Organizado y compilado: Deep Tide TechFlow
Invitado: Darren Mowry, Vicepresidente de Google Cloud
Anfitrión: Rebecca Bellan
Fuente del podcast: TechCrunch
Título original: Is your startup's check engine light on? Google Cloud's VP explains what to do | Equity Podcast
Fecha de emisión: 19 de febrero de 2026
Resumen de puntos clave
Los fundadores de startups se enfrentan a una presión sin precedentes: en un contexto de financiación cada vez más ajustada y costes de infraestructura en aumento, no solo necesitan acelerar la innovación, sino que también deben demostrar en etapas tempranas que su producto atrae al mercado. Aunque la disponibilidad de créditos en la nube (Cloud credits, créditos de prueba gratuitos proporcionados por los proveedores de servicios en la nube), GPUs y modelos base (Foundation models, modelos preentrenados que soportan IA generativa) ha facilitado el emprendimiento, estas elecciones iniciales de infraestructura pueden plantear desafíos inesperados cuando se agotan los créditos gratuitos y es necesario pagar los costes reales del servicio en la nube.
En este episodio del podcast Equity de TechCrunch, Rebecca Bellan conversó en profundidad con Darren Mowry, Vicepresidente Global de Startups de Google Cloud, sobre las compensaciones y desafíos que enfrentan las startups durante su rápida expansión. Como figura central en el ecosistema global de startups, Mowry compartió sus observaciones sobre las tendencias de la industria, cómo Google Cloud atrae a las empresas emergentes de IA en un entorno competitivo, y los problemas clave que los fundadores deben tener en cuenta al escalar.
Resumen de puntos de vista destacados
- Aunque los créditos de servicios en la nube (Credits) son una práctica estándar en la industria, no tienen nada especial en sí mismos. Todos sabemos que los créditos son importantes para las startups, pero lo que los fundadores realmente necesitan son recursos de ingeniería más profundos y soporte técnico.
- Ya sea basado en TPUs o GPUs, nuestro objetivo es ayudar a los fundadores a encontrar la solución que mejor se adapte a ellos, no obligarlos a seguir un camino fijo. Encontramos que esta libertad de elección es muy importante para los fundadores y es una de nuestras grandes ventajas.
- Hoy en día, las startups están comenzando a pasar de enfocarse en chips (como GPU y TPU) a prestar más atención a los modelos de datos y a los agentes inteligentes. Actualmente, alrededor del 10% al 15% de las discusiones aún giran en torno a los chips, pero la gran mayoría, aproximadamente del 80% al 85%, se centra en el desarrollo de modelos y agentes.
- Los agentes pueden resolver problemas complejos y personalizados, y sus aplicaciones son muy amplias; en el futuro podrían desarrollarse miles de agentes.
- Ahora vemos surgir cada vez más emprendedores primerizos, provenientes de universidades de élite, Y Combinator y algunos institutos de investigación de IA conocidos, como OpenAI, Anthropic y DeepMind. Estos nuevos fundadores traen más vitalidad innovadora.
- Hablando de AWS y Microsoft... su posicionamiento en el mercado tiende más hacia un papel de distribuidores de tecnología, en lugar de proporcionar directamente soluciones tecnológicas avanzadas como Google. Google no solo desarrolla tecnología de IA de clase mundial, sino que también puede actuar como proveedor de primera parte para soportar capacidades de terceros, lo que nos hace únicos en la competencia.
- Las startups, en el rápido desarrollo de la computación en nube y la IA, están cambiando la lógica económica tradicional de las TI empresariales. En el pasado, normalmente pensábamos que las empresas con más empleados eran los clientes más grandes... pero ahora algunas pequeñas startups, como Cursor, Lovable y Open Evidence, aunque tienen un tamaño de plantilla pequeño, consumen recursos tecnológicos que superan con creces su escala. Estas empresas tienen la ingeniería como núcleo impulsor, llevando nuestra plataforma a nuevos límites técnicos.
