Google y Oracle anunciaron un acuerdo para que los chips TPU (Tensor Processing Unit) de Google lleguen por primera vez a Oracle Cloud Infrastructure (OCI). El anuncio, firmado el 27 de octubre de 2026, convierte a OCI en el primer gran proveedor de nube fuera de Google que ofrecerá TPU en renta, un movimiento que altera el tablero del mercado de chips para inteligencia artificial y que interesa directamente a empresas de México y América Latina que entrenan modelos o despliegan inferencia en la nube.
Qué implica el acuerdo entre Google y Oracle
Según lo publicado por ambas compañías, la instalación de capacidad TPU en OCI comenzará en el año calendario 2027, con una expansión prevista a lo largo de varios años. El detalle temporal es clave: hoy todavía no hay TPU disponibles para los clientes de Oracle, y ninguno de los dos comunicados menciona precios.
La división de responsabilidades quedó así:
- Oracle se encarga de la energía, el sistema de enfriamiento y la red dentro de sus propios centros de datos.
- Google aporta los chips y el software diseñado específicamente para ellos.
El argumento que Google Cloud expuso en su blog no es el precio, sino la infraestructura. Los TPU de nueva generación están diseñados para enfriamiento líquido de rack completo, y Oracle afirma que sus centros de datos más recientes se construyeron para soportar ese perfil térmico. El segundo argumento es la base de clientes empresariales de Oracle, que ya operan Oracle Database como sistema central: colocar TPU junto a esos datos permite entrenar modelos o hacer inferencia sin mover información entre nubes.
Las dos arquitecturas de la octava generación de TPU
Oracle detalló que la octava generación de TPU incluye dos arquitecturas distintas:
- TPU 8t, orientada al entrenamiento de modelos. Según la compañía, reduce los ciclos de desarrollo de modelos frontera de varios meses a varias semanas y ofrece casi el triple de potencia de cómputo por pod respecto a la generación anterior.
- TPU 8i, diseñada para cargas de inferencia en las que varios agentes trabajan de forma iterativa y alternada.
Google, por su parte, afirma que la octava generación alcanza hasta 12.6 PFLOPS de cómputo FP4 nativo por chip. La empresa destacó tres métricas que conviene leer completas: un goodput superior al 97% en entrenamientos de modelos grandes con miles de chips, una mejora de hasta 80% en eficiencia por dólar para tareas de servicio con baja latencia, y una reducción de más de la mitad en los saltos de red gracias a una nueva topología.
Es importante señalar que estas tres cifras son mediciones de Google. Aún no existe un estudio independiente que las replique sobre OCI, simplemente porque la infraestructura todavía no está disponible para pruebas.
El reporte sobre OpenAI y su peso en la balanza
The Information publicó también el 27 de octubre de 2026 que OpenAI planea comprar chips TPU a Google, citando fuentes anónimas. El reporte no revela el monto ni los detalles del acuerdo. Reuters buscó una postura oficial: OpenAI declinó comentar y Google no respondió de inmediato.
La distinción importa: no es lo mismo un anuncio conjunto de las compañías que un reporte de medios basado en fuentes. El peso informativo no es equivalente.
OpenAI es uno de los mayores clientes de chips de Nvidia y, al mismo tiempo, busca alternativas. En junio de 2026 presentó un chip diseñado en conjunto con Broadcom, con planes de usarlo antes de que termine este año. Eso significa que la empresa estaría diversificando sus fuentes en tres vías: Nvidia, su propio silicio y los TPU de Google. No se trata de un cambio de proveedor, sino de una ampliación.
El historial que explica el movimiento
En abril de 2026, Google ya había anunciado la venta directa de hardware TPU a un grupo reducido de clientes para que lo operaran en sus propios centros de datos. La demanda creció tanto que incluso investigadores de Google tuvieron que hacer fila para usar TPU. El director financiero de Alphabet indicó que la compañía reconocerá solo una parte menor de los ingresos por TPU al cierre de este año, y que la mayor parte llegará en 2027.
CNBC reportó que TD Cowen estima un margen operativo de alrededor de 20% para el negocio de venta de TPU, frente a cerca de 35% del negocio de nube en el trimestre más reciente. Ninguna de esas cifras proviene de Google. Otra estimación, de SemiAnalysis, calcula que el TPU Ironwood tiene un costo total de propiedad y operación aproximadamente 44% menor que los servidores GB200 de Nvidia. Ese dato es la razón económica que explica el interés de los clientes, aunque el ecosistema de software sigue siendo la variable por demostrar.
Anthropic, Broadcom y el financiamiento que mueve la pieza
En octubre de 2025, Anthropic acordó usar hasta un millón de TPU en un acuerdo valuado en decenas de miles de millones de dólares. Mizuho estima que ese contrato implicó casi un gigavatio de capacidad instalada este año, y describió la relación como un caso en el que Google está armando a su competidor de modelos más cercano.
En la misma semana, Broadcom reveló un mecanismo financiero de 63,000 millones de dólares respaldado por Blackstone y otros tres bancos, destinado a comprar TPU y equipo de red para que Anthropic los rente durante cinco años.
Qué significa para las empresas de la región
Para un equipo en México o Latinoamérica que entrena modelos pequeños en la nube y cuyo costo principal es la renta de GPU por hora, la llegada de un segundo proveedor con una arquitectura distinta puede presionar los precios a la baja en el mediano plazo. Pero eso solo ocurre si el software permite mover cargas con facilidad entre plataformas. En ese punto, la apertura de TorchTPU adquiere más relevancia que el anuncio mismo, porque reduce el costo de migrar trabajo entre proveedores.
El panorama tiene dos capas. La primera es el acuerdo con Oracle, confirmado por ambas empresas y con un plazo claro: 2027. La segunda es el caso de OpenAI, que sigue siendo un reporte de fuentes anónimas sin confirmación de las compañías involucradas. Ambas capas apuntan en la misma dirección: Google está pasando de ser usuario interno de TPU a vendedor de chips para terceros. Y ese es el punto donde el mercado de chips para inteligencia artificial empezará a medirse por costo por token, no solo por el nombre del modelo.