Los programas de IA hechos para Nvidia ya pueden pasarse a los chips de Google
Google ha abierto TorchTPU para que el software de IA más extendido funcione en sus chips sin reescribirlo. Amazon hizo algo parecido un día antes. Falta ver si los desarrolladores se mudan.

Lo esencial
- Google publicó TorchTPU como software abierto el 20 de octubre de 2026, desarrollado junto al equipo de PyTorch de Meta (MarkTechPost, TechCrunch).
- Lo afirma una partePyTorch, la herramienta con la que se crean muchos modelos de IA, la usan el 85 % de las aplicaciones de IA, según algunas estimaciones que cita TechCrunch (TechCrunch).
- Con TorchTPU, el código de PyTorch funciona en los chips de IA de Google cambiando la configuración, sin reescribir la aplicación (Hugging Face Blog, TechCrunch).
- Lo afirma una parteAmazon presentó el día anterior TorchNeuron, que hace lo mismo con sus chips Trainium (TechCrunch).
Por qué importa
Esto sugiere que Google y Amazon atacan el punto fuerte de Nvidia, que no es solo el chip sino el software. Según TechCrunch, la mayoría de las aplicaciones de IA se escriben pensando en sus chips (TechCrunch). Si cambiar de proveedor deja de costar una reescritura, las empresas tendrán más fácil elegir otros chips y otras nubes.
Los detalles
Hasta ahora, usar PyTorch en los chips de Google obligaba a pasar por un intermediario, PyTorch/XLA, que según Hugging Face funcionaba pero era difícil de depurar. Otra opción era aprender JAX, otra herramienta de Google (Hugging Face Blog). Google dice que TorchTPU sustituye a PyTorch/XLA y lo recomienda para todos los proyectos nuevos. Lo ha desarrollado con el equipo de PyTorch de Meta y lo publica con una licencia abierta (MarkTechPost).
Según TechCrunch, Google ha trabajado con Meta, Hugging Face y los creadores de vLLM y SGLang, dos herramientas para poner modelos en marcha, para que todo funcione como en PyTorch original (TechCrunch). También ha sacado un conjunto de agentesUn programa de IA al que no solo le haces preguntas: le das un encargo y él decide los pasos, usa otras herramientas (el navegador, el correo, un programa) y sigue hasta acabar. Verlo en el glosario que ayudan a trasladar las aplicaciones a sus chips (TechCrunch). Hay una pega: en un caso de ajuste finoCoger un modelo ya entrenado y darle un entrenamiento extra, más corto, con ejemplos de una tarea concreta. Verlo en el glosario, TorchTPU tardaba 11,49 segundos por paso sin configurar y 2,78 bien afinado, según cifras de Google (MarkTechPost).
Lo que no sabemos
- Si los desarrolladores dejarán de verdad los chips de Nvidia: TechCrunch advierte de que no lo harán en masa por poder hacerlo.
- Si las cifras de rendimiento que da Google se confirman en pruebas independientes.
- Si usar los chips de Google sale más barato que usar los de Nvidia.
Para entenderlo mejor
Fuentes
- Hugging Face ❤️ TorchTPU: TPUs, Natively
- Google Open-Sources TorchTPU, a Native PyTorch Backend for Cloud TPUs
- Google has joined Amazon in attacking Nvidia’s stronghold with AI app developers
¿Te ha servido esta historia? Sí No mucho
¿Ves un error? Escribe a maunga2@proton.me y lo corregimos a la vista.