- El primero es el fenómeno del "encapsulamiento de modelos de lenguaje grande (LLM)". El encapsulación se refiere a agregar una capa de funcionalidad o propiedad intelectual alrededor de un modelo como Gemini o GPT-5 para formar una capa de aplicación. Sin embargo, encontramos que la demanda de la industria por este simple encapsulamiento está disminuyendo rápidamente. Si una startup depende únicamente del modelo backend para hacer todo el trabajo y prácticamente solo le pone su marca, esta forma de operar ya es difícil de validar.
- Otra tendencia notable es el desafío del modelo de "agregador". Los agregadores se refieren a sistemas que intentan construir una capa sobre múltiples modelos o plataformas para ayudar a los usuarios a elegir modelos. ... Encontramos que el crecimiento de este modelo de agregador no es significativo, porque los usuarios esperan ver más funcionalidades inteligentes, no solo una simple capa de selección.
- Biotecnología, tecnología climática y experiencia del consumidor son áreas en las que nos enfocamos. Estas industrias se están desarrollando rápidamente, y vemos un crecimiento significativo en el ecosistema, una fuerte tasa de retención y un interés creciente.
Cómo las startups se unen al ecosistema de Google Cloud
Rebecca:¿Cómo se convierten las startups en parte de su ecosistema? ¿Cómo participan? ¿Qué apoyo les brindan?
Darren:
Es un proceso de doble vía, atraemos startups a nuestro ecosistema a través de fuerzas de empuje y atracción. Cuando me uní a Google Cloud hace cinco años, el mercado de computación en nube estaba dominado principalmente por AWS. AWS, a través de un modelo sin fricciones similar al de las tarjetas de crédito, permitía a los fundadores usar fácilmente computación, almacenamiento y bases de datos para construir productos, mientras que el posicionamiento de mercado de Google Cloud en ese momento era más bien la "tercera opción", en un entorno competitivo más tradicional.
Pero en los últimos 18 a 20 meses, con el rápido desarrollo de la IA, la situación ha cambiado drásticamente. La IA ya no es un concepto de moda, sino que se ha convertido en una solución tecnológica tangible. Google ha invertido grandes recursos en tecnología de IA, por ejemplo, nuestro avanzado modelo de lenguaje grande Gemini, que posee potentes capacidades de procesamiento de lenguaje natural, proporcionando soporte técnico a muchas startups. Son precisamente estas ventajas técnicas las que hacen que cada vez más fundadores elijan activamente construir sus productos en Google Cloud desde el principio, lo que se convierte en una poderosa fuerza de atracción.
Para ayudar a estas startups, lanzamos el programa Google Cloud for Startups. Los fundadores pueden encontrar este proyecto mediante una simple búsqueda en línea y obtener información detallada. Según la etapa de desarrollo en la que se encuentre la startup, les proporcionamos créditos de servicios en la nube (Cloud credits) personalizados. Estos créditos son créditos de prueba gratuitos proporcionados por Google Cloud, destinados a apoyar a las startups en las etapas iniciales para poner en marcha proyectos rápidamente. Ya sea que acaben de completar su primera ronda de financiación o que estén en una etapa de desarrollo más madura, les proporcionamos los recursos y servicios técnicos correspondientes según sus necesidades y la situación de sus patrocinadores, ayudándoles a lograr un crecimiento rápido.
Más allá de los créditos de servicios en la nube: Recursos de ingeniería y soporte técnico
Darren: Quiero enfatizar que, aunque los créditos de servicios en la nube (Credits) son una práctica estándar en la industria, no tienen nada especial en sí mismos. Todos sabemos que los créditos son importantes para las startups, pero lo que los fundadores realmente necesitan son recursos de ingeniería más profundos y soporte técnico. Por ejemplo, desean obtener orientación directa de expertos de DeepMind, o que ingenieros de clientes con experiencia participen en la definición del producto. Para ello, hemos reforzado el modelo de soporte técnico, invirtiendo recursos directamente en las necesidades centrales de las startups. Desde las etapas iniciales hasta las posteriores, proporcionamos soporte de expertos técnicos a las startups, esta es una ventaja única de Google Cloud y un punto destacado de nuestro programa.
