El gigante tecnológico profundizó su alianza con Marvell para desarrollar semiconductores destinados a inteligencia artificial. El acuerdo podría generar hasta US$120.000 millones en compras y darle a Google derecho a adquirir una participación valuada en US$12.200 millones.
Durante la primera etapa de la inteligencia artificial, Nvidia se convirtió en la gran proveedora de la revolución. Sus GPUs permitieron entrenar y ejecutar buena parte de los modelos que impulsaron el boom tecnológico.
Pero algunos de sus mayores clientes están comenzando a construir una alternativa.
Google profundizó su acuerdo con Marvell Technology para desarrollar una amplia familia de chips personalizados vinculados con su ecosistema de inteligencia artificial y otorgó al gigante tecnológico el derecho a adquirir hasta 58,97 millones de acciones de Marvell.
Al precio de ejercicio establecido, la participación podría alcanzar un valor aproximado de US$12.200 millones.
Sin embargo, la cifra verdaderamente extraordinaria aparece en las condiciones.
La mayor parte de esas acciones se irá habilitando en función de las compras que Google realice a Marvell. El acuerdo contempla tramos asociados a cada US$500 millones de facturación y podría representar hasta US$120.000 millones en productos personalizados hacia 2033.
Eso muestra cuánto cambió la economía de los semiconductores.
Google lleva años desarrollando sus propias TPU —Tensor Processing Units—, procesadores diseñados específicamente para cargas de inteligencia artificial. La nueva alianza ampliará ese ecosistema hacia aceleradores de inferencia, controladores de almacenamiento, interfaces de red, memoria y tecnologías capaces de procesar datos cerca del lugar donde están almacenados.
El objetivo empresarial es sencillo de comprender: no utilizar el mismo chip para resolver todos los problemas.
Las GPUs son extremadamente flexibles y potentes. Pero esa capacidad también tiene un costo. Cuando una compañía opera centros de datos gigantescos, diseñar un semiconductor para una tarea específica puede permitir reducir consumo energético, mejorar velocidad y disminuir el costo por operación.
La diferencia se vuelve especialmente relevante en la etapa de inferencia.
Entrenar un modelo ocurre determinadas veces. Ejecutarlo ocurre constantemente.
Cada pregunta realizada a un asistente, cada traducción automática, cada recomendación comercial y cada agente autónomo que completa una tarea necesita procesamiento. Multiplicado por miles de millones de interacciones, unos pocos centavos de diferencia pueden representar fortunas.
Por eso los grandes proveedores cloud buscan controlar cada vez más la arquitectura física de sus servicios.
Amazon desarrolló Trainium y Inferentia. Microsoft trabaja con Maia. Google lleva varias generaciones de TPUs. Meta también desarrolla silicio propio.
La inteligencia artificial está generando una integración vertical semejante a la que históricamente se observó en otras industrias intensivas en escala.
El acuerdo también tiene otra lectura: diversificación.
Broadcom ha sido uno de los socios fundamentales de Google para chips personalizados. Marvell no necesariamente lo reemplazará, pero introduce una segunda gran fuente tecnológica. Después del anuncio, las acciones de Marvell subieron con fuerza y las de Broadcom retrocedieron, reflejando la importancia que el mercado asignó al movimiento.
Para los empresarios que no fabrican chips existe una enseñanza estratégica.
Cuando una tecnología se transforma en parte crítica del negocio, depender completamente de un proveedor puede convertirse en un riesgo. Las grandes compañías tecnológicas lo están resolviendo mediante integración vertical y diversificación.
Google no quiere abandonar Nvidia ni necesariamente reemplazar a Broadcom. Quiere tener más alternativas.
También existe una cuestión de márgenes. Si la IA se convierte en una característica presente en todos los servicios digitales, la empresa capaz de reducir el costo de cada consulta tendrá una ventaja acumulativa enorme.
La misma lógica puede aplicarse a organizaciones mucho más pequeñas.
Quizás una pyme nunca diseñe su propio semiconductor. Pero sí deberá decidir qué procesos mantiene en un proveedor, cuáles distribuye entre varios y cuáles constituyen una capacidad suficientemente importante como para desarrollar internamente.
La carrera de la IA empieza a desplazarse desde el modelo hacia toda la cadena que existe detrás de él.
Y Google acaba de demostrar que uno de los campos más importantes de esa batalla será algo que el usuario nunca ve: el chip que procesa su pregunta.
