La alianza de Google con Oracle podría permitir que las empresas usen TPU sin mudarse a Google Cloud. Pero ¿hace que sea más fácil mover las aplicaciones entre nubes el hecho de contar con el mismo acelerador de IA en distintas nubes?
Imagina una empresa que ejecuta sus aplicaciones de negocio y sus bases de datos en Oracle Cloud Infrastructure (OCI).
La empresa está creando un asistente de IA que ayuda a sus empleados a encontrar información, responder preguntas de negocio y completar tareas rutinarias. Sus cargas de trabajo de IA actuales se ejecutan en GPU de NVIDIA, pero el equipo de tecnología quiere evaluar otros aceleradores, entre ellos las Tensor Processing Units (TPU) de Google.
Hasta ahora, acceder a los servicios de TPU de Google en la nube ha significado, por lo general, usar Google Cloud. Para una empresa que ya se ha comprometido con OCI, eso podría implicar incorporar otro entorno de nube solo para usar un tipo distinto de procesador de IA.
El equipo tendría que considerar la conectividad, el acceso a los datos, la supervisión, la seguridad y los costos de operación en ambos entornos.
¿Y si la empresa pudiera usar las TPU de Google directamente dentro de OCI?
El 27 de octubre de 2026, Oracle y Google anunciaron planes para llevar las TPU a Oracle Cloud Infrastructure, a partir del año calendario 2027.
Eso podría dar a las organizaciones otra forma de elegir el hardware de IA sin tener que cambiar necesariamente de proveedor de nube principal.
Pero también plantea una pregunta más importante que el propio anuncio.
Si el mismo acelerador de IA pasa a estar disponible a través de distintos proveedores de nube, ¿se reduce la dependencia de un proveedor o simplemente cambia el lugar donde existen las dependencias?
Por qué el acuerdo con Oracle importa más allá de ser otra opción de hardware
En nuestro artículo anterior de TechiesJournal, ¿Pueden las TPU de Google reducir la dependencia de la IA respecto a NVIDIA?, examinamos cómo los aceleradores alternativos y la mejora del soporte de software podrían reducir la dependencia del ecosistema de NVIDIA.
Esa es solo una parte del problema de la infraestructura.
Una organización puede querer acceso a distintos procesadores para comparar rendimiento, disponibilidad y costos de operación. Pero elegir un acelerador diferente también puede generar dependencias de sus herramientas de software y de los entornos de nube compatibles.
El acuerdo con Oracle añade otra dimensión.
Google desarrolló las TPU para cargas de trabajo de aprendizaje automático y ha ofrecido acceso a ellas en la nube a través de Google Cloud. El despliegue previsto en OCI convertiría a Oracle en el primer proveedor de nube de hiperescala, fuera de Google, en ofrecer estos procesadores.
Eso cambia la posible relación entre la empresa que suministra el acelerador y la que opera la infraestructura de nube que lo rodea.
Google puede ampliar el alcance de sus sistemas TPU más allá de Google Cloud, mientras que Oracle puede añadir otra arquitectura de aceleradores a su portafolio de infraestructura actual.
Para los clientes empresariales, el significado inmediato es la posibilidad de elegir.
Una empresa que ya depende de OCI podría llegar a evaluar los procesadores de IA especializados de Google sin establecer un despliegue completamente separado en Google Cloud únicamente para obtener cómputo de TPU.
Sin embargo, el anuncio establece una oferta futura, no un modelo de despliegue para clientes ya terminado.
Oracle y Google dicen que la capacidad de TPU empezará a aparecer en OCI en el año calendario 2027, con una expansión prevista a lo largo de varios años. Oracle también ha descrito la ambición de alcanzar un despliegue de TPU a escala de gigavatios durante ese período.
A 16 de noviembre de 2026, las empresas no han establecido precios para clientes que se puedan verificar públicamente, ni las regiones iniciales, ni los detalles de aprovisionamiento, ni compromisos completos de nivel de servicio para la oferta prevista.
El propio anuncio de Oracle incluye una declaración prospectiva que advierte de que los planes y las expectativas pueden cambiar.
Para los arquitectos, esta distinción importa: una capacidad anunciada puede influir en la hoja de ruta tecnológica, pero todavía no puede reemplazar un servicio de producción disponible.
Cómo encajarían las TPU de Google en la infraestructura de Oracle
La alianza es técnicamente interesante porque reúne distintas partes de un sistema de cómputo de IA.
Un acelerador no funciona de forma aislada. Necesita comunicación de alta velocidad, acceso a datos, redes, refrigeración, energía y software capaz de coordinar el cálculo entre procesadores.