Además, proporcionamos a las startups apoyo adicional, incluyendo actividades promocionales, uso gratuito de Workspace (la suite ofimática de Google, que incluye Gmail, Google Drive y Google Docs), y soluciones para ayudar a las startups a llevar al mercado su producto mínimo viable (Minimum Viable Product, MVP) o su producto de primera generación. Todo esto está incluido en el programa Google Cloud for Startups. Así que me alegra que menciones esto, porque mucha gente误解 erróneamente que este programa es solo about提供 créditos, pero en realidad va mucho más allá.
Rebecca:Entonces, ¿cuántas startups participan actualmente en este programa? ¿Cómo proporcionan recursos de ingenieros e investigadores a estas startups?
Darren:
Actualmente hay miles de startups participando en este programa. Este año hemos visto un crecimiento significativo, impulsado principalmente por el atractivo tecnológico de Google, incluyendo las capacidades líderes de Gemini y DeepMind. Más importante aún es que vemos a las startups desde una perspectiva de ciclo de vida. Sabemos que cuando una startup agota sus créditos o no puede continuar usándolos, enfrenta un momento crucial de transición. Para ayudarlas en una transición suave, proporcionamos apoyo a nivel económico y comercial, permitiéndoles permanecer en nuestro ecosistema.
Aunque no puedo compartir tasas de retención específicas, medimos estrictamente la cantidad de startups que permanecen en la plataforma Google Cloud después de que terminan sus créditos. Desde una perspectiva de la industria, nuestra tasa de retención es muy alta, algo que nunca antes había visto en mi carrera profesional. Y esta cifra crece cada trimestre, lo que indica que incluso después de agotar los créditos, las startups eligen permanecer en nuestra plataforma.
TPUs y GPUs: Construyendo la libertad de elección
Rebecca:Una ventaja significativa de Google Cloud es que tienen sus propias TPUs (Tensor Processing Units), ¿verdad? ¿Qué tan grande es la ventaja diferenciadora de las TPUs para atraer startups? Al mismo tiempo, ¿esto podría traer algunos problemas potenciales, como que las startups, acostumbradas a construir con TPUs, puedan encontrar dificultades al cambiar a GPUs (Graphics Processing Units)?
Darren:
Es una muy buena pregunta. El problema central que mencionas refleja en realidad una filosofía importante nuestra: proporcionar a las startups libertad de elección. Creemos que esta flexibilidad es actualmente una gran ventaja competitiva nuestra.
A nivel de chips, las TPUs son una de las tecnologías centrales de Google. Ya hemos desarrollado la séptima generación y pronto lanzaremos la octava. A diferencia de algunos competidores que acaban de ingresar al campo de los chips, Google ha estado trabajando en este campo durante muchos años. Nuestras TPUs tienen un rendimiento excelente, junto con un sólido modelo comercial y económico, por lo que muchas startups están dispuestas a elegir construir sus productos basados en TPUs desde el principio.
Al mismo tiempo, también quiero enfatizar que no solo proporcionamos TPUs, sino que también tenemos una estrecha relación de colaboración con NVIDIA. Justo en la oficina detrás de mí, he tenido conversaciones profundas con el líder del equipo de startups de NVIDIA. Muchas startups tienen confianza en la tecnología de NVIDIA, y我们也 esperamos, a través de la colaboración con NVIDIA, ofrecer más opciones a las startups. Ya sea basado en TPUs o GPUs, nuestro objetivo es ayudar a los fundadores a encontrar la solución que mejor se adapte a ellos, no obligarlos a seguir un camino fijo. Encontramos que esta libertad de elección es muy importante para los fundadores y es una de nuestras grandes ventajas.
Qué hacer cuando se agotan los créditos de servicios en la nube y los costos se disparan
Rebecca: Mencionaste que muchas startups eligen permanecer en su plataforma después de agotar los créditos de Google, y la tasa de retención parece muy alta. Pero también he escuchado quejas de algunos fundadores de que sabían que los créditos se acabarían, pero no esperaban que fuera tan rápido, y el subsiguiente aumento de costos los tomó por sorpresa. En general, cambiar de servicio en la nube puede llevar meses, y las startups a menudo no tienen ese tiempo. El aumento de los costos de infraestructura, sumado al mayor poder de negociación de los proveedores de servicios en la nube, podría llevar a que las startups enfrenten el riesgo de quiebra antes de que sus ingresos cubran los costos. ¿Les han expresado su preocupación por sentirse atrapados? De ser así, ¿tiene Google la responsabilidad de ayudar a las startups a superar este momento difícil, o de proporcionar más recursos gratuitos para aliviar su presión?
