Google pone el foco en los nuevos TPU 8t y 8i para sostener la era de los agentes de IA a gran escala

Google ha aprovechado Cloud Next 2026 para reforzar su discurso en infraestructura de inteligencia artificial con una idea bastante clara: la siguiente fase de la IA no va solo de responder preguntas, sino de ejecutar tareas complejas con agentes especializados que colaboran entre sí. Y en ese escenario, la compañía cree que el salto más importante está en sus nuevos TPU de octava generación, presentados como la base técnica para entrenar y servir esos sistemas a gran escala.

La gran novedad es la separación de la familia en dos piezas distintas. Por un lado está TPU 8t, orientado al entrenamiento de modelos de gran tamaño. Google asegura que ofrece casi tres veces más capacidad de cálculo que la generación anterior y que puede agrupar 9.600 chips en un único superpod, con 121 exaflops de potencia y dos petabytes de memoria compartida. La compañía sostiene que esa combinación permite reducir entrenamientos de meses a semanas en cargas masivas.

Dos TPU de Google distintos para un mundo de IA más complejo

La otra mitad del anuncio es TPU 8i, diseñado para inferencia y aprendizaje por refuerzo. Aquí el foco no está tanto en la fuerza bruta como en la latencia y en la memoria disponible cerca del chip. Google ha triplicado la SRAM integrada hasta 384 MB, eleva la HBM a 288 GB y presume de una mejora del 80 % en rendimiento por dólar frente a la generación anterior para tareas de inferencia. En otras palabras, quiere que los agentes respondan más rápido y cuesten menos de operar.

El anuncio se completa con nuevas instancias A5X con NVIDIA Vera Rubin, nuevas VM con Axion, Intel y AMD, mejoras en red con Virgo Network y nuevas opciones de almacenamiento. Pero, más allá de todo ese catálogo, la parte realmente estratégica está en cómo Google intenta construir una alternativa propia y completa frente a la dependencia del ecosistema GPU. Los TPU vuelven a ser el núcleo de esa apuesta y ahora se afinan para dos trabajos cada vez más distintos: entrenar modelos gigantes y servir razonamiento en tiempo real.

Te interesa 👉 Los mejores portátiles para IA

Teniendo en cuenta todo esto, es evidente que Google no quiere limitarse a competir con modelos. Como no podía ser de otro modo, también quiere controlar la infraestructura exacta sobre la que se ejecutan y evitar la dependencia extrema de otras compañías, como NVIDIA. Y con la IA agéntica ganando peso, la compañía está intentando convencer al mercado de que sus TPU vuelven a ser una pieza diferencial en esa carrera.