Los sistemas TPU de Google incluyen tecnologías especializadas para la comunicación entre aceleradores.
La Inter-Chip Interconnect (ICI) permite la comunicación entre los chips TPU, mientras que la Optical Circuit Switching (OCS) ayuda a gestionar las rutas de comunicación en los sistemas TPU de gran tamaño.
Esto cobra especial importancia durante el entrenamiento de modelos de IA grandes. Miles de procesadores pueden necesitar intercambiar información de forma repetida, y una comunicación lenta puede dejar recursos de cómputo costosos a la espera de datos.
La explicación técnica de la alianza de Google describe cómo la ICI y la OCS forman parte de su enfoque, a nivel de sistema, para la comunicación entre aceleradores y la resiliencia.
Oracle aporta la infraestructura de nube que rodea a los aceleradores.
OCI suministrará la energía, la refrigeración y las redes del centro de datos, y Oracle Acceleron proporcionará la base de red que conecta la capacidad de TPU con otros recursos de OCI.
Google describe específicamente el aislamiento basado en SmartNIC, la High Performance Fabric y el Zero Trust Packet Routing de Acceleron como tecnologías destinadas a respaldar esas conexiones.
Estas responsabilidades operan en niveles distintos.
Las tecnologías de comunicación de las TPU de Google conectan y coordinan los aceleradores dentro del sistema TPU. La infraestructura de Oracle conecta esa capacidad de cómputo con el entorno de nube en general, incluidos el almacenamiento, las bases de datos y las aplicaciones.
El resultado no es simplemente un procesador de Google instalado en un servidor corriente.
Es una integración prevista de los sistemas de cómputo de IA especializados de Google con la infraestructura de centros de datos y de redes en la nube de Oracle.
Aun así, las empresas no han publicado todos los detalles que un arquitecto empresarial necesitaría para desplegar y operar el servicio.
El modelo exacto de aprovisionamiento para clientes, las interfaces de gestión, las integraciones de supervisión y las limitaciones operativas tendrán que evaluarse cuando Oracle ponga la oferta a disposición.
Seguir una solicitud de IA empresarial a través de la arquitectura propuesta
Considera la empresa ficticia presentada antes.
Sus empleados usan un asistente de IA interno para obtener información aprobada de las bases de datos del negocio.
El asistente debe responder con rapidez, respetar los permisos de acceso y evitar que se exponga información confidencial.
Supón que la empresa llega a ejecutar sus cargas de trabajo de inferencia de IA en TPU de Google alojadas en OCI.
Una solicitud podría seguir este recorrido ilustrativo.
Primero, el empleado envía una pregunta.
Una aplicación que se ejecuta en OCI recibe la solicitud, autentica al empleado y determina a qué información del negocio tiene permitido acceder.
A continuación, la aplicación obtiene la información relevante.
La aplicación consulta la base de datos de Oracle o el servicio de recuperación correspondiente mediante controles de acceso ya establecidos.
Solo debería ponerse a disposición de la carga de trabajo de IA la información a la que el empleado está autorizado a acceder.
Después, el modelo de IA procesa la solicitud.
La aplicación envía los datos de entrada pertinentes a un modelo que se ejecuta en cómputo de TPU. La TPU realiza los cálculos numéricos necesarios para generar la respuesta del modelo.
Si se trata de un modelo grande distribuido entre varios chips TPU, las tecnologías de interconexión de las TPU de Google pueden intervenir para coordinar el cálculo dentro del sistema de aceleradores.
La infraestructura de redes de Oracle proporciona la conectividad entre la capacidad de TPU y los servicios de OCI que la rodean.
Por último, la aplicación devuelve la respuesta.
La aplicación procesa la salida del modelo, aplica las validaciones o reglas de negocio necesarias y devuelve una respuesta al empleado.
Esta es una arquitectura de aplicación ilustrativa, no una especificación de despliegue publicada por Oracle. Las interfaces exactas de red, seguridad y servicio de inferencia para las TPU de OCI todavía no se han confirmado.
Aun así, el ejemplo muestra por qué la alianza podría importar.
La aplicación de negocio, la base de datos empresarial y el cómputo de IA podrían funcionar potencialmente dentro del mismo entorno de nube, sin necesidad de un despliegue separado en Google Cloud para acceder al hardware de TPU.
Eso podría simplificar ciertos diseños de red y reducir algunas transferencias entre nubes.
Pero esos beneficios dependerán del despliegue real.
Si la aplicación y la capacidad de TPU están en regiones distintas, o si los datos relevantes siguen estando fuera de OCI, los retrasos de red y los costos de transferencia pueden seguir siendo considerables.