Darren:
Esta es una pregunta muy importante, especialmente en los últimos seis a ocho meses, donde确实 hemos identificado algunos nuevos patrones de uso, particularmente en aplicaciones de IA. Hemos notado que pueden ocurrir picos de costos después de que se agotan los créditos de servicios en la nube, y para ello hemos tomado algunas medidas para ayudar a las startups a gestionar mejor sus costos.
Por ejemplo, en el proyecto desplegamos herramientas técnicas y mecanismos programáticos que permiten a los fundadores monitorear el uso de recursos y los costos a través de la consola, evitando exceder el presupuesto. La consola es una interfaz de gestión de servicios en la nube donde las startups pueden ver en tiempo real el consumo de recursos y la situación de costos. Nuestro objetivo es ayudarlos a autogestionarse, porque hay miles de startups en el proyecto y no puedo comunicarme individualmente con cada fundador. Por lo tanto,我们必须 proporcionar soluciones que no requieran intervención manual, ayudándoles a gestionar los recursos de manera más eficiente.
Al mismo tiempo, también hemos invertido muchos recursos en las etapas iniciales de las startups, ayudándoles a tomar decisiones de desarrollo, elección de plataforma y diseño de arquitectura. Esta intervención temprana ha reducido significativamente las sorpresas en cuanto a costos, principalmente por dos razones. Primero, nuestros ingenieros no solo se preocupan por los problemas técnicos, sino que también consideran los créditos de servicios en la nube asignados a la startup, la tasa de quema de efectivo (Burn Rate, la velocidad a la que una startup consume sus fondos en un período de tiempo) y la situación financiera general. Segundo, tenemos muy claro que dejar que los costos de una startup se descontrolen no beneficia a ninguna de las partes. Queremos establecer una cooperación a largo plazo con las startups, no que se vean obligadas a salir por quedarse sin fondos. Por lo tanto, nuestros ingenieros no solo proporcionan soporte técnico, sino que también ayudan a los fundadores a optimizar el uso de recursos desde un punto de vista económico y comercial, asegurando que puedan superar sin problemas la fase posterior al agotamiento de los créditos.
La transición de los chips a los modelos y agentes
Darren: Recientemente he notado un fenómeno muy interesante, y es que el foco de discusión de las startups está cambiando rápidamente. Hoy en día, las startups están comenzando a pasar de enfocarse en chips (como GPU y TPU) a prestar más atención a los modelos de datos y a los agentes (Agentic). Actualmente, alrededor del 10% al 15% de las discusiones aún giran en torno a los chips, pero la gran mayoría, aproximadamente del 80% al 85%, se centra en el desarrollo de modelos y agentes.
Este cambio altera enormemente el modelo económico de las startups. Por ejemplo, el costo de usar el modelo Gemini de Google para procesar tareas es significativamente diferente en comparación con los costos tradicionales de computación en nube. Gemini es un modelo de lenguaje grande avanzado desarrollado por Google, enfocado en aplicaciones de IA generativa. Puede ayudar a las startups a completar más tareas con menor costo y mayor velocidad.
Por lo tanto, necesitamos ayudar a las startups a alejarse de la atención excesiva en los chips y comenzar a discutir más sobre el desarrollo de modelos de datos y agentes.
Tendencias en la adopción de IA en startups
Rebecca:¿Qué tendencias has observado recientemente? ¿Qué cambios hay en la adopción de IA en empresas en etapa inicial? ¿Cómo definen el éxito?
Darren:
La forma en que se adopta la tecnología de IA está cambiando rápidamente.
Primero, en comparación con el pasado, las startups presentan nuevas características en términos de fuentes de financiamiento y antecedentes de los fundadores. En la era de la computación en nube, nos enfocábamos principalmente en aquellas startups que recibían grandes inversiones, generalmente respaldadas por firmas de capital de riesgo conocidas, como A16Z, Sequoia, Gradient y GV. Estas firmas son conocidas por descubrir fundadores y proyectos excelentes. Sin embargo, ahora vemos surgir cada vez más emprendedores primerizos, provenientes de universidades de élite, Y Combinator y algunos institutos de investigación de IA conocidos, como OpenAI, Anthropic y DeepMind. Estos nuevos fundadores traen más vitalidad innovadora, y al mismo tiempo nos obligan a prepararnos para necesidades de soporte más complejas y a mayor escala.
