Google anunció en la PyTorch 2026, durante una conferencia dedicada, TorchTPU, una herramienta que permite entrenar, servir y desplegar modelos de IA en sus procesadores TPU utilizando las mismas herramientas que ya emplean los desarrolladores, como Hugging Face, vLLM y SGLang. El proyecto fue desarrollado junto al equipo de PyTorch dentro de Meta, la casa del programa original, que en 2016 creó PyTorch y cedió su administración a la PyTorch Foundation en 2022. Desde Google destacaron que no es viable quedar restringidos a una única arquitectura de hardware.

Al día siguiente, Amazon presentó TorchNeuron, una versión adaptada de PyTorch para Trainium, su propio chip. Según la empresa, la migración de una aplicación requiere apenas un cambio de configuración, y adelantó que aportará código de cara al proyecto central de PyTorch para eliminar las dependencias de un fabricante específico. Colin Brace, vicepresidente de tecnología de software en Annapurna Labs (la unidad de Amazon que diseña sus chips), afirmó que lo realmente relevante es cortar el bloqueo que limita las opciones de los desarrolladores. En su testimonio, citaron a Deepgram, una firma de IA de voz, que tras migrar a Trainium logró procesar un 70% más de audio por cada dólar gastado.

Las dos iniciativas apuntan a un mismo objetivo: PyTorch, el marco de código abierto dominante en la construcción de modelos de IA. Amazon sostiene que, según sus datos, el 85% de las aplicaciones de IA se escriben con PyTorch, que históricamente tuvo mejor rendimiento sobre GPUs diseñadas por Nvidia y que, gracias a CUDA, terminó integrándose al estándar de facto de la industria, incluso frente a alternativas como las de AMD o Apple.

Nvidia mantiene una ventaja significativa, no solo por el rendimiento, sino por el ecosistema de software que rodea a sus procesadores. Aunque tanto Google como Amazon señalan que buscan ampliar opciones para los desarrolladores, ninguna de las dos herramientas garantiza una migración masiva fuera de la placa de Nvidia: cambios de chip implican ajustes, pruebas y un periodo de adaptación.

Además, Hugging Face, la plataforma que aloja miles de modelos de IA de uso abierto, se sumó al anuncio para subrayar que los programadores podrán elegir el hardware que les convenga sin perder acceso a sus modelos. Jeff Boudier, vicepresidente de producto de Hugging Face, remarcó esa visión de interoperabilidad.

En el plano histórico, PyTorch nació en Meta en 2016 y fue transferido a la fundación que administra el proyecto en 2022. Jana van Greunen, directora de ingeniería de PyTorch en Meta, afirmó que la industria no puede atarse a una única arquitectura de hardware, una idea que sustenta la colaboración con Google y las propuestas de Amazon.

En conclusión, el anuncio conjunto subraya un esfuerzo de los grandes actores tecnológicos por abrir opciones de hardware para IA y reducir la dependencia de Nvidia, aunque la transición real dependerá de la aceptación de los desarrolladores y de la capacidad de estas soluciones para competir en rendimiento, costo y ecosistema frente a las soluciones existentes. Google indicó que TorchTPU ya fue probado en ciertos escenarios, sin detallar resultados.