Google y Amazon lanzaron herramientas que facilitan el uso de sus propios procesadores para desarrollar inteligencia artificial, sin obligar a los programadores a reconstruir sus aplicaciones. La estrategia busca reducir la dependencia de Nvidia, cuyos chips y software se han convertido en referentes de la industria.

PyTorch, la clave para competir contra Nvidia

La disputa se centra en PyTorch, una plataforma de código abierto utilizada para desarrollar modelos de inteligencia artificial. De acuerdo con cifras citadas por Amazon, alrededor del 85% de las aplicaciones de IA se construyen con esta tecnología.

Durante años, Nvidia fortaleció su posición gracias a CUDA, su plataforma de software que permite aprovechar sus unidades de procesamiento gráfico (GPU) para entrenar y ejecutar modelos de inteligencia artificial. Su integración con las herramientas de desarrollo convirtió a sus chips en una opción predominante para empresas e investigadores.

Sin embargo, esa ventaja también ha dificultado que los desarrolladores cambien de fabricante, pues migrar aplicaciones puede requerir ajustes técnicos, pruebas y trabajo adicional. Las nuevas herramientas de Google y Amazon buscan reducir esas barreras y ampliar las alternativas disponibles.

Amazon presenta TorchNeuron para sus chips Trainium

Amazon fue la primera empresa en anunciar una solución con TorchNeuron, una herramienta diseñada para adaptar aplicaciones de PyTorch a sus procesadores Trainium mediante cambios de configuración.

La compañía también anunció que contribuirá con código al proyecto central de PyTorch para reducir las dependencias de un fabricante específico y facilitar que los desarrolladores utilicen diferentes arquitecturas de hardware.

Colin Brace, vicepresidente de tecnología de software en Annapurna Labs, la unidad de Amazon dedicada al diseño de chips, señaló que el objetivo es eliminar las barreras que impiden a los programadores elegir entre distintas opciones.

Como ejemplo de los posibles beneficios, Amazon mencionó a Deepgram, una empresa especializada en inteligencia artificial de voz. Según los datos difundidos por la compañía, después de migrar a Trainium, la firma logró procesar un 70% más de audio por cada dólar gastado.

Google libera TorchTPU para impulsar sus procesadores

Google presentó TorchTPU durante la conferencia PyTorch 2026, con el propósito de facilitar el entrenamiento, la ejecución y el despliegue de modelos de inteligencia artificial en sus unidades de procesamiento tensorial (TPU).

La herramienta busca funcionar con las mismas herramientas que los programadores ya utilizan, entre ellas Hugging Face, vLLM y SGLang. De esta manera, los desarrolladores pueden explorar los procesadores de Google sin tener que rehacer por completo sus flujos de trabajo.

El proyecto fue desarrollado en colaboración con el equipo de PyTorch de Meta. La compañía que creó originalmente la plataforma en 2016 transfirió su administración a una fundación sin fines de lucro en 2022.

Jana van Greunen, directora de ingeniería de PyTorch en Meta, destacó la importancia de evitar que el desarrollo de inteligencia artificial quede limitado a una sola arquitectura de hardware.

Hugging Face también participó en el anuncio. Jeff Boudier, vicepresidente de producto de la plataforma, explicó que la colaboración busca dar a los programadores mayor libertad para seleccionar los procesadores que mejor se adapten a sus necesidades, sin perder acceso a sus modelos preferidos.

Google reporta pruebas con miles de procesadores

Como parte de su presentación, Google informó que probó TorchTPU con modelos entrenados en hasta 8,000 procesadores de su serie Ironwood.

La empresa también reportó una eficiencia de cómputo del 52% al trabajar con la familia de modelos Qwen. Estas cifras fueron presentadas como evidencia de que su tecnología puede operar a gran escala, aunque por sí solas no demuestran que sus procesadores sean superiores a los de Nvidia en todos los escenarios.

¿Google y Amazon pueden desplazar a Nvidia?

Las nuevas herramientas representan un intento de debilitar una de las principales ventajas competitivas de Nvidia: la combinación de sus chips con un ecosistema de software ampliamente adoptado.

Si desarrollar y ejecutar modelos en procesadores alternativos se vuelve más sencillo, las empresas podrían comparar costos, rendimiento y eficiencia energética antes de decidir qué infraestructura utilizar.

No obstante, el lanzamiento de TorchNeuron y TorchTPU no significa que los desarrolladores vayan a abandonar de inmediato a Nvidia. La compañía mantiene una posición consolidada, mientras que cualquier migración puede requerir ajustes, validaciones y pruebas para garantizar que las aplicaciones funcionen correctamente.

La competencia, por tanto, no depende únicamente de fabricar chips capaces de procesar inteligencia artificial. También exige ofrecer herramientas compatibles, soporte técnico y un entorno de desarrollo que permita a los programadores trabajar sin obstáculos.

Con sus nuevas soluciones, Google y Amazon buscan convertir la flexibilidad del software en una ventaja competitiva y abrir el mercado de procesadores de inteligencia artificial a más alternativas.