En segundo lugar, en los últimos 18 a 20 meses, el enfoque de las startups ha cambiado significativamente. Desde un enfoque inicial en tecnología de chips (como GPU y TPU), hasta un enfoque actual mayormente en el desarrollo de modelos de datos y agentes. Un agente (Agent) es un sistema de IA capaz de aprender autónomamente y ejecutar tareas complejas, generalmente combinado con modelos de lenguaje grande (LLM). Encontramos que la demanda de modelos por parte de las startups crece rápidamente, por ejemplo, el modelo Gemini de Google. Gemini es un modelo de lenguaje grande avanzado, enfocado en aplicaciones de IA generativa, capaz de ayudar a las startups a completar tareas complejas con menor costo y mayor velocidad.
Además, también notamos que otras empresas están desarrollando modelos excelentes, como Claude de Anthropic y Sonnet de Meta. Para satisfacer la creciente diversidad de necesidades de las startups, lanzamos una plataforma flexible, integrando estos modelos a través de Marketplace y Model Garden. Model Garden es una plataforma de integración de modelos proporcionada por Google, donde las startups pueden elegir e integrar múltiples modelos de IA. Esta flexibilidad permite a las startups utilizar soluciones multi-modelo, aprovechando al mismo tiempo la plataforma Google Cloud para la integración y el desarrollo.
Finalmente, aunque los chips y los modelos siguen siendo el foco de discusión, creemos que la clave del futuro reside en el desarrollo de datos, aplicaciones y agentes. Los agentes pueden resolver problemas complejos y personalizados, y sus aplicaciones son muy amplias; en el futuro podrían desarrollarse miles de agentes. En comparación, el número de competidores en el campo de los chips es menor, mientras que el potencial de los agentes es enorme. Google y Alphabet poseen una profunda acumulación técnica en los campos de datos, soporte para desarrolladores y aplicaciones, lo que nos da una ventaja única para impulsar el desarrollo de la tecnología de agentes. Creo que esta tendencia continuará impulsando la adopción de tecnología de IA por parte de las startups y logrará una innovación más eficiente.
¿Los agentes ya han comenzado a generar ingresos reales?
Rebecca:¿Se está traduciendo ya la tecnología de agentes en ingresos reales? ¿Han visto este fenómeno?
Darren:
确实我们看到这种趋势。Los agentes están pasando gradualmente de experimentos científicos a aplicaciones prácticas, aunque esta transición se encuentra aún en una etapa temprana, ya muestra un gran potencial.
Tomemos como ejemplo la plataforma de agentes Gemini Enterprise de Google. Estamos ayudando a grandes empresas globales, como Walmart, Wells Fargo y Verizon, a obtener soluciones de agentes. Estos agentes pueden ser desarrollados por Google, por otras empresas o por equipos internos de TI de las empresas, para resolver problemas prácticos. Para estas empresas, los agentes ya están creando valor real optimizando procesos, mejorando la eficiencia, etc.
Para las startups, el significado de Gemini Enterprise es aún más único. No solo permite a las startups utilizar la tecnología de Google para construir agentes, sino que también proporciona un canal de distribución global. Por ejemplo, si eres un fundador de una startup que ha desarrollado una plataforma automatizada de agentes para podcasts y deseas promocionarla a más usuarios, entonces Gemini Enterprise puede ayudarte a distribuir la solución a miles de empresas en todo el mundo. Estas empresas pueden utilizar agentes para resolver problemas prácticos, generando así ingresos y crecimiento de usuarios para la startup. Aunque este modelo se encuentra aún en una etapa temprana, creemos que esta oportunidad de mercado y distribución tiene un valor incomparable en el ámbito empresarial, y también es una oportunidad importante para las startups.
