Google dio a conocer TorchTPU, un código abierto que permite trasladar programas de IA diseñados para Nvidia a sus procesadores TPU sin necesidad de reescribir el código. El anuncio coincidió con la aparición de una iniciativa similar por parte de Amazon y busca desatar el dominio que Nvidia mantiene sobre la industria.

Ambas compañías enfocan su apuesta en PyTorch, el marco de código abierto que sirve de base para la mayoría de los modelos de IA. Según datos citados por Amazon, el 85% de las aplicaciones de IA se construyen con PyTorch, un ecosistema que históricamente funcionó mejor sobre GPUs y CUDA, el software de Nvidia que se integró de manera tan extendida que terminó convirtiéndose en el estándar de facto, a pesar de existir alternativas como las de AMD o Apple.

Amazon fue la primera en mover ficha. El lunes presentó TorchNeuron, una versión adaptada para Trainium, su propio chip, que facilita la migración de una aplicación con un simple cambio de configuración. Además, la empresa adelantó que enviará código al proyecto central de PyTorch para eliminar las dependencias de un fabricante específico.

“Lo importante es quitar el bloqueo que impedía a los desarrolladores tener una opción real”, afirmó Colin Brace, vicepresidente de tecnología de software en Annapurna Labs, la unidad de Amazon que diseña sus chips. Como ejemplo, citaron a Deepgram, una firma de IA de voz que, tras migrar a Trainium, pasó a procesar un 70% más de audio por cada dólar invertido.

Al día siguiente, Google presentó TorchTPU en la conferencia PyTorch 2026. Esta herramienta permite entrenar, servir y desplegar modelos sobre los TPU —los procesadores propios para IA de Google— con las mismas herramientas usadas hoy por los programadores, entre ellas Hugging Face, vLLM y SGLang.

El proyecto fue desarrollado junto al equipo de PyTorch dentro de Meta, la compañía que creó el marco en 2016 y que luego cedería su control a la fundación sin fines de lucro que lo gestiona desde 2022. “No podemos quedar encadenados a una única arquitectura de hardware”, señaló Jana van Greunen, directora de ingeniería de PyTorch en Meta, en el comunicado de Google.

Hugging Face, la plataforma que aloja miles de modelos de uso abierto, se sumó al anuncio. Jeff Boudier, vicepresidente de producto, comentó que la intención es permitir a los desarrolladores elegir el hardware que les resulte más conveniente sin perder acceso a sus modelos preferidos.

Aun así, ninguna de las dos herramientas garantiza una migración masiva desde Nvidia. Cambiar de chip sigue implicando ajustes y pruebas, y Nvidia continúa con años de ventaja en rendimiento y en el ecosistema de software que rodea a sus procesadores.

Google señaló que ya realizaron pruebas con TorchTPU, y la compañía defendió la capacidad de estas herramientas para ampliar opciones a los desarrolladores sin sacrificar acceso a los ecosistemas de modelos existentes.