Google: ¿Sacrificio de la IA para dominar el hardware?

• Nuevos datos sugieren un giro drástico en el mercado tecnológico: Google podría quedar rezagada en la competición por desarrollar la inteligencia artificial más avanzada frente a rivales como OpenAI y Anthropic. Sin embargo, este posible retroceso con Gemini podría ser una estrategia para liderar la venta de la infraestructura y el hardware necesarios para que dichas IA funcionen, cambiando así su enfoque de negocio.

Nueva información pone de relieve algo que puede terminar siendo disruptivo en el actual sector de la IA, un antes y un después, hasta tal punto que Google puede terminar perdiendo la carrera por tener la mejor IA frente a OpenAI y Anthropic mientras gana otra más grande: vender la infraestructura necesaria para que esos modelos funcionen. ¿Cómo va a ser eso posible? Pues porque en DeepMind parece que han tomado una decisión basada de alguna manera en el sabio refranero español: “El que mucho abarca, poco aprieta”.

Esa es la tesis de SemiAnalysis tras analizar lo ocurrido con Google DeepMind durante 2026, porque Gemini 3 Pro llegó a finales de 2025 como uno de los modelos más competitivos, pero desde entonces el laboratorio habría cedido terreno mientras Google Cloud y sus TPU aceleraban.

Google puede perder la batalla de la IA para intentar ganar la de la infraestructura frente a NVIDIA, AMD e Intel

El punto de partida está en noviembre de 2025, cuando Gemini 3 Pro devolvió a Google a primera línea. Google afirmó después que procesaba tres veces más tokens diarios que Gemini 2.5 Pro. Al cerrar el año, sus modelos propios ya superaban los 10.000 millones de tokens por minuto mediante API y Google había reducido un 78% el coste de servir Gemini durante 2025.

Durante 2026 empiezan a verse las dos trayectorias. En abril Google confirmó que más de la mitad de su inversión en cálculo para machine learning iría a Google Cloud. Allí presentó TPU 8t para entrenamiento, escalable hasta 9.600 TPU y 2 PB de memoria de alto ancho de banda, junto a TPU 8i para inferencia, con tres veces más SRAM. Las API pasaron de 10.000 a 16.000 millones de tokens por minuto en Q1, un 60% más, pero en Q2 llegaron a 22.000 millones, reduciendo el avance al 38%.

Esto no sorprendió a nadie, pero la realidad es que desde ese entonces no hay noticias ni grandes novedades de Gemini Intelligence como IA y baluarte de la gran G, mientras que OpenAI y Anthropic no han parado de lanzar nuevas revisiones de sus modelos, y claro, algo no cuadra, y menos después de los despidos y renuncias del último mes en DeepMind.

Gemini pierde velocidad mientras Google Cloud pisa el acelerador

Aquí llega el golpe de SemiAnalysis. La firma asegura que Google ha cancelado internamente Gemini 3.5 Pro y considera que Gemini 3 Pro fue el techo de DeepMind, mientras Google decía oficialmente en julio que 3.5 Pro estaba en pruebas y que ya había arrancado su preentrenamiento más ambicioso con Gemini 4.

Hace dos días llegó la remodelación que evidencia de alguna manera que Google perderá la carrera de la IA al no poder seguir el ritmo: Demis Hassabis dejó las operaciones diarias, Koray Kavukcuoglu tomó las riendas de DeepMind y Jeff Dean, Sanjay Ghemawat, Quoc Le y Oriol Vinyals abandonaron Google para crear Discovery Loop.

Mientras tanto, Google Cloud creció un 82% interanual en Q2 y acumuló 514.000 millones de dólares de backlog. SemiAnalysis estima que más del 20% de los TPU enviados entre Q3 de 2026 y Q4 de 2027 se venderán directamente a Anthropic, sin contar los cientos de miles que ya alquila ni los comprometidos con Anthropic y Meta.

Y aquí aparece el motivo económico, el eje donde pivotaría todo el argumento. SemiAnalysis calcula 12.000 millones de dólares de ARR para Gemini en Q2 de 2026, frente a más de 73.000 millones de ARR de IA de terceros en GCP y 120.000 millones en ventas de TPU para finales de 2027. Estima, además, 1.200 millones en sistemas TPU vendidos solo en Q2, valorados a unos 35.000 millones por GW, más de 150.000 millones de backlog específico y hasta 250.000 millones adicionales en futuras reservas, con márgenes EBIT en la franja alta del 30%.

Si se cumple, Google puede no tener la IA ganadora, de hecho, perderá la carrera si no hay un salto cualitativo y gigante frente a OpenAI y Anthropic, pero sí cobrar el peaje a quienes disputen dicha carrera. En otras palabras, Google podría acercarse con DeepMind más al modelo de infraestructura de NVIDIA, Intel y AMD, que el de crear la mejor IA como OpenAI y Anthropic. Es una jugada arriesgada, pero podría salirle bien, al menos, desde el punto de vista económico, que es todo lo que cualquier compañía busca, pero, ¿es a futuro lo correcto?