Rebecca:
Así que es realmente un ecosistema completo, desde el concepto hasta la promoción en el mercado. Obviamente, su arquitectura de computación está muy centralizada, pero he notado que algunas startups están experimentando con computación descentralizada para reducir costos y evitar el bloqueo (lock-in). ¿Crees que este enfoque puede ser una alternativa real a la infraestructura en nube centralizada, o es más bien un complemento?
Darren:
En este momento, no creemos que la computación descentralizada sea un reemplazo completo para la infraestructura en nube centralizada. Según el caso de uso específico y las necesidades del fundador, encontramos que la computación centralizada y la distribuida pueden usarse en combinación. La computación distribuida确实 puede reducir costos y disminuir la dependencia de un único proveedor de servicios en algunos casos, pero actualmente se parece más a un complemento de la infraestructura en nube centralizada que a una solución principal. Seguiremos monitoreando el progreso en este campo, pero por ahora sigue siendo una opción adicional.
Competencia con AWS y Microsoft
Rebecca:Desde la perspectiva del panorama competitivo actual del mercado de la nube, además de alternativas como la computación descentralizada, existen otros actores principales, como los proveedores de nube a hiperescala (Hyperscalers), por ejemplo, AWS y Microsoft. En el ámbito de las startups, ofrecen servicios similares a los suyos. Además de los aspectos únicos de Google que ya has mencionado, ¿qué otros elementos los hacen destacar en la competencia?
Darren:
Es una muy buena pregunta. Creo que el panorama competitivo actual del mercado de la nube está cambiando rápidamente, incluso se podría decir que este cambio ya ha ocurrido de manera significativa.
Primero, hablando de AWS y Microsoft, les tenemos mucho respeto. Estas empresas poseen una profunda acumulación técnica, talento excelente y un sólido apoyo financiero, siempre son competidores a tener en cuenta. Sin embargo, su posicionamiento en el mercado tiende más hacia un papel de distribuidores de tecnología, en lugar de proporcionar directamente soluciones tecnológicas avanzadas como Google. Google no solo desarrolla tecnología de IA de clase mundial, sino que también puede actuar como proveedor de primera parte para soportar capacidades de terceros, lo que nos hace únicos en la competencia.
Recientemente, en un evento para startups que organizamos en Mountain View, un fundador enfocado en tecnología climática compartió su experiencia. Había trabajado con AWS, pero encontró que los servicios de AWS tendían más a distribuir otras tecnologías, mientras que Google podía proporcionar directamente soporte técnico avanzado de IA. Esta diferencia nos da una ventaja única al competir con otros proveedores de nube a hiperescala.
En segundo lugar, el enfoque de las startups también está cambiando. En el pasado, nuestras discusiones con los fundadores se centraban principalmente en el suministro de chips, como GPU y TPU. Pero ahora, más atención se dirige hacia el desarrollo de modelos de IA y agentes. Por ejemplo, el modelo Gemini de Google, que es un modelo de lenguaje grande (LLM) enfocado en aplicaciones de IA generativa, puede ayudar a las startups a completar tareas complejas con menores costos. Al mismo tiempo, otras empresas también están desarrollando modelos excelentes, como GPT-5 de OpenAI y Claude de Anthropic. Claude es un modelo de agente enfocado en el procesamiento automatizado de tareas complejas. Encontramos que muchas startups están integrando el uso de los modelos Gemini y Claude para optimizar soluciones, una forma de hacerlo muy única.
Además, en el pasado nuestras discusiones con los fundadores se centraban más en el nivel de chips, como el suministro de GPU y TPU, pero ahora el foco de la discusión se ha desplazado hacia los modelos de IA. Gemini es un modelo de lenguaje grande (LLM) avanzado desarrollado por Google, y Claude es el modelo de agente de Anthropic. Encontramos que muchas startups están usando tanto Gemini como Claude, esta forma de integración es muy única.
Finalmente, también quiero mencionar nuestra relación especial con Anthropic. Anthropic es tanto nuestro socio como nuestro competidor. Esta relación de cooperación y competencia es muy común en el mercado actual, pero también hace que el panorama competitivo sea más complejo. Observamos atentamente estos cambios dinámicos todos los días, porque la evolución del mercado es muy rápida.
