Google ha lanzado un proyecto interno llamado "TorchTPU" con un objetivo claro: lograr que sus TPUs (Unidades de Procesamiento Tensorial) sean completamente compatibles con PyTorch. En otras palabras, Google busca romper el dominio absoluto que NVIDIA tiene con su plataforma CUDA.
¿Por qué esto es importante? NVIDIA se ha convertido en la compañía con mayor capitalización bursátil del mundo gracias a dos factores. El primero, sus potentes GPUs diseñadas para inteligencia artificial. El segundo, y más crucial, es CUDA, una plataforma de software que utilizan prácticamente todos los desarrolladores de IA, pero que solo funciona en chips de NVIDIA. Esto significa que quienes quieren trabajar con la tecnología más avanzada en IA tienen que hacerlo sí o sí con hardware de NVIDIA... hasta ahora.
Las TPUs de Google, hasta ahora, estaban optimizadas para Jax, una plataforma propia que busca un objetivo similar al de CUDA. Sin embargo, la mayoría de la industria usa PyTorch, que lleva años siendo optimizada para trabajar con CUDA. Esta situación crea una barrera muy grande para que otras compañías puedan ofrecer alternativas competitivas.
Para acelerar este cambio, Google se ha asociado con Meta, la empresa detrás de PyTorch. Esta colaboración es interesante porque Meta, a pesar de haber creado PyTorch, también está muy ligada a NVIDIA y busca una alternativa para reducir sus costos en infraestructura con la ayuda de las TPUs de Google.
Además, Google ha cambiado la estrategia con sus TPUs, que antes eran exclusivas para uso interno. Desde 2022, la división de Google Cloud se encarga de su comercialización, convirtiéndolas en una fuente importante de ingresos y ampliando su uso a clientes externos como Anthropic. Aunque Google no ha dado detalles específicos sobre TorchTPU, han confirmado que quieren ofrecer a sus usuarios más opciones para elegir.
Esta alianza forma parte de un esfuerzo más amplio para desafiar la hegemonía de NVIDIA. Empresas como Huawei también están desarrollando su propio ecosistema para competir con CUDA, junto con varias compañías chinas de inteligencia artificial que buscan lo mismo.
En definitiva, el hardware es fundamental, pero el software pesa aún más. CUDA se ha convertido en una pieza clave para el éxito de NVIDIA, y otros fabricantes no han podido competir no por la potencia de sus chips, sino porque no cuentan con un soporte nativo de CUDA. Un buen ejemplo es AMD, que tiene GPUs de IA muy potentes, incluso superiores a las de NVIDIA en ciertos aspectos, pero carece del software robusto que haga brillar su hardware.
Con iniciativas como TorchTPU, Google pone en jaque el dominio de NVIDIA y abre la puerta a un futuro con más diversidad y competencia en el mundo de la inteligencia artificial.
