LAS VEGAS — Google está expandiendo su estrategia de silicio personalizado para centros de datos más allá de los aceleradores de inteligencia artificial, presentando su primera unidad central de procesamiento (CPU) basada en Arm de diseño propio para computación en la nube de propósito general. El nuevo chip, llamado Axion, se presentó el martes en Google Cloud Next, ya que la compañía busca reducir la dependencia de los procesadores x86 convencionales y mejorar el rendimiento y la eficiencia energética para las cargas de trabajo que se ejecutan en su nube. Google afirma que las instancias de Axion ofrecerán hasta un 30 % más de rendimiento que las instancias en la nube basadas en Arm de propósito general más rápidas disponibles actualmente y hasta un 50 % más de rendimiento con hasta un 60 % más de eficiencia energética que las instancias x86 de la generación actual comparables. El anuncio indica que los procesadores están construidos sobre la arquitectura Neoverse V2 de Arm y serán compatibles con servicios como Google Compute Engine, Google Kubernetes Engine y Dataproc.

Esta iniciativa sitúa a Google más directamente al lado de Amazon Web Services, que lleva años expandiendo sus procesadores Graviton Arm, y de Microsoft, que anunció su propia CPU Cobalt en 2023. Reuters informó que el lanzamiento de Google refleja un esfuerzo más amplio por parte de los mayores proveedores de servicios en la nube para diseñar chips adaptados a su propia infraestructura, mejorando así la rentabilidad y reduciendo la dependencia de un pequeño número de proveedores de semiconductores.

Las CPU personalizadas pasan de ser una opción de nicho a una estrategia en la nube

Durante décadas, la computación de servidor de propósito general ha estado dominada por los procesadores x86 de Intel y AMD. Los diseños Arm ganaron terreno inicialmente en dispositivos móviles gracias a su eficiencia energética y se han ido incorporando cada vez más a los centros de datos. Los proveedores de servicios en la nube están en una posición privilegiada para acelerar esta transición, ya que controlan tanto el hardware como el software que se ofrece a los clientes. Un cliente de la nube no necesita comprar un servidor físico Arm; puede elegir un tipo de instancia y dejar que el proveedor gestione la máquina subyacente.

Google afirma que Axion ejecutará cargas de trabajo que ya utilizan internamente servicios como la publicidad de YouTube, BigTable y algunas partes de Google Earth Engine. La compañía planea ampliar su disponibilidad para los clientes a finales de este año. La actualización de su infraestructura en Next 2024 posiciona a Axion como parte de una iniciativa más amplia para ofrecer a los clientes más opciones de procesadores para servicios web, aplicaciones en contenedores, bases de datos y análisis de datos.

La demanda de IA está transformando por completo la infraestructura del centro de datos

Axion llegó junto con importantes incorporaciones a la infraestructura de IA de Google. Google Cloud anunció que la TPU v5p, su generación más potente de Unidades de Procesamiento Tensorial (TPU), ya está disponible. Un pod de TPU v5p puede escalar hasta 8960 chips y ofrece más del doble de operaciones de coma flotante y el triple de memoria de alto ancho de banda por chip que la TPU v4, según la actualización del hiperordenador de IA. La compañía también está integrando las GPU de Nvidia en la misma arquitectura más amplia, lo que refleja la demanda de los clientes tanto por los aceleradores propietarios de Google como por el hardware estándar de Nvidia.

Google presentó por primera vez los detalles de la TPU v5p en un anuncio, describiendo el chip como infraestructura para entrenar modelos generativos de gran tamaño. Este hito de disponibilidad general es importante porque los proveedores de servicios en la nube compiten por asegurar suficiente capacidad de computación para los clientes cuyas cargas de trabajo de IA requieren miles de aceleradores funcionando en paralelo.

Gemini profundiza en los servicios de nube empresarial

Google también aprovechó la conferencia para integrar aún más sus modelos Gemini en Vertex AI, su plataforma de aprendizaje automático gestionada. Gemini 1.5 Pro entra en fase de vista previa pública con una ventana de contexto de hasta un millón de tokens, lo que permite al modelo procesar grandes volúmenes de texto, vídeo, audio y código en una sola solicitud. La actualización de productos de IA también destacó nuevas capacidades de generación de imágenes, herramientas de gestión de modelos y controles empresariales.

La ventana de contexto de un millón de tokens es estratégicamente importante porque las aplicaciones de IA empresariales a menudo necesitan analizar documentos extensos, repositorios de software, transcripciones de llamadas o archivos multimedia. Un contexto más amplio no garantiza un mejor razonamiento, pero reduce la necesidad de dividir la información en muchos pasos de recuperación más pequeños. Google está posicionando esta capacidad como un elemento diferenciador frente a los modelos rivales de OpenAI, Anthropic y otros.

Una nube integrada verticalmente puede optimizar el costo y el rendimiento

La estrategia de Google se asemeja cada vez más a una arquitectura de computación por capas que controla desde el chip hasta el modelo. Axion gestiona la computación de propósito general, las TPU aceleran el aprendizaje automático, las GPU de Nvidia siguen estando disponibles para garantizar la compatibilidad y Gemini proporciona los modelos de IA insignia de la compañía. El resumen de la presentación de Google Cloud Next presenta estos componentes como una única plataforma, en lugar de productos aislados.

La lógica económica es sencilla. Las empresas de computación en la nube operan enormes centros de datos, por lo que incluso mejoras modestas en el rendimiento por vatio pueden traducirse en ahorros significativos en costos de electricidad, refrigeración y equipos. Los chips propietarios también otorgan a los proveedores mayor poder de negociación en las adquisiciones y permiten optimizar el hardware para su software. La contrapartida es la compatibilidad del ecosistema: los clientes cuentan con décadas de software optimizado para x86, y migrar cargas de trabajo a Arm puede requerir pruebas o recompilación.

La carrera por los chips se está convirtiendo en una carrera por las plataformas en la nube

Graviton de Amazon, Cobalt de Microsoft y Axion de Google demuestran que el diseño de CPU se está convirtiendo en un factor clave en la competencia por la nube. Al mismo tiempo, Trainium e Inferentia de AWS, las TPU de Google y el acelerador Maia de Microsoft ponen en tela de juicio la idea de que Nvidia o los proveedores tradicionales de CPU suministrarán todos los chips importantes para los centros de datos del futuro. Si bien ninguno de estos procesadores propietarios elimina la necesidad de proveedores externos, cada uno ofrece a su proveedor de nube una forma diferente de controlar los costos, la capacidad y la diferenciación de productos.

Para los clientes, la consecuencia inmediata es una mayor variedad de opciones, pero también una mayor complejidad. Las empresas pueden optimizar las cargas de trabajo en arquitecturas x86, Arm, GPU y aceleradores especializados, pero las decisiones de arquitectura afectan cada vez más la portabilidad entre nubes. Una carga de trabajo optimizada para un acelerador propietario puede ser más económica o rápida en una plataforma, pero resultar más difícil de trasladar a otra.

Hasta el sábado, Axion aún se encuentra en proceso de alcanzar una amplia disponibilidad para los clientes, en lugar de reemplazar de la noche a la mañana los procesadores de servidor ya existentes. Sin embargo, el anuncio de Google marca un cambio estructural: los mayores proveedores de servicios en la nube del mundo consideran cada vez más el diseño de semiconductores como una capacidad fundamental de su plataforma de software. En la era de la IA, la competencia ya no se centra únicamente en qué modelo es el mejor o qué nube ofrece más servicios, sino también en quién puede construir la infraestructura informática más eficiente.