Google ha vendido tanta capacidad de TPU que sus propios investigadores están haciendo fila por el resto.

      Alphabet ejecuta la pila de infraestructura de IA más envidiable de la industria. El éxito de los acuerdos con terceros con Anthropic y Meta es la razón por la que el acceso interno se ha convertido en un recurso competitivo. Google ha pasado una década construyendo silenciosamente la posición más envidiable en infraestructura de IA: un negocio de nube saludable, sus propios chips personalizados y acuerdos de suministro que hacen que sus TPUs sean la alternativa predeterminada a Nvidia para los principales clientes externos. El éxito de esa estrategia ha producido un problema interno que la empresa no anticipó. Julia Love de Bloomberg informó el lunes que los propios investigadores de IA de Google, incluidos equipos dentro de Google DeepMind, ahora están compitiendo por el acceso a los recursos informáticos que su empleador también está vendiendo a Anthropic y Meta. El 💜 de la tecnología de la UE Las últimas novedades de la escena tecnológica de la UE, una historia de nuestro sabio fundador Boris y un arte de IA cuestionable. Es gratis, cada semana, en tu bandeja de entrada. ¡Regístrate ahora! La causa estructural es sencilla. Google ha acordado invertir hasta $40 mil millones en Anthropic en un acuerdo que incluye cinco gigavatios de capacidad de TPU durante cinco años y acceso a hasta un millón de chips Ironwood de séptima generación. Una línea de suministro separada, mediada por Broadcom, cubre otros 3.5GW de capacidad de TPU para Anthropic a partir de 2027, basándose en el 1GW que la empresa ya está recibiendo en 2026. Anthropic en sí ha descrito públicamente la pila de TPU de Google como central para su hoja de ruta de entrenamiento y servicio. Meta, el otro cliente de TPU a escala comercial que menciona Bloomberg, firmó su propio acuerdo a principios de este año. La capacidad que esos compromisos bloquean es capacidad no disponible para los equipos de modelos internos de Google sin hacer fila. El director ejecutivo de DeepMind, Demis Hassabis, dijo a principios de este año que la restricción corta en dos direcciones. Parte del cuello de botella es hardware: "unos pocos proveedores de unos pocos componentes clave", como él lo expresó, con memoria de alto ancho de banda de Samsung, Micron y SK Hynix siendo el punto de estrangulamiento más citado. Parte de ello es el rendimiento de la investigación, porque, en palabras de Hassabis, los investigadores "necesitan muchos chips para poder experimentar con nuevas ideas a una escala lo suficientemente grande". La restricción de hardware está en parte fuera del control de Google. La restricción de asignación interna no lo está. La aritmética detrás de esto es grande. Alphabet está en un rango de capex guiado de $175 mil millones a $185 mil millones para 2026, dentro de un gasto combinado de infraestructura de IA de Big Tech que ha superado los $650 mil millones este año. Google ha, en su propio comentario, estado poniendo en línea más de un gigavatio de nueva capacidad de computación de IA en 2026. La apuesta de una década por los TPUs finalmente está produciendo el tipo de ventaja en economía unitaria que permite a la empresa vender sus chips, alojar los modelos de sus competidores y realizar su propia investigación de frontera en la misma infraestructura. La infraestructura simplemente ya no es lo suficientemente grande para los tres usos a la vez. Los informes de Bloomberg nombran dos señales específicas de la tensión. Investigadores, incluido Ioannis Antonoglou, un colaborador de larga data de DeepMind, han partido hacia roles en startups en los últimos 18 meses, un patrón que se ha acelerado a medida que el acceso a la computación se ha vuelto más difícil de asegurar dentro de Google. Oren Etzioni, el ex director ejecutivo del Allen Institute for AI citado en el artículo, ha enmarcado la dinámica públicamente como el resultado predecible de un mercado interno en el que la computación se raciona por antigüedad gerencial en lugar de por la economía de costo unitario que rige los contratos con clientes externos. Google ha pasado los últimos 18 meses en una posición delicada: necesita que su programa de TPU demuestre tracción en volumen con clientes externos nombrados para validar la tecnología frente a Nvidia, mientras mantiene suficiente capacidad interna para las ejecuciones de entrenamiento de Gemini y la investigación de DeepMind. La cadena de suministro de chips de inferencia de cuatro socios con Broadcom, MediaTek y Marvell es una cobertura diseñada para aliviar la restricción al agregar capacidad aguas abajo del entrenamiento de TPU. Aún no se ha enviado a la escala que la curva de demanda requiere. Google no disputó el marco de asignación interna de Bloomberg en el registro; señaló su postura de inversión en infraestructura más amplia y el hecho de que las restricciones de computación son una condición general de la categoría en lugar de una específica de Google. Eso es cierto según la evidencia: cada proveedor de modelos importante está, en la lectura más clara de las ganancias del primer trimestre de 2026, restringido en computación en relación con sus propias aspiraciones de investigación. Lo que hace que la versión de Google sea digna de noticias es el lado a lado: la empresa se ha convertido, al mismo tiempo, en el mayor proveedor de infraestructura de sus principales competidores. Si puede seguir vendiendo el activo y usándolo es la pregunta que los próximos trimestres resolverán.