Del mismo modo, alojar los componentes dentro de una misma nube no establece automáticamente un acceso seguro. La identidad, los permisos, el aislamiento de datos, el registro y los controles operativos siguen teniendo que diseñarse y verificarse.
Una buena arquitectura no se define solo por el lugar donde está instalado el acelerador. Se define por cómo se comporta la carga de trabajo completa.
¿Tener TPU en dos nubes hace portables las cargas de trabajo de IA?
Aquí cobra importancia la diferencia entre tener más opciones de infraestructura y tener una portabilidad real.
Una aplicación puede depender de tres capas de tecnología distintas.
| Dependencia | Qué significa | Qué cambia el acuerdo con OCI |
|---|---|---|
| Hardware del acelerador | La arquitectura del procesador que se usa para ejecutar las cargas de trabajo de IA | Está previsto que las TPU pasen a estar disponibles a través de otro proveedor de hiperescala |
| Software de IA | Frameworks, compiladores, bibliotecas y herramientas de ejecución de modelos | El soporte de software de TPU existente puede ayudar, pero aún hay que verificar la compatibilidad |
| Servicios de nube | Redes, identidad, almacenamiento, despliegue, supervisión y operaciones | OCI pasa a ser otra opción de alojamiento, pero sus servicios circundantes siguen siendo distintos |
Estas dependencias están relacionadas, pero no son intercambiables.
Piensa en el asistente de IA de la empresa.
Su modelo puede haberse desarrollado con PyTorch, un framework de aprendizaje automático muy utilizado. El proyecto TorchTPU de Google pretende admitir la ejecución en TPU mediante los flujos de trabajo habituales de PyTorch.
Google anunció que TorchTPU está disponible como software de código abierto y describe un ecosistema que incluye herramientas como vLLM, SGLang y Ray.
El objetivo es facilitar la adopción de las TPU a los desarrolladores que usan software de IA consolidado.
Eso es un avance significativo.
Sin embargo, no hay que confundir tres afirmaciones distintas.
La compatibilidad del código del modelo significa que los desarrolladores pueden usar interfaces de programación conocidas y, potencialmente, reutilizar buena parte de su código de modelo.
La portabilidad del rendimiento significa que una carga de trabajo sigue rindiendo de forma competitiva cuando se traslada a otro hardware. Esto puede requerir ajustes, kernels alternativos, enfoques distintos de gestión de la memoria o cambios en la ejecución del modelo.
La portabilidad del despliegue en la nube significa que la aplicación completa puede moverse entre entornos de nube conservando la seguridad, las redes, el almacenamiento, la supervisión y el comportamiento operativo que necesita.
TorchTPU puede mejorar la primera de ellas. Google presenta una portabilidad más amplia como un beneficio previsto de su ecosistema de software.
Pero ni el soporte de frameworks de código abierto ni el acuerdo con Oracle demuestran que las tres se logren de forma automática.
Por ejemplo, aunque la empresa ejecute el mismo código de modelo en TPU de Google Cloud y de OCI, la aplicación que lo rodea puede seguir dependiendo de las redes de OCI, de las bases de datos de Oracle, de controles de acceso propios del proveedor y de la automatización del despliegue.
Mover el modelo es solo una parte de mover la aplicación.
Por lo tanto, la alianza con Oracle puede reducir una forma de restricción, la necesidad de usar Google Cloud para acceder a la capacidad de TPU de Google alojada en la nube, sin eliminar las dependencias de software ni las operativas.
Es una mejora útil, pero no equivale a hacer que la infraestructura de IA sea independiente de la nube.
Por qué reducir la dependencia de un proveedor no siempre es el objetivo adecuado
Antes de decidir si el acuerdo resuelve un problema de dependencia, las empresas deberían preguntarse si esa dependencia les estaba causando un problema de negocio significativo.
La portabilidad en la nube tiene costos.
Una organización podría construir deliberadamente sus aplicaciones sobre tecnología compatible con varios proveedores. Eso puede facilitar una migración futura, pero también puede exigir más ingeniería, más pruebas y más experiencia operativa.
Otra organización puede preferir servicios estrechamente integrados con una sola nube porque son más fáciles de gestionar o se adaptan mejor a sus cargas de trabajo.
Ninguno de los dos enfoques es superior de forma automática.
Para la empresa ficticia de OCI, añadir una plataforma de nube separada únicamente para acceder a otro acelerador podría aumentar la complejidad operativa.
Si las TPU pasan a estar disponibles dentro de OCI, la organización podría ganar otra opción de hardware conservando su modelo operativo de nube actual.
