Google amplía su gama de aceleradores dedicados a la IA con los TPU 8tx y TPU 8i Max, presentados el 9 de noviembre de 2026. Estas dos configuraciones completan la octava generación de Tensor Processing Units (TPU), los chips diseñados por el grupo para los cálculos de inteligencia artificial, y responden a dos desafíos distintos: la seguridad de los procesamientos sobre datos sensibles y la gestión de cargas de trabajo que exigen mucha memoria.
Este anuncio eleva a cuatro el número de sistemas TPU de octava generación presentados por Google en 2026. En abril, el grupo había presentado los TPU 8t, destinados al entrenamiento de grandes modelos, y los TPU 8i, optimizados para la inferencia y el razonamiento de baja latencia, es decir, para la producción de respuestas con un retraso reducido.
Dos TPU para la confidencialidad y los procesamientos a gran escala
El TPU 8tx está dirigido a empresas y administraciones que desean ejecutar modelos de IA y agentes autónomos sobre datos sensibles. Google destaca especialmente los sectores sujetos a exigencias regulatorias, para los cuales la confidencialidad de la información durante su procesamiento constituye un desafío mayor. A nivel de hardware, el sistema retoma el silicio del TPU 8t e integra procesadores anfitriones AMD EPYC de quinta generación. También incorpora mecanismos de seguridad de hardware destinados a proteger los datos y los pesos de los modelos, es decir, los parámetros que definen su funcionamiento, durante su uso en memoria, y no solo cuando están almacenados o transmitidos por la red.
Google asocia el TPU 8tx a su red Boardfly, diseñada para comunicaciones de baja latencia. Según el proveedor, esta arquitectura permite dividir hasta dos veces la latencia en comparación con el TPU 8t, sin degradación significativa del rendimiento. La configuración debe permitir a las empresas realizar varias operaciones en una misma infraestructura, en particular el entrenamiento, el fine-tuning sobre datos privados, es decir, la adaptación de un modelo a un conjunto de datos específico, la destilación de modelos y el aprendizaje por refuerzo de agentes de IA.
El TPU 8i Max responde, por su parte, a las aplicaciones que movilizan importantes recursos de memoria. Google cita especialmente a los agentes capaces de analizar grandes bases de código, secuencias de vídeo largas o contextos que superan el millón de tokens, siendo los tokens las unidades de texto que manipulan los modelos. Para aumentar los recursos disponibles, el fabricante ha agrupado dos chips TPU 8i en un mismo paquete. En comparación con el TPU 8i, esta configuración duplica las capacidades de cálculo, la memoria SRAM y el ancho de banda de la memoria HBM. Google indica también que permite integrar el doble de silicio en una misma huella de rack, es decir, en el espacio ocupado por una bahía de servidores.
Google quiere abrir más su ecosistema TPU
Paralelamente a estos anuncios de hardware, Google continúa con la apertura de su entorno de software. El grupo indica que TorchTPU, publicado en código abierto, permite ejecutar código PyTorch y modelos de Hugging Face en sus aceleradores. También se ofrecen integraciones para los motores de inferencia vLLM y SGLang. Una suite de agentes TPU está además disponible en versión preliminar. Debe automatizar ciertas operaciones de integración, diagnóstico y optimización de los kernels, esos pequeños programas que ejecutan los cálculos en los chips. Google anuncia que esta suite es compatible con varias herramientas de desarrollo, incluyendo Claude Code, Cursor y Google Antigravity.
El proveedor presenta también TPU Sync, una capa de software destinada a unificar la gestión de la memoria HBM, de la memoria DRAM de los anfitriones y del almacenamiento compartido. Debe facilitar especialmente la transferencia de las cachés KV, utilizadas por los modelos generativos para acelerar la producción de texto. Google afirma que esta tecnología puede reducir en más de un 90 % ciertas latencias asociadas a estas transferencias y al tiempo de generación del primer token.
Por último, Cloud Pathways ya está disponible de manera general en Google Kubernetes Engine (GKE). La solución permite orquestar cargas de trabajo distribuidas en varios conjuntos de TPU desde un único controlador.
