- Google mantiene conversaciones avanzadas con Marvell para codiseñar chips de IA centrados en inferencia y memoria.
- Los nuevos semiconductores complementarían las TPU de Google y reducirían su dependencia de Broadcom.
- La apuesta se enmarca en una estrategia más amplia de diversificación de proveedores de chips de IA especializados.
- Marvell consolida su papel como socio clave de los grandes operadores de nube en plena guerra por el hardware de inteligencia artificial.
Google, la filial de Alphabet, está manteniendo negociaciones avanzadas con Marvell Technology para desarrollar una nueva generación de chips de inteligencia artificial diseñados a medida. El objetivo es ejecutar modelos de IA con mayor eficiencia y controlar mejor los costes de operación en sus centros de datos, en un momento en el que la demanda de servicios basados en IA se dispara en todo el mundo, incluida Europa.
Según diversas informaciones coincidentes, entre ellas las de The Information recogidas por varios medios, el plan sobre la mesa contempla al menos dos nuevos semiconductores personalizados: una unidad de procesamiento de memoria pensada para trabajar junto a las actuales TPU de Google y una nueva TPU específicamente optimizada para la fase de inferencia, es decir, cuando los modelos ya entrenados generan respuestas para los usuarios.
Qué están negociando Google y Marvell exactamente
De acuerdo con las fuentes consultadas por estos medios, el primer proyecto clave es una unidad de procesamiento de memoria (MPU) que se integraría con las Tensor Processing Units (TPU) de Google. Este chip se centraría en aliviar uno de los grandes cuellos de botella de la IA moderna: el movimiento de datos entre memoria y procesador, un factor crucial cuando se ejecutan modelos de gran tamaño en entornos de nube como Google Cloud.
El segundo frente de la negociación es el diseño de una nueva TPU específica para inferencia. A diferencia de las TPU actuales, que se utilizan tanto para entrenamiento como para servir modelos, este diseño se orientaría a la etapa en la que los modelos responden a peticiones reales de usuarios, como ocurre con Gemini, con la búsqueda con IA o con aplicaciones de terceros que corren sobre la infraestructura de Google Cloud.
Ambas compañías aspiran, según estas informaciones, a cerrar el diseño de la nueva unidad de memoria en el próximo año, con vistas a enviarla posteriormente a producción de prueba en las fábricas de semiconductores. No se ha desvelado aún un calendario público para la TPU orientada a inferencia, pero las negociaciones incluirían elementos técnicos clave como la interconexión de alta velocidad, la eficiencia energética y la compatibilidad con la infraestructura actual de Google.
Ni Google ni Marvell han querido comentar oficialmente los detalles del posible acuerdo, y agencias como Reuters han señalado que no han podido verificar de forma independiente todos los extremos del informe. Pese a ello, la coincidencia de los datos que han ido apareciendo en distintos medios especializados apunta a una negociación en fase avanzada.
Por qué la inferencia se ha convertido en la gran prioridad
Hasta hace poco, buena parte de la conversación sobre hardware de IA giraba en torno al entrenamiento de modelos gigantescos, donde las GPU de Nvidia se han consolidado como el estándar de facto. Sin embargo, para empresas con el tamaño y el tráfico de Google, el foco se está desplazando hacia otra partida: el coste de servir esos modelos a millones de usuarios cada día.
Cada vez que alguien lanza una consulta a un chatbot, genera una imagen con IA o recibe un resumen automático en un servicio en la nube, se ejecuta una tarea de inferencia. Cuando esto se multiplica por miles de millones de interacciones diarias, como ocurre en los servicios de Google, el gasto recurrente en cómputo se convierte en un factor determinante para la rentabilidad del negocio de IA.
Los chips especializados, conocidos como ASIC personalizados, ofrecen aquí una ventaja clara frente a las GPU de propósito general: al estar diseñados para una carga de trabajo muy concreta (ejecutar modelos ya entrenados), pueden alcanzar una mejor relación coste-rendimiento y un menor consumo energético. Incluso reducciones aparentemente pequeñas en el coste por consulta se traducen, a escala de Google Cloud, en ahorros millonarios.
Analistas del sector estiman que, en esta nueva etapa, el gasto en inferencia puede superar con creces al de entrenamiento a medida que los modelos se integran en productos de uso cotidiano. Esta tendencia es especialmente relevante para empresas europeas que utilizan servicios cloud de IA: si el coste por inferencia baja, se abre la puerta a ofrecer productos basados en IA a precios más competitivos también en mercados como España.
Una estrategia de diversificación: Broadcom, Marvell y más socios
El posible acuerdo con Marvell no implica que Google vaya a romper su relación con Broadcom. De hecho, el gigante de Mountain View ha extendido recientemente su contrato de TPU con Broadcom hasta 2031, lo que indica que la idea no es sustituir al socio histórico, sino introducir competencia interna y diversificar los puntos críticos de su cadena de suministro de silicio.
