Google estaría desarrollando un chip propio para hacer que Gemini consuma mucha menos energía. Lo adelanta The Information, así que hablamos de un reporte de un medio con fuentes, no de un anuncio oficial de Google. Pero el dato, si se confirma, es de los que importan: el chip se llamaría Frozen v2 y sería entre 6 y 10 veces más eficiente que las TPU que Google usa hoy, medido en tokens generados por unidad de energía.
Lo que hace distinto a este chip es cómo lo consigue. Según el reporte, Frozen v2 mete parte de la arquitectura del propio Gemini directamente en el silicio, graba el plano del modelo en el hardware en lugar de dejarlo todo en el software. Eso reduce la cantidad de datos que hacen falta para responder cada consulta. Y el motivo no es solo la factura eléctrica: apunta a aliviar una escasez de cómputo interna que Google arrastra, la misma falta de chips que está frenando a media industria.
Google no ha confirmado el chip. Ante la pregunta de TechCrunch respondió con la frase de manual: sus equipos investigan y experimentan constantemente para dar el máximo rendimiento y eficiencia. Ni sí ni no. La fecha que maneja el reporte para su salida es 2028, así que esto no es algo que vaya a cambiar nada mañana.
Por qué la eficiencia es la nueva batalla
Durante los últimos años la conversación giraba en torno a qué modelo es más listo. Ahora se está desplazando a otra pregunta igual de cara: cuánto cuesta hacerlo funcionar. Cada consulta a un modelo grande gasta energía, y a la escala de Google (miles de millones de peticiones) esa factura eléctrica es una partida de verdad.
Reducir el gasto energético entre 6 y 10 veces por la misma respuesta no es un ajuste fino. Es la diferencia entre que un producto de IA dé márgenes o los coma. Por eso Frozen v2 apunta a servir a Gemini en servidor: no va de entrenar el modelo más potente, va de que cada respuesta que da Gemini salga más barata.
La jugada de fondo: soltarse de NVIDIA
Hay un segundo motivo, y es el mismo que empuja a media industria a diseñar su propio silicio: depender menos de NVIDIA. Google ya lleva años con sus TPU, sus chips propios para IA, y es de las pocas grandes que no compra casi todo su hardware de entrenamiento e inferencia a un tercero. Frozen v2 sería el siguiente paso en esa dirección, hardware hecho a medida de sus propios modelos en lugar del silicio genérico que usa todo el mundo.
La ventaja de diseñar el chip para un modelo concreto es que puedes optimizar cada detalle para lo que ese modelo hace de verdad, en vez de comprar una pieza pensada para servir a todos. Ahí es donde suelen salir los saltos de eficiencia grandes, del orden de los 6 a 10 veces del que habla el reporte. No los saca una mejora incremental, los saca ajustar el hardware al software hasta el último transistor.
El mercado lo leyó rápido. La acción de Alphabet subió alrededor de un 3% en cuanto se conoció el reporte. Los inversores entienden que quien controla su propio chip controla su coste, y quien controla su coste aguanta mejor una guerra de precios que ya está aquí.
Qué mirar si esto te afecta
Para un directivo la lectura es sencilla y va de plazos. Frozen v2 no está, es un reporte con horizonte 2028. No cambies nada por esto. Pero sí conviene entender hacia dónde apunta: el coste por usar IA va a bajar, y va a bajar porque las grandes están rediseñando el hardware de abajo arriba para que baje.
Eso tiene una consecuencia práctica. Muchos casos de uso que hoy no salen a cuenta porque el modelo es demasiado caro de ejecutar a gran volumen, van a empezar a salir a cuenta. La eficiencia no es un tema de ingenieros de Google, es lo que decide qué automatizaciones con IA serán rentables en tu empresa dentro de un par de años y cuáles seguirán siendo un lujo.
Relacionado
