería estar NVIDIA en pánico? No necesariamente, pero el dolor de cabeza es real. Después de todo, aunque las tarjetas de cómputo insignia son rentables, la industria no puede permanecer en un estado de "comprar todo lo disponible". Gradualmente, dirigirán su mirada hacia otros chips con mejor relación coste-rendimiento. En ese momento, la solución TPU de Google inevitablemente impactará en esta parte del mercado de NVIDIA.
Sin embargo, para toda la industria de IA, NVIDIA sigue siendo el estándar universal más reconocido en el mercado de cómputo de IA, y la posición del ecosistema CUDA no es fácil de cambiar con una o dos generaciones de chips. Especialmente en la fase de entrenamiento de grandes modelos, muchos equipos han acumulado una gran experiencia alrededor del sistema de NVIDIA, y cambiar de plataforma abruptamente conlleva un riesgo considerable.
Por ejemplo, DeepSeek anunció recientemente que su nuevo modelo lanzado puede entrenarse utilizando chips Huawei Ascend. Esto se logró solo después de una profunda colaboración entre Huawei y DeepSeek, y tras varias iteraciones de versiones.
Fuente: Ascend
Pero desde la perspectiva de Google, en realidad no necesita reemplazar a NVIDIA en todos los escenarios. Solo necesita capturar una parte de los clientes empresariales y demostrar que su eficiencia es mayor que la de otros ecosistemas de cómputo, y ya podrá tomar una parte del pastel del mercado de infraestructura de IA.
Especialmente en la fase de inferencia, los servidores de cómputo TPU de Google tienen una ventaja más clara. Todos saben que, una vez que los tokens se usan realmente, su tasa de consumo no es más lenta que abrir una compuerta. Antes, Uber quemó su presupuesto anual en cuatro meses y una empresa misteriosa gastó 500 millones de dólares en tokens en un mes. Después, Microsoft, con sus grandes recursos, limitó los permisos de los empleados y les ordenó usar su propio poder de cómputo.
Se puede decir que, a medida que el uso de la IA en diversos campos sea cada vez más frecuente, seguramente habrá más casos que demuestren que el coste de los tokens es la clave de la competencia futura en IA. Porque quien tenga un coste de token más bajo podrá llevar la IA a más líneas de negocio para competir por usuarios y mercado.
El cómputo se convierte en un recurso básico, llega la oportunidad para los proveedores en la nube
Lei Keji cree que la analogía de un usuario en línea es muy acertada: entrenar un modelo es como comprar un coche, mientras que el servicio de inferencia es como la gasolina que se quema todos los días. Incluso las familias adineradas no pueden hacer que todos sus coches usen gasolina de 98 octanos todos los días; el cómputo que proporciona Google es como la de 92 octanos: aunque tiene un poco menos de potencia, el coche funciona igual, el trabajo se hace igual, y es más barato.
Hace un tiempo, Lei Keji escribió un artículo mencionando que hoy en día hay un consenso en la industria: el poder de cómputo de IA se está volviendo cada vez más como un recurso básico, como la electricidad, el agua o el ancho de banda.
Y para los usuarios, no necesitan saber cómo se "produce" el poder de cómputo, pero se preocuparán por su precio como lo hacen con las facturas de agua y luz. Este "usuario" puede ser tanto un individuo como una empresa, una ciudad o incluso un país.
Por lo tanto, en el futuro mercado de IA, NVIDIA seguirá siendo muy importante, porque sin chips de alto rendimiento, todo sería imposible. Pero cuando la demanda de cómputo se convierta en un recurso básico a largo plazo, estable y a gran escala, el poder de decisión se trasladará gradualmente a los proveedores de servicios en la nube.
Esta es la razón por la que proveedores en la nube como Google, Microsoft, Amazon, Alibaba Cloud y Huawei Cloud ya no se conforman con ser solo "revendedores" del poder de cómputo de GPU de NVIDIA, sino que están desarrollando sus propios ecosistemas de cómputo. Esto no significa que dejarán de comprar GPUs de NVIDIA, porque el mercado lo necesita, los clientes lo necesitan, y también pueden venderse a buen precio.
Fuente: Lei Keji
Pero al mismo tiempo, su verdadero foco de desarrollo inevitablemente se dirigirá hacia su propio ecosistema, y esto es de lo que NVIDIA debe estar más alerta. Después de todo, la capitalización de mercado actual de NVIDIA se basa en gran medida en su posición como "base fundamental de IA". Una vez que NVIDIA pierda el control del mercado de tarjetas de cómputo no top, podría regresar gradualmente a la posición que tenía hace cinco años en el mercado de tarjetas gráficas para juegos: aunque es la mejor, no es indispensable.
