Google podría superar a Nvidia en aceleradores de IA para 2028

¿Qué ha ocurrido?

Según una nota de Fubon Research publicada por el analista Sean en X, Google planea fabricar entre 12 y 15 millones de unidades de su acelerador de IA de novena generación (TPU v9) para 2028. Esta cifra superaría los 12,4 millones de GPU de IA para centros de datos que se estima que Nvidia venderá ese mismo año, según estimaciones del mismo informe. El informe señala que los TPU v9 utilizarán cuatro chiplets de cómputo, duplicando el consumo de capacidad respecto a 2027. Tom's Hardware, que reportó la nota, destaca que Google fue uno de los primeros hyperscalers en desarrollar sus propios procesadores de IA personalizados hace aproximadamente una década y ha ido aumentando su despliegue de forma constante.

¿Por qué es importante?

Nvidia domina actualmente el mercado de aceleradores de IA, con una cuota estimada superior al 80% en unidades vendidas para centros de datos, según datos de Mercury Research de 2023. Si las proyecciones de Fubon se cumplen, Google no solo alcanzaría a Nvidia en volumen, sino que podría superarla. Esto tendría implicaciones profundas: Google reduciría su dependencia de proveedores externos, aceleraría el desarrollo de sus propios modelos de IA (como Gemini) y presionaría a Nvidia a innovar más rápido. Además, el uso de Intel Foundry para fabricar estos chips, como sugiere la nota de Fubon, supondría un espaldarazo para la fundición de Intel, que busca posicionarse como alternativa a TSMC. Cabe recordar que Intel ha estado invirtiendo fuertemente en su proceso Intel 18A y en tecnologías de empaquetado avanzado como EMIB y Foveros, las cuales serían clave para integrar los cuatro chiplets del TPU v9.

Consecuencias para el mercado y los actores

• Para Nvidia: Aunque mantiene ventaja en rendimiento y ecosistema (CUDA), perder el liderazgo en volumen podría erosionar su poder de fijación de precios y su cuota de mercado a largo plazo. Nvidia ya enfrenta una creciente competencia de AMD con sus Instinct MI300 y de hyperscalers como Amazon (Trainium) y Microsoft (Maia). Si Google logra producir más aceleradores que Nvidia, podría forzar a Jensen Huang a acelerar sus ciclos de producto o reducir precios.
• Para Google: Integrar verticalmente la producción de aceleradores le da control sobre su cadena de suministro y optimiza costos, pero el desafío técnico de integrar cuatro chiplets es enorme. Google ya utiliza TPU v5p y v5e en sus centros de datos, y la transición a v9 implicaría un salto generacional significativo. Además, Google podría ofrecer capacidad de TPU v9 como servicio en Google Cloud, compitiendo directamente con las instancias basadas en GPU de Nvidia.
• Para Intel Foundry: Conseguir un cliente como Google para un producto de alto volumen validaría su tecnología de empaquetado avanzado (como EMIB y Foveros) y mejoraría su credibilidad frente a TSMC. Intel ha estado luchando por atraer clientes externos; un acuerdo con Google sería un hito comparable al que tuvo TSMC con Apple en 2014 para los chips A8. Sin embargo, la capacidad de Intel para cumplir con los volúmenes requeridos (12-15 millones de unidades) aún está por demostrarse, especialmente dado que su fundición aún no ha producido chips de IA de gran escala.
• Para TSMC: Podría perder parte de la demanda de Google, aunque seguiría siendo el principal fabricante de chips de IA de Nvidia, AMD y otros. TSMC actualmente produce los TPU de Google (como el TPU v5p en su proceso N5), pero si Google migra a Intel, TSMC podría ver reducidos sus ingresos de uno de sus mayores clientes. No obstante, la demanda general de chips de IA sigue creciendo, lo que podría compensar la pérdida.

Contexto histórico y tecnológico

Google lleva una década desarrollando sus propias TPU, desde la primera generación en 2015, diseñada inicialmente para inferencia. La TPU v2 (2017) añadió capacidad de entrenamiento, y desde entonces Google ha lanzado nuevas generaciones cada dos o tres años: v3 (2018), v4 (2021), v5e (2022) y v5p (2023). La decisión de usar cuatro chiplets en la v9 refleja una tendencia del sector hacia diseños modulares para escalar rendimiento, similar a lo que hace AMD con sus chiplets en CPUs y GPUs (por ejemplo, los Ryzen y EPYC). También recuerda a la estrategia de Intel con sus Xe GPU, que usan mosaicos. El uso de Intel Foundry, de confirmarse, sería un hito: por primera vez un hyperscaler confiaría en Intel para un chip de IA de gran volumen, rompiendo la dependencia casi total de TSMC. Históricamente, Google ha fabricado sus TPU con TSMC, pero la necesidad de diversificar la cadena de suministro y las ventajas potenciales de costo podrían inclinar la balanza.

“Si Google logra fabricar 15 millones de TPU v9 en 2028, estaríamos ante un cambio de paradigma: el mayor comprador de aceleradores de IA se convertiría también en el mayor fabricante, superando al proveedor tradicional Nvidia”. — Analista de Fubon Research (citado por Sean).

Lo que deben saber los lectores

Las proyecciones de Fubon son especulativas y no han sido confirmadas por Google ni Nvidia. El rendimiento de los TPU v9 frente a la arquitectura Rubin de Nvidia (prevista para 2026) es desconocido. Además, la capacidad de Intel Foundry para cumplir con los volúmenes requeridos aún está por demostrarse; Intel ha tenido problemas de rendimiento en el pasado con sus procesos avanzados. Sin embargo, la mera posibilidad de que Google supere a Nvidia en volumen de aceleradores refleja la creciente importancia de los chips personalizados en la nube y la necesidad de diversificar la fabricación. También pone de relieve la intensificación de la carrera por la supremacía en IA, donde los hyperscalers están invirtiendo miles de millones en silicio propio. Por ejemplo, Amazon anunció su chip Trainium2 en 2023, y Microsoft presentó Maia 100 en 2023. Google, con su experiencia en TPU, parece tener una ventaja de madurez.

Conclusión

El informe de Fubon Research pinta un escenario donde Google podría desafiar el dominio de Nvidia en aceleradores de IA para 2028, utilizando incluso a Intel Foundry como socio de fabricación. Si bien quedan muchas incógnitas (volúmenes reales, rendimiento, capacidad de Intel), la tendencia es clara: los hyperscalers están apostando fuerte por el silicio propio, y Google parece decidido a liderar esa carrera. La decisión final dependerá de la ejecución técnica y de la evolución del mercado, pero el simple hecho de que se considere una producción de 15 millones de unidades muestra la magnitud de la ambición de Google. Los próximos años serán cruciales para determinar si Nvidia mantiene su trono o si Google logra destronarlo con su propia tecnología.