Según las informaciones disponibles, Google ya trabaja con varios diseñadores de chips para dar vida a su familia de TPU y otros procesadores: Broadcom como socio principal actual, MediaTek como parte de la cadena de diseño y Marvell como nuevo candidato destacado para los chips de inferencia y de memoria. Incluso Intel aparece citado en algunos análisis como posible cuarto socio en el futuro, gracias a su apuesta por ofrecer servicios de fabricación (foundry) a terceros.
Este enfoque responde a una lógica empresarial bastante conocida: evitar depender de un único proveedor crítico. Si toda la infraestructura de IA de Google descansara sobre un solo diseñador de chips, cualquier problema de producción, negociación de precios o tensión geopolítica podría tener un impacto directo en sus servicios de nube, incluidos los que llegan a clientes europeos.
Al repartir el diseño de sus chips entre varios socios, Google gana margen para negociar precios, mejora su capacidad de adaptación tecnológica y reduce el riesgo de interrupciones. Es una estrategia similar a la que ya aplica en la construcción y gestión de sus centros de datos, ahora trasladada al corazón del hardware de IA.
El papel de Marvell en la nueva guerra del silicio
Marvell llega a esta negociación con un perfil muy reforzado en el mercado de centros de datos. La compañía ha registrado ingresos récord en este segmento, con alrededor de 6.100 millones de dólares en su último ejercicio fiscal y un negocio de silicio personalizado de unos 1.500 millones anuales, repartidos en casi una veintena de diseños para grandes proveedores cloud.
La empresa ya fabrica componentes clave para otras tecnológicas de primer nivel: chips para Amazon (como los procesadores Trainium), aceleradores personalizados para Microsoft (como Maia AI) y unidades de procesamiento dedicadas para Meta. Además, colabora con Google en la CPU Axion basada en arquitectura ARM, lo que convierte a Marvell en un socio conocido dentro del ecosistema de la compañía.
En marzo, Nvidia anunció una inversión de unos 2.000 millones de dólares en Marvell, integrando a la empresa en su ecosistema NVLink Fusion. Este movimiento permite que los chips de IA personalizados diseñados por Marvell puedan conectarse mejor con los equipos de red y las GPU de Nvidia, lo que refuerza la posición de Marvell como pieza intermedia entre distintos proveedores de hardware.
También destaca la compra de Celestial AI por parte de Marvell a finales de 2025, por un importe de hasta 5.500 millones de dólares. Con esta adquisición, Marvell se hizo con tecnología de interconexión fotónica que su dirección ha descrito como una de las más avanzadas del sector. Esa capacidad de mover datos a gran velocidad entre procesadores y memoria encaja especialmente bien con las necesidades de los futuros chips de inferencia de Google.
El mercado bursátil ha reaccionado con fuerza a estas perspectivas: tras conocerse las conversaciones con Google, las acciones de Marvell llegaron a subir alrededor de un 5 % en una sola sesión, y en lo que va de año acumulan un incremento cercano al 60 %, después de un 2025 más discreto. La compañía espera aproximarse a los 15.000 millones de dólares en ingresos en su ejercicio fiscal de 2028, lo que refleja las expectativas crecientes sobre el negocio de chips personalizados de IA.
Impacto para Google Cloud y para los usuarios en Europa
En paralelo a estas negociaciones, Google ha ido ampliando su catálogo de chips propios, como la séptima generación de TPU conocida como Ironwood, que se centra precisamente en mejorar la eficiencia de la inferencia. Este tipo de hardware se ofrece a través de Google Cloud, la plataforma que utilizan tanto grandes empresas como pymes y startups de España y del resto de Europa para desplegar sus proyectos de IA.
Con una oferta de silicio cada vez más amplia, Google aspira a reducir los costes de cómputo para sus clientes cloud. Informes internos de la compañía señalan reducciones de alrededor del 28 % en costes de TI y retornos de inversión muy elevados cuando se pasa de infraestructuras tradicionales a configuraciones basadas en TPU de última generación para cargas de IA.
Para las empresas europeas, incluidas las que operan en mercados sensibles al precio como el español, este tipo de avances puede traducirse en servicios de IA más competitivos y asequibles. Un descenso del coste por inferencia permite lanzar productos con modelos de suscripción más ajustados o con márgenes más holgados, sin necesidad de recurrir siempre a las GPU de Nvidia, tradicionalmente más caras.
En este contexto, la colaboración con Marvell se interpreta como un paso adicional para que Google consolide una infraestructura propia capaz de rivalizar con las soluciones de Nvidia, sin renunciar a la compatibilidad con su ecosistema. Al mismo tiempo, se refuerza la posición de Google Cloud como alternativa para empresas europeas que buscan reducir su dependencia de un único proveedor de hardware de IA.
Un mercado de chips de IA cada vez más fragmentado
Las negociaciones entre Google y