De hecho, si volvemos la mirada a China, ya han aparecido cambios similares. Antes, cuando hablábamos de tarjetas de cómputo de IA chinas, a menudo nos centrábamos en comparar el rendimiento del cómputo, discutiendo cuánto falta para alcanzar a las mejores tarjetas de cómputo.
Este problema es ciertamente importante, pero si solo nos enfocamos en el rendimiento del chip en sí, ignoraremos otro punto clave: los proveedores chinos de servicios en la nube también están convirtiendo chips, clústeres, plataformas en la nube, servicios de modelos y soluciones industriales en un sistema completo de producción de IA, y esta es la ventaja central más importante de la IA china.
Esto no lo dice Lei Keji, sino que es lo que hacen proveedores de servicios en la nube clave como Huawei Cloud y Alibaba Cloud. Por ejemplo, el servicio en la nube Huawei Ascend. Aunque lo que a menudo llama la atención son los chips Ascend, hoy Huawei ya proporciona alrededor del cómputo Ascend herramientas de cadena en la nube, clústeres de supernodos, migración de modelos, optimización de entrenamiento e inferencia y capacidades de implementación industrial.
Fuente: Weibo
Además, Huawei también está promoviendo este ecosistema de cómputo a más empresas chinas de IA. Además de DeepSeek mencionado anteriormente, también hay grandes empresas líderes de IA como Baidu, iFLYTEK, Zhipu, MiniMax, etc. Se puede decir que Huawei ya ha construido gradualmente su propio ecosistema de cómputo. Lo que sigue es llevar a más socios a bordo y luego ocupar el mercado con precios de token más bajos.
Alibaba Cloud es similar. En mayo de este año, lanzaron el chip de IA para entrenamiento e inferencia Zhenwu M890, y antes de eso, el Zhenwu 810E ya se había implementado a gran escala en la plataforma de cómputo inteligente Lingjun de Alibaba Cloud. En la cumbre de Alibaba Cloud de este año, Alibaba Cloud anunció directamente que la cantidad acumulada de chips de IA de la serie Zhenwu de Pingtouge había alcanzado 560.000 unidades, y el tamaño de los ingresos anualizados había entrado en el nivel de los diez mil millones.
Se puede decir que, en cuanto a aprender de NVIDIA, los proveedores chinos de servicios en la nube no solo avanzan más rápido, sino que también empezaron antes.
¿El cómputo más potente? No, el mundo necesita el "cómputo óptimo"
Por supuesto, NVIDIA no perderá su posición central en la era de la IA solo porque Google empiece a vender TPU.
Al menos durante mucho tiempo, las GPU, CUDA y el ecosistema de desarrolladores seguirán siendo estándares ineludibles para toda la industria de IA. Especialmente en escenarios de entrenamiento de grandes modelos, computación de alto rendimiento y desarrollo de IA general, NVIDIA sigue siendo la opción más madura y reconocida por la industria en la actualidad.
Pero el problema es que el mercado del cómputo de IA está entrando en la siguiente fase.
Antes, la competencia era "qué chip es más potente". Ahora, lo que realmente preocupa a las empresas se está convirtiendo en "quién puede hacer que el cómputo sea más barato". En este punto, las ventajas de proveedores de servicios en la nube como Google, Huawei Cloud y Alibaba Cloud comienzan a manifestarse: tienen una enorme cantidad de clientes individuales y empresariales, datos, aplicaciones y escenarios, y también son más expertos en empaquetar varios tipos de hardware en un sistema de productividad que se puede usar directamente.
En otras palabras, lo que realmente escasea en la era de la IA ya no son solo los chips en sí, sino la capacidad del sistema para convertir los chips en productividad.
Cuando el cómputo se vuelve cada vez más como un recurso básico como el agua, la electricidad o el ancho de banda, la empresa que finalmente triunfe puede no ser solo el fabricante con el chip de mejor rendimiento individual, sino el que pueda entregar continuamente el cómputo de IA a los clientes con menor coste y mayor eficiencia.
Por lo tanto, desde la perspectiva de Lei Keji, que Google comience a vender TPU es en realidad una señal que advierte a toda la industria: la competencia en infraestructura de IA ya no es solo una batalla de chips, sino una batalla de sistemas.
Este artículo proviene del WeChat público "Lei Keji", autor: Lei Keji
