Google abrió el código de TorchTPU, la herramienta que permite llevar programas de inteligencia artificial escritos para los chips de Nvidia a sus propios procesadores sin reescribir una línea. El anuncio llegó un día después de que Amazon lanzara una herramienta similar y apunta al negocio que sostiene el dominio de la empresa tecnológica en la industria.

Las dos empresas atacan el mismo punto: PyTorch, el programa de código abierto con el que se construye la mayoría de los modelos de IA. Según datos que citó Amazon, el 85% de las aplicaciones de inteligencia artificial se escriben con PyTorch, que durante años trabajó mejor sobre las GPU, los chips gráficos que Nvidia diseñó para entrenar modelos.

Eso ocurrió porque Nvidia pasó años asegurándose de que su software, CUDA, encajara a la perfección con esa aplicación. El resultado, según describió TechCrunch, fue que sus chips quedaron integrados al estándar de la industria casi por defecto, aun cuando existen alternativas como las de AMD o Apple.

Amazon fue la primera en moverse. El lunes presentó TorchNeuron, una versión del programa adaptada a Trainium, su chip propio, que permite migrar una aplicación con un simple cambio de configuración. La empresa también anunció que enviará código al proyecto central de PyTorch para quitarle las partes que lo atan a un fabricante específico.

“Lo que de verdad importa es eliminar el bloqueo que le impedía a los desarrolladores tener una opción real”, dijo Colin Brace, vicepresidente de tecnología de software en Annapurna Labs, la unidad de Amazon que diseña sus chips. La compañía citó el caso de Deepgram, una firma de IA de voz que, tras migrar a Trainium, procesa 70% más audio por cada dólar que gasta.

Un día después, Google presentó TorchTPU en la conferencia PyTorch 2026. La herramienta permite entrenar, servir y desplegar modelos sobre sus procesadores TPU (las unidades que la empresa diseña para IA) con las mismas herramientas que ya usan los programadores, entre ellas Hugging Face, vLLM y SGLang.

El proyecto se desarrolló junto con el equipo de PyTorch dentro de Meta, la empresa que creó el programa en 2016 antes de cederlo en 2022 a la fundación sin fines de lucro que lo administra. “No podemos quedar atados a una sola arquitectura de hardware”, afirmó Jana van Greunen, directora de ingeniería de PyTorch en Meta, según el comunicado de Google.

Ninguna de las dos herramientas garantiza que los desarrolladores abandonen masivamente a Nvidia: cambiar de chip sigue implicando ajustes y pruebas, y la compañía conserva años de ventaja en rendimiento y en el ecosistema de software que construyó alrededor de sus procesadores.

Google dijo que ya puso a prueba TorchTPU entrenando modelos con hasta 8.000 procesadores de su serie Ironwood y que alcanzó una eficiencia de cómputo del 52% con la familia de modelos Qwen, una cifra que la empresa presenta como evidencia de que su alternativa ya funciona a gran escala.