Oracle Cloud será el primer hiperscaler fuera de Google en ofrecer TPUs, con capacidad desde 2027

Google Cloud y Oracle han anunciado una alianza para llevar las Tensor Processing Units (TPUs) de Google a Oracle Cloud Infrastructure (OCI). Según el comunicado, esto convierte a OCI en el primer hiperscaler fuera de Google que ofrece TPUs. El despliegue de capacidad TPU en OCI comenzará en el año natural 2027. El anuncio aparece en el blog de Google Cloud, con fecha del 27 de octubre de 2026, firmado por Karan Batta (Senior Vice President de OCI) y Gurmeet Goindi (Sr. Director de Product Management).

La tesis de producto que defiende el texto es la del codiseño: Google construyó su primer TPU hace más de diez años partiendo de la idea de que diseñar el silicio junto con la red óptica, la entrega de energía, la refrigeración líquida y el software compilador aporta mejoras en rendimiento por vatio y coste total de propiedad que los componentes aislados no logran. Según el artículo, el TPU v1 ofrecía 30 veces el rendimiento por vatio de los procesadores contemporáneos. Hoy, afirma, las TPU entrenan y sirven Gemini en los productos de Google con miles de millones de usuarios.

Sobre la octava generación, el comunicado indica hasta 12,6 PFLOPS de cómputo FP4 nativo por chip, más de 100 veces los 92 TFLOPS del TPU v1, y hasta el doble de rendimiento por vatio que la generación anterior. Son cifras del propio fabricante, no verificadas de forma independiente.

El texto sostiene que los FLOPS brutos no determinan la economía del cliente. En entrenamiento, la métrica clave que plantea es el goodput, es decir, el porcentaje de tiempo que un clúster dedica a cómputo productivo. En inferencia, las métricas son la latencia y el coste por token. Para el entrenamiento, Google describe la combinación de enrutamiento ICI (Inter-Chip Interconnect) integrado en el chip con conmutación óptica de circuitos (OCS): el plano de control detecta degradaciones de hardware o de enlaces y reencamina los caminos ópticos alrededor de los fallos en tiempo real, sin reiniciar los trabajos. Afirma así mantener más del 97 % de goodput en miles de chips en entrenamientos a gran escala, además de alta disponibilidad en servicio de producción.

Para inferencia, la compañía atribuye a la última generación hasta un 80 % más de rendimiento por dólar en servicio de baja latencia. Lo explica por más SRAM en el chip, más capacidad HBM y una nueva topología de interconexión de bajo diámetro que reduce los saltos de red en más de un 50 %.

El artículo dedica un apartado al software. Menciona anuncios recientes en la PyTorch Conference y señala que TorchTPU, la pila nativa de PyTorch para las TPU de Google, ya está disponible como código abierto en GitHub. Según el texto, permite entrenar, servir y desplegar modelos en TPU con herramientas como vLLM, SGLang, llm-d, TorchTitan, Ray, TorchRec, Hugging Face y LiteRT. El argumento es la portabilidad: asignar cada carga al acelerador con menor coste por token o menor tiempo de entrenamiento sin reescribir el código del modelo, y pronto poder elegir entre TPU en Google Cloud o en infraestructura de Oracle.

El comunicado enumera cuatro beneficios de llevar las TPU a OCI. Primero, centros de datos diseñados para densidad de IA: los sistemas TPU están pensados para refrigeración líquida directa a escala de rack, y los centros de datos de nueva generación de OCI se construyen para ese perfil. Oracle, dice, ofrece capacidad flexible y duradera que puede pasar del entrenamiento de modelos de frontera a la inferencia en producción según cambie la demanda.

Segundo, redes seguras y de alto rendimiento con Oracle Acceleron. Mientras las TPU mueven el tráfico entre chips por ICI y OCS, Acceleron conectaría la capacidad TPU con el resto de OCI mediante SmartNIC con aislamiento de inquilinos por hardware, High Performance Fabric y Zero Trust Packet Routing, moviendo datos entre bases de datos Oracle, almacenamiento y clústeres TPU con alto caudal y baja latencia sin consumir cómputo del host.

Tercero, proximidad a los datos empresariales. Las bases de datos de Oracle son con frecuencia el sistema de registro de las organizaciones, y ofrecer TPU dentro de OCI permitiría hacer ajuste fino e inferencia junto a esos datos sin costosas transferencias entre nubes. Cuarto, elección multiarquitectura: disponer de TPU junto a GPU dentro de OCI para asignar cada fase de una carga de IA al acelerador óptimo en coste y rendimiento.

El texto reconoce también que, aunque la adopción de TPU en Google Cloud crece, la demanda global de cómputo de IA supera la capacidad de cualquier proveedor individual. Concluye que, con más opciones de cómputo especializado en más nubes, toda la industria construye más rápido y opera con mayor eficiencia.

Conviene leerlo con cautela: es un comunicado conjunto de los propios socios, sin precios, ubicaciones, volúmenes de capacidad ni detalles contractuales, y la disponibilidad se limita a un genérico «a partir de 2027». Las cifras de rendimiento son declaraciones de Google. Lo relevante estratégicamente es que las TPU, hasta ahora ligadas a Google Cloud, pasan a ofrecerse en otra nube de gran escala, lo que amplía las opciones frente a las GPU y acerca la computación de IA a los datos corporativos alojados en Oracle.