Uso por parte de startups vs. Necesidad de pago continuo
Rebecca:La ruta de conversión de startup a cliente de nube, para Google, esto es parte de la adquisición de clientes de nube, ¿verdad? Entonces, cuando Google menciona un fuerte crecimiento en el uso de la nube, ¿cómo distinguen entre el uso financiado por créditos de las startups y la demanda real de pago continuo?
Darren:
Las startups, en el rápido desarrollo de la computación en nube y la IA, están cambiando la lógica económica tradicional de las TI empresariales. En el pasado, normalmente pensábamos que las empresas con más empleados eran los clientes más grandes, porque comprarían más productos. Pero ahora algunas pequeñas startups, como Cursor, Lovable y Open Evidence, aunque tienen un tamaño de plantilla pequeño, consumen recursos tecnológicos que superan con creces su propia escala. Estas empresas tienen la ingeniería como núcleo impulsor, llevando nuestra plataforma a nuevos límites técnicos. Por ejemplo, hacen sugerencias de optimización de modelos a DeepMind, feedback para mejorar las funciones de la nube a Google Cloud, esta forma de operar颠覆 por completo el modelo tradicional de TI empresarial.
Volviendo a tu pregunta, tenemos diferentes criterios para medir a las startups y a los clientes empresariales. Para las startups, nos enfocamos en su situación de uso real, medimos cuántas startups están construyendo productos en nuestra plataforma, cuánto usan el modelo Gemini, y cuántos modelos de terceros integran. Hemos pasado de enfocarnos en las compras a enfocarnos en el volumen de uso real. Ahora, puedo discutir con nuestro CRO (Director de Ingresos) y COO (Director de Operaciones) sobre el uso de servicios avanzados por parte de las startups, no solo datos crudos. Estas métricas de crecimiento son mi foco diario.
Además, prestamos especial atención a aquellas startups que se gradúan del programa de créditos en la nube, asegurándonos de que puedan hacer una transición suave a la etapa de pago continuo y lograr un desarrollo a largo plazo. Apoyamos a las startups desde la construcción técnica inicial hasta la promoción en el mercado posterior, ayudándoles a crear oportunidades de transacción y lograr crecimiento de ingresos. Nuestro objetivo es ayudar a estas empresas a tener éxito tanto a nivel técnico como económico de manera equilibrada.
Problemas potenciales: Encapsulamiento de LLM y agregadores
Rebecca:Mencionaste que muchas startups están usando créditos en la nube. ¿Qué tan seguros están de que las cargas de trabajo de IA de hoy se convertirán en ingresos a largo plazo para la nube de Google, y no solo en más créditos y más uso?
Darren:
Esta es una pregunta muy importante y una de las partes más emocionantes de mi trabajo. Cada día me despierto con la oportunidad de interactuar con fundadores que construyen con todas sus fuerzas productos en los que creen profundamente, este intercambio me llena de confianza y expectativa hacia el futuro.
Recientemente, hay dos fenómenos a los que quiero alertar especialmente a los emprendedores. El primero es el fenómeno del "encapsulamiento de modelos de lenguaje grande (LLM)". El encapsulamiento se refiere a agregar una capa de funcionalidad o propiedad intelectual alrededor de un modelo como Gemini o GPT-5 para formar una capa de aplicación. Sin embargo, encontramos que la demanda de la industria por este simple encapsulamiento está disminuyendo rápidamente. Si una startup depende únicamente del modelo backend para hacer todo el trabajo y prácticamente solo le pone su marca, esta forma de operar ya es difícil de validar. Hoy en día, las startups necesitan construir defensas profundas a través de la innovación, ya sea mediante diferenciación horizontal, o enfocándose en un vertical de mercado específico, desarrollando soluciones únicas. Aquellas startups que solo hacen un simple encapsulamiento generalmente tienen dificultades para lograr un crecimiento a largo plazo.
Otra tendencia notable es el desafío del modelo de "agregador". Los agregadores se refieren a sistemas que intentan construir una capa sobre múltiples modelos o plataformas para ayudar a los usuarios a elegir modelos. Este modelo ya apareció en el campo de la computación en nube, por ejemplo, algunas empresas intentaron construir una capa de selección de servicios sobre múltiples plataformas en la nube, o codificarlo directamente en un modelo. Sin embargo, encontramos que el crecimiento de este modelo de agregador no es significativo, porque los usuarios esperan ver más funcionalidades inteligentes, no solo una simple capa de selección. Los usuarios希望希望 que el sistema pueda entender realmente sus necesidades y recomendarles el modelo que mejor se adapte a través de funciones inteligentes, en lugar de solo proporcionar una capa delgada de opciones.
