Google crea chip propio para que Gemini vuele más rápido

Google estaría metido en el desarrollo de un nuevo chip de IA hecho a la medida, diseñado para que sus modelos Gemini funcionen de manera más eficiente. Según información de la industria, el chip, que está siendo creado por la división de hardware de Alphabet, busca optimizar el rendimiento y, al mismo tiempo, reducir significativamente el consumo de energía en cargas de trabajo de inteligencia artificial. Este movimiento es parte de la estrategia de Google para tener el control de toda la pila de IA, desde el hardware hasta el software. Al diseñar chips específicamente para la arquitectura de Gemini, la compañía puede lograr mejoras de rendimiento que el hardware de uso general no puede igualar. Se espera que el chip acelere tanto el entrenamiento como la inferencia, haciendo más barato y rápido desplegar modelos de IA a gran escala. La eficiencia energética es un punto central del proyecto. Los modelos de IA, especialmente los grandes modelos de lenguaje como Gemini, requieren cantidades enormes de electricidad para entrenarse y funcionar. Google se ha comprometido públicamente a reducir su impacto ambiental, y los chips más eficientes son una parte clave de ese esfuerzo. El nuevo chip podría reducir los costos de energía de forma considerable, haciendo que el despliegue de IA sea más sostenible. El desarrollo también tiene implicaciones estratégicas para la posición competitiva de Google. Al ser dueño de su diseño de chip, la compañía reduce su dependencia de proveedores externos como NVIDIA, que actualmente domina el mercado de chips para IA. Esto podría darle a Google ventajas en costos y un mayor control sobre su hoja de ruta de hardware. Aunque Google no ha confirmado oficialmente las especificaciones del chip ni su fecha de lanzamiento, fuentes de la industria sugieren que está en etapas avanzadas de desarrollo. El chip se sumaría al portafolio de silicio personalizado de Google, que ya incluye las Unidades de Procesamiento Tensorial (TPU) usadas para cargas de trabajo de IA. Esta iniciativa subraya la creciente carrera entre los gigantes tecnológicos para desarrollar hardware de IA especializado. A medida que los modelos se vuelven más grandes y complejos, los chips eficientes serán cada vez más críticos para mantener un rendimiento y una estructura de costos competitivos.