Seguiría dependiendo de Oracle para servicios importantes de infraestructura y de la tecnología de TPU de Google para la ejecución en el acelerador.
Puede ser una contrapartida razonable.
Para una organización con requisitos estrictos de resiliencia multinube, o con la necesidad de trasladar cargas de trabajo entre proveedores, ese mismo planteamiento puede no ofrecer suficiente independencia.
El objetivo no es eliminar toda tecnología especializada.
Es entender si los beneficios justifican las dependencias resultantes y si la organización puede cambiar de rumbo cuando sea necesario.
Por qué Google y Oracle buscarían este acuerdo
La alianza técnica también refleja los intereses comerciales de ambas empresas.
Para Google, ampliar la disponibilidad de las TPU más allá de su propia nube podría aumentar la adopción de su arquitectura de aceleradores.
Las organizaciones que ya se han comprometido con OCI podrían estar más dispuestas a evaluar las TPU si pueden usarlas junto con sus aplicaciones y datos actuales.
Una base instalada más amplia también podría animar a los desarrolladores de software, a los responsables de mantener los frameworks y a los proveedores de plataformas de IA a mejorar el soporte de las TPU.
Se trata de beneficios estratégicos plausibles, no de resultados de negocio establecidos de forma independiente a partir del despliegue de Oracle.
Para Oracle, la ventaja es una gama más amplia de opciones de cómputo.
OCI ya admite varias arquitecturas de cómputo. La estrategia de infraestructura de octubre de 2026 de Oracle describe planes que incluyen NVIDIA, AMD, Intel y hardware de IA especializado adicional.
Añadir las TPU permitiría a Oracle ofrecer otra opción para las cargas de trabajo de entrenamiento y de inferencia.
Cargas de trabajo distintas pueden beneficiarse de arquitecturas de aceleradores distintas. Un entrenamiento de gran escala, un chatbot de baja latencia y un proceso de inferencia por lotes no tienen necesariamente las mismas prioridades.
Ofrecer varias opciones podría ayudar a los clientes a elegir la infraestructura según sus requisitos, en lugar de obligar a todas las cargas de trabajo a pasar por una sola arquitectura.
Sin embargo, la alianza no establece que las TPU de Google en OCI vayan a ser más baratas, más rápidas o más confiables que las alternativas de la competencia.
Tampoco demuestra que los clientes vayan a reducir su gasto en NVIDIA.
Para afirmar eso, las empresas necesitarían cargas de trabajo comparables que se ejecuten en infraestructura disponible, con rendimiento medido y costos completos.
La oportunidad de negocio es creíble. Su magnitud sigue sin demostrarse.
¿Qué debería evaluar un arquitecto antes de tomar una decisión?
Volvamos a nuestro asistente de IA empresarial.
La organización quiere respuestas confiables, tiempos de respuesta aceptables, una protección de datos sólida y costos de operación predecibles.
Su decisión debería partir de esos requisitos, no de la disponibilidad de un procesador nuevo.
Cuando las TPU de OCI estén disponibles, una evaluación útil compararía la aplicación completa con su despliegue actual.
| Evaluación | Pregunta que hay que responder |
|---|---|
| Compatibilidad del modelo | ¿El modelo se ejecuta correctamente con las bibliotecas de software y las herramientas de ejecución que necesita? |
| Rendimiento | ¿Cumple los objetivos de tiempo de respuesta y de rendimiento (throughput) con una demanda realista? |
| Acceso a los datos | ¿Puede la carga de trabajo acceder a los datos empresariales de forma segura y sin transferencias innecesarias? |
| Soporte operativo | ¿Puede la organización desplegar, supervisar, escalar y recuperar el servicio de forma confiable? |
| Capacidad | ¿Hay configuraciones de TPU adecuadas disponibles en la región y en la cantidad necesarias? |
| Aspectos económicos | ¿El costo total es mejor que el de la alternativa práctica actual? |
| Flexibilidad futura | ¿Qué componentes habría que cambiar si la organización eligiera más adelante otro acelerador u otra nube? |
La comparación debe incluir más que los cargos por el alquiler del acelerador.
Un despliegue con un precio de cómputo menor puede acabar costando más cuando se incluyen el esfuerzo de ingeniería, los cargos de red, el almacenamiento, el soporte operativo o los cambios en la aplicación.
Del mismo modo, un acelerador que produce resultados más rápidos en una prueba puede no ofrecer mejores resultados económicos con la demanda real de producción.
Por eso, una evaluación útil debería usar la carga de trabajo de la propia organización y una alternativa creíble que pudiera desplegar de verdad.
Hasta que Oracle publique los detalles del servicio y los clientes puedan medir la plataforma resultante, varias de estas preguntas seguirán sin respuesta.
