Un acuerdo reportado, no confirmado
Reuters informó el 27 de octubre que OpenAI planea comprar chips de inteligencia artificial de Google, conocidos como TPU, citando un reporte de The Information basado en una persona familiarizada con el tema. La noticia no incluyó términos financieros ni cantidades. Google no respondió de inmediato a la solicitud de Reuters y OpenAI declinó comentar, por lo que conviene describirlo como un plan reportado, no como una compra cerrada.
La diferencia importa. Una negociación, una intención o un reporte basado en una fuente no equivalen a un contrato firmado, a una entrega de chips ni a una decisión de abandonar otros proveedores. Hasta que las compañías confirmen los detalles, no hay base para afirmar el volumen, el calendario ni el efecto comercial del posible acuerdo.
Qué es un TPU y por qué no es intercambiable con todo
TPU significa unidad de procesamiento tensorial. Google describe sus TPU como circuitos integrados de aplicación específica (ASIC) diseñados para acelerar ciertas cargas de aprendizaje automático, en especial las dominadas por operaciones matriciales. El diseño y el software que lo acompaña pueden ser eficientes para determinados modelos y formas de trabajo, pero el hardware adecuado depende de cada tarea.
La documentación de Google advierte que las cargas con muchas operaciones personalizadas o no compatibles pueden funcionar mejor en CPU o GPU. También explica que el código debe compilarse con XLA para ejecutarse en TPU. En la práctica, comparar procesadores implica probar el modelo real, revisar dependencias de software, estimar memoria y ancho de banda, y medir el costo total; no basta con comparar una cifra de velocidad anunciada.
Una estrategia para ampliar el cómputo
OpenAI ya utiliza GPU de Nvidia para entrenar y desplegar modelos. Reuters recordó que la empresa comenzó a alquilar TPU de Google en 2025, y que recientemente anunció que sus modelos más avanzados estarían disponibles mediante Google Cloud. OpenAI también presentó un programa de chips propios desarrollado con Broadcom, con un primer procesador que esperaba desplegar hacia fines de 2026.
Esos hechos apuntan a una estrategia con varias fuentes de cómputo, pero no prueban que OpenAI dejará de usar GPU ni que todos sus modelos migrarán a TPU. Las empresas de IA necesitan capacidad disponible para entrenar modelos, atender solicitudes y realizar tareas de inferencia. La disponibilidad, la ubicación de los centros de datos, las condiciones comerciales y la compatibilidad técnica pueden pesar tanto como el rendimiento de un chip.
El gasto esperado ayuda a entender la competencia. Reuters señaló que Amazon, Microsoft y Alphabet planean invertir hasta US$600.000 millones en infraestructura de IA durante 2026. Al mismo tiempo, algunos inversionistas cuestionan cuándo esos desembolsos producirán retornos. La carrera no es solo por diseñar modelos: también incluye contratar capacidad, construir centros de datos, asegurar energía y desarrollar software para que los procesadores trabajen eficientemente.
Qué puede aprender una pyme
Una empresa pequeña no necesita comprar un acelerador de IA solo porque las grandes compañías estén ampliando sus inversiones. Para la mayoría de los equipos, lo primero es medir qué tarea se desea resolver, cuánto uso tendrá, qué datos procesará y qué controles necesitará. En muchos casos será más razonable evaluar una herramienta o servicio en la nube que adquirir infraestructura propia.
Si se comparan proveedores, conviene revisar disponibilidad, costos por uso, protección de datos, compatibilidad con los sistemas actuales y facilidad de cambiar de plataforma. Diversificar puede reducir dependencia de un solo proveedor, pero también agrega trabajo para integrar y mantener sistemas. Un rendimiento superior en una prueba no garantiza que la solución sea más barata o apropiada para el flujo de trabajo de la empresa.
La noticia de OpenAI y Google es, por ahora, un indicador de la demanda por cómputo y de la búsqueda de alternativas. Su importancia final dependerá de lo que se confirme: términos, cantidad de capacidad, calendarios de entrega y tareas para las que se usarían los TPU. Jarvis RD comparte más contexto sobre adopción empresarial de tecnología en su blog.
También conviene separar tres modelos comerciales que a veces se confunden: comprar hardware, reservar capacidad de cómputo en la nube o acceder a un modelo alojado por un proveedor. Cada opción tiene costos, controles y dependencias diferentes. El reporte de Reuters no especifica cuál sería la estructura exacta de compra, por lo que no se debe inferir si se trata de un despliegue exclusivo, de una reserva de capacidad o de una migración completa. Para empresas más pequeñas, la lección es comparar el servicio que realmente se consume, no tratar una noticia de infraestructura como una recomendación de compra.
Una evaluación responsable empieza con una prueba que refleje el trabajo cotidiano: medir la calidad de respuestas, el tiempo por tarea, la privacidad de los datos y el costo por uso durante varias semanas. Si el sistema depende de un proveedor, conviene entender qué pasaría si cambian los precios o la disponibilidad. Esa planificación permite aprovechar nuevas opciones sin confundir novedad tecnológica con valor de negocio.
**Fuentes:** Reuters — plan de OpenAI para comprar chips de IA de Google, 27 de octubre de 2026; Google Cloud — introducción a los TPU.