Google está desarrollando un chip propio llamado internamente «Frozen v2» que podría hacer sus modelos Gemini entre 6 y 10 veces más eficientes que la generación actual, según fuentes consultadas por The Information. El chip está previsto para 2028 y apunta específicamente a la inferencia —el proceso de ejecutar los modelos para responder consultas.

La era de los chips propios

La industria de la IA vivió años con dependencia casi total de Nvidia, cuyos GPUs se convirtieron en el estándar para entrenar y ejecutar modelos de lenguaje. Pero esa dependencia tiene un costo. Las empresas que más invierten en IA —Google, Microsoft, Meta, OpenAI, Anthropic— están acelerando sus propios programas de diseño de chips para reducir exposición a Nvidia y ganar ventajas competitivas específicas.

Por qué la eficiencia es el nuevo campo de batalla

Alphabet anunció un gasto de entre USD 180.000 y USD 190.000 millones para su estrategia de IA. A esa escala, un chip seis veces más eficiente significa menos energía, menos servidores y ahorros de cientos de millones de dólares. La noticia del Frozen v2 fue suficiente para que las acciones de Alphabet subieran un 3% el lunes previo al reporte trimestral.

OpenAI y Anthropic también compiten en hardware

OpenAI lanzó en junio su primer chip propio para inferencia, denominado Jalapeño. Anthropic está en conversaciones con Samsung para un chip personalizado. La tendencia es clara: los grandes laboratorios quieren controlar su propio stack de hardware, y quien lo logre tendrá una ventaja operativa difícil de revertir.

El impacto para usuarios corporativos

Para empresas que usan servicios de IA en la nube, esta carrera es una buena noticia: mayor eficiencia de los proveedores se traduce en costos más bajos por consulta y, eventualmente, en precios más accesibles para implementaciones a gran escala.