¿Qué deberían hacer ahora las organizaciones y qué debería esperar?
La alianza no exige un cambio inmediato de infraestructura.
Las organizaciones que ya ejecutan cargas de trabajo de IA con buenos resultados deberían seguir mejorando y midiendo el rendimiento de sus sistemas actuales. No deberían retrasar los despliegues necesarios solo porque haya otra opción prevista para 2027.
Las empresas que evalúan hoy la tecnología de TPU pueden usar las plataformas disponibles actualmente para entender la compatibilidad de los modelos, los requisitos de software y el esfuerzo necesario para operar sus cargas de trabajo.
Para las empresas comprometidas con OCI, vale la pena incluir el servicio de TPU previsto en futuras evaluaciones de infraestructura, sobre todo cuando las cargas de trabajo de IA dependen en gran medida de datos que ya están en sistemas de Oracle.
Pero las organizaciones deberían esperar a que el servicio de OCI esté realmente disponible antes de dar por supuestos un rendimiento, unos precios, unas regiones o unas capacidades operativas concretos.
Una distinción práctica es esta:
Decidir ahora: ¿Qué cargas de trabajo podrían beneficiarse de aceleradores alternativos? ¿Qué medidas de rendimiento y de costo importan? ¿Qué dependencias de la aplicación dificultarían un cambio futuro?
Evaluar cuando esté disponible: precios de las TPU de OCI, hardware compatible, compatibilidad del software, capacidad regional, arquitectura de red, herramientas operativas y rendimiento medido en producción.
No dar por supuesto: que usar TPU en OCI reduce automáticamente los costos totales, elimina la dependencia de un proveedor de nube o hace que las cargas de trabajo de TPU existentes en Google Cloud sean portables sin modificaciones.
Este enfoque mantiene preparada a la organización sin comprometerla con capacidades que todavía no se han entregado.
Más opciones no significan independencia total
La decisión de Google de llevar las TPU a Oracle Cloud es significativa porque empieza a separar el acceso al hardware de IA especializado de Google de la obligación de usar la propia infraestructura de nube de Google.
Para las empresas que ya usan OCI, eso podría eliminar un obstáculo importante para evaluar cargas de trabajo basadas en TPU.
También podría crear más competencia entre las opciones de aceleradores dentro de un mismo entorno de nube.
Pero la infraestructura que rodea a un procesador de IA sigue siendo importante. Los modelos siguen dependiendo del software. Las aplicaciones siguen dependiendo de los datos, las redes, la identidad y los servicios operativos. Las empresas siguen necesitando pruebas de que un despliegue distinto aporta un valor medible.
La alianza con Oracle cambia el lugar donde las TPU de Google pueden llegar a estar disponibles. Todavía no demuestra que las cargas de trabajo de IA puedan moverse libremente entre nubes.
Para los líderes de tecnología, la pregunta útil no es cómo eliminar todas las dependencias. Es qué dependencias vale la pena aceptar, cuáles limitan las opciones futuras y qué pruebas justificarían cambiarlas.
Esa es la decisión que esta alianza vuelve más interesante.
Para profundizar
- Oracle: Oracle Brings Google TPUs to Oracle Cloud Infrastructure: 27 de octubre de 2026. El anuncio oficial sobre la oferta prevista de OCI, los plazos, las responsabilidades de infraestructura y las cargas de trabajo de IA a las que se destina.
- Google Cloud: Bringing Google TPUs to Oracle Cloud Infrastructure: 27 de octubre de 2026. Una explicación técnica de la comunicación entre TPU, el papel previsto de Oracle Acceleron, el soporte del ecosistema de software y los posibles beneficios del despliegue.
- Oracle: Building the Next Decade of Oracle Cloud Infrastructure: 27 de octubre de 2026. La estrategia de infraestructura más amplia de Oracle, sus planes de admitir varias arquitecturas de cómputo especializadas y su plan de aumentar la capacidad de TPU hasta una escala de gigavatios a lo largo de varios años.
- TechiesJournal: ¿Pueden las TPU de Google reducir la dependencia de la IA respecto a NVIDIA?: 14 de noviembre de 2026. Lectura relacionada sobre la competencia entre aceleradores de IA, las dependencias de software y las consideraciones prácticas al elegir alternativas a NVIDIA.
Revisión de las fuentes: 16 de noviembre de 2026. La oferta de TPU en OCI sigue siendo un compromiso futuro. Las especificaciones del producto, los plazos, la disponibilidad y las condiciones comerciales deberían volver a comprobarse en la documentación oficial antes de cualquier decisión de despliegue.
