Google liberó el código de TorchTPU, una herramienta que permite trasladar programas de inteligencia artificial pensados para los chips de Nvidia a los procesadores propios de la empresa sin necesidad de reescribir el código. El anuncio se produjo en la conferencia PyTorch 2026 y llegó apenas un día después de que Amazon presentara una solución equivalente. Las dos movidas apuntan al mismo blanco: el negocio que sostiene el liderazgo de Nvidia en la industria.

El punto de disputa es PyTorch, el programa de código abierto con el que se construye la mayor parte de los modelos de IA. De acuerdo con cifras que difundió Amazon, el 85% de las aplicaciones de inteligencia artificial se desarrollan sobre esa plataforma, que durante años funcionó mejor sobre las GPU, los chips gráficos que Nvidia diseñó para entrenar modelos.

El software que ató a la industria

Esa ventaja no fue casual. Nvidia dedicó años a ajustar CUDA, su propio software, para que encajara a la perfección con PyTorch. El resultado fue que sus procesadores quedaron integrados al estándar de la industria casi por defecto, incluso cuando existen alternativas de AMD o Apple.

Amazon fue la primera en moverse. El lunes presentó TorchNeuron, una versión adaptada a Trainium, su chip propio, que permite migrar una aplicación con solo cambiar un parámetro de configuración. La compañía también anticipó que enviará código al proyecto central de PyTorch para desactivar las partes que lo atan a un fabricante específico.

"Lo que de verdad importa es eliminar el bloqueo que le impedía a los desarrolladores tener una opción real", dijo Colin Brace, vicepresidente de tecnología de software en Annapurna Labs, la unidad de Amazon que diseña sus chips.

La empresa citó el caso de Deepgram, una firma de IA de voz que, después de migrar a Trainium, procesa un 70% más de audio por cada dólar que gasta.

La respuesta de Google y sus aliados

Al día siguiente, Google presentó TorchTPU. La herramienta permite entrenar, servir y desplegar modelos sobre sus procesadores TPU (las unidades que la empresa diseña para IA) con las mismas herramientas que ya usan los programadores, entre ellas Hugging Face, vLLM y SGLang.

El proyecto se desarrolló junto con el equipo de PyTorch dentro de Meta, la empresa que creó el programa en 2016 y lo cedió en 2022 a la fundación sin fines de lucro que lo administra.

"No podemos quedar atados a una sola arquitectura de hardware", afirmó Jana van Greunen, directora de ingeniería de PyTorch en Meta, según el comunicado de Google.

Hugging Face, la plataforma que aloja miles de modelos de IA de uso abierto, también se sumó al anuncio. Su vicepresidente de producto, Jeff Boudier, señaló que la colaboración busca que los programadores puedan elegir el hardware que mejor les convenga sin perder acceso a sus modelos favoritos.

Una pelea que recién empieza

Ninguna de las dos herramientas garantiza que los desarrolladores abandonen en masa a Nvidia. Cambiar de chip sigue implicando ajustes y pruebas, y la compañía conserva años de ventaja en rendimiento y en el ecosistema de software que construyó alrededor de sus procesadores.

Google informó que ya probó TorchTPU entrenando modelos con hasta 8.000 procesadores de su serie Ironwood y que alcanzó una eficiencia de cómputo del 52% con la familia de modelos Qwen. La empresa presenta esa cifra como evidencia de que su alternativa ya funciona a gran escala.