Nvidia sigue dominando el mercado de chips para inteligencia artificial, pero sus competidores aceleraron en noviembre. Google anunció dos nuevas variantes de sus procesadores TPU con las que completa cuatro sistemas lanzados en un solo año, y AMD empezó a despachar su nueva generación de procesadores para centros de datos, los EPYC 9006, que la empresa orienta a la carga que generan los agentes de IA. Los anuncios llegan en un momento delicado para Nvidia, cuyo cofundador y presidente ejecutivo, Jensen Huang, renunció con efecto inmediato el 12 de noviembre, según informó la propia compañía.
Para entender por qué importan, conviene separar las piezas. Los modelos de IA se entrenan y se ejecutan principalmente en aceleradores: las GPU de Nvidia y AMD o chips diseñados a medida, como las TPU de Google o los Trainium de Amazon. Pero cada servidor de IA también necesita procesadores centrales, las CPU, que coordinan el trabajo, alimentan de datos a los aceleradores y hacen funcionar bases de datos y almacenamiento. Los anuncios de Google apuntan a la primera categoría; los de AMD, a la segunda.
Según TechCrunch, Google presentó el lunes 9 de noviembre dos variantes de su octava generación de TPU, introducida en abril. La TPU 8tx, desarrollada junto con AMD a partir del chip TPU 8t, está pensada para entrenar y ejecutar modelos de forma confidencial: Google afirma que incorpora la seguridad directamente en el hardware para mantener aislados los datos sensibles y los pesos del modelo mientras se usan. La idea es que una empresa pueda entrenar con información propia sin que esos datos se muevan entre dispositivos. La segunda, la TPU 8i Max, une dos chips de inferencia TPU 8i en un solo encapsulado y, de acuerdo con Google, duplica la capacidad de cómputo, la memoria y el ancho de banda de memoria en el mismo formato de rack, lo que permite a los modelos manejar más información en cada consulta.
The Decoder subraya que no se trata de una generación nueva de silicio, sino de nuevas configuraciones de encapsulado, red y memoria sobre chips existentes. Ese diseño modular es lo que permite a Google sacar variantes en meses y no en años: la empresa asegura que por primera vez despachó cuatro sistemas TPU en un solo año. El mismo medio informó que Google ya cuenta con cerca de 100 clientes externos para sus TPU y que liberó como código abierto TorchTPU, una herramienta para que los programas escritos en PyTorch funcionen en sus chips con cambios mínimos. Ese último punto apunta directo a la mayor ventaja de Nvidia, su plataforma de software CUDA, sobre la que se ha construido buena parte del ecosistema de IA.
AMD, por su parte, anunció en julio la serie EPYC 9006, su nueva línea de procesadores para centros de datos, y el 10 de noviembre informó que las primeras plataformas ya se están despachando. De acuerdo con AMD Newsroom, el modelo tope ofrece hasta 256 núcleos y 512 hilos, y algunas configuraciones superan los 5 GHz. Xataka identifica la serie como Venice, la primera con la nueva arquitectura Zen 6, y agrega que se fabrica con el proceso de 2 nanómetros de TSMC y que AMD habla de una mejora de 27% en instrucciones por ciclo respecto de la generación anterior. Xataka recogió además, citando pruebas de Tom's Hardware sobre plataformas entregadas por AMD, que el chip de 256 núcleos fue cerca de 93% más rápido que su antecesor y que un modelo de 96 núcleos superó en torno a 17% a la CPU Vera de Nvidia, aunque advierte que Vera gana en algunas pruebas de memoria.
¿Qué tienen que ver los agentes de IA con una CPU? AMD sostiene en su comunicado que la IA agéntica exige mucho más cómputo que el que puede entregar la aceleración por GPU por sí sola. En su anuncio de noviembre explica que los flujos con agentes no corren como un solo proceso, sino que se reparten en muchos agentes, llamadas a herramientas y subtareas simultáneas, y que aunque la inferencia sigue dependiendo de las GPU, es la CPU la que las mantiene abastecidas de datos y trabajo. Además, las bases de datos y servicios que consultan los agentes corren en procesadores de propósito general, cuya demanda crece a medida que se despliegan más agentes. AMD distingue tres funciones para el procesador central en estos equipos: correr agentes en entornos aislados, operar como nodo anfitrión que alimenta a las GPU y sostener los servicios de apoyo. Si los agentes que navegan, ejecutan código y consultan sistemas se masifican, la CPU deja de ser un actor secundario en los centros de datos.
El mapa que dejan estos anuncios es más diverso que hace un par de años. Google vende capacidad de TPU a terceros, AMD compite tanto en aceleradores como en CPU, y TechCrunch recuerda que Microsoft, Amazon, OpenAI y Anthropic desarrollan sus propios chips para depender menos de Nvidia.
Nada de esto significa que Nvidia haya perdido su posición: sigue siendo el proveedor de referencia y presentará sus resultados trimestrales el 17 de noviembre. Pero para las empresas y desarrolladores de América Latina que contratan cómputo en la nube, más competencia suele traducirse en más opciones y presión a la baja sobre los precios. Las fechas de disponibilidad y los precios de las nuevas TPU no fueron detallados en los reportes consultados.