Áreas de enfoque: Biotecnología, tecnología climática y modelos mundiales
Darren:
En algunos campos, vemos tendencias muy emocionantes, como la generación de código y las plataformas de desarrolladores. 2025 fue un año lleno de maravillas, mi experiencia de colaboración con Replete, Lovable y Cursor fue muy emocionante, estas empresas están remodelando por completo el campo de la generación de código y las herramientas de desarrollo.
Además, la biotecnología es también un campo lleno de potencial. Creemos que la combinación de tecnología y biología es clave para resolver grandes problemas de salud, como el tratamiento del cáncer. La biología por sí sola no puede completar tal tarea, y la incorporación de la tecnología está cambiando este panorama. Personalmente, también tengo una conexión emocional especial con este campo. Mi hija está cursando un doctorado en ingeniería biomédica en una universidad cercana, y utiliza el modelo AlphaFold en el laboratorio, una herramienta de IA desarrollada por DeepMind para predecir estructuras de proteínas. Esta herramienta le permite realizar tareas de investigación que antes no podía. Los campos de biotecnología y salud digital están experimentando un crecimiento explosivo, estamos viendo algunas innovaciones sorprendentes.
Otro campo prometedor es la tecnología climática. Aunque siempre hemos esperado un avance en tecnología climática, ahora finalmente estamos viendo progresos significativos. El capital de riesgo está fluyendo en grandes cantidades hacia este campo, y las startups también están innovando utilizando cantidades masivas de datos. Al integrar estos datos, estas empresas pueden resolver problemas climáticos de formas antes inimaginables, la tecnología climática es uno de los campos de más rápido crecimiento que vemos.
Finalmente, está la innovación en la experiencia del consumidor. La tecnología está redefiniendo cómo llevamos herramientas avanzadas directamente a los consumidores. Mi otra hija es estudiante de cine y televisión, y ha creado muchas obras utilizando VO y nuestros últimos modelos. Estas tecnologías le permiten realizar proyectos creativos que antes eran difíciles de completar. Ahora, podemos permitir que más personas realicen sus sueños, eso me emociona mucho.
Actualmente, biotecnología, tecnología climática y experiencia del consumidor son las áreas en las que nos enfocamos. Estas industrias se están desarrollando rápidamente, y vemos un crecimiento significativo en el ecosistema, una fuerte tasa de retención y un interés creciente. Es una era llena de oportunidades, estamos llenos de expectativas hacia el futuro.
Palabras finales
Rebecca:Consideran que las áreas que enfrentan desafíos y tienen un crecimiento lento son algunos problemas potenciales, como el modelo de agregador. Mientras que aquellas que pueden lograr un crecimiento a largo plazo son industrias emergentes como la biotecnología, los modelos mundiales y la creación cinematográfica. ¿Podrías dar algunos ejemplos de startups que están creciendo rápidamente para convertirse en clientes importantes de Google Cloud?
Darren:
Por supuesto. Actualmente ya hemos mencionado varias veces a Harvey, una startup enfocada en servicios profesionales y el ámbito legal, que está creciendo rápidamente para convertirse en un cliente importante nuestro. Además, está la startup de tecnología climática Watershed, con la que tenemos una cooperación profunda. En cuanto al campo de las plataformas de desarrolladores, las empresas que mencioné anteriormente, Replete, Lovable y Cursor, también se están desarrollando rápidamente. Continuaremos mostrando estas startups a través de varios canales, incluyendo podcasts como este, y el evento Google Cloud Next que se celebrará en abril de este año. Esta es la conferencia tecnológica anual de Google Cloud, enfocada en mostrar las últimas tecnologías en la nube y casos de cooperación. Al mismo tiempo, también brindaremos más oportunidades de exposición a estas startups en nuestros propios eventos, ayudándolas a crecer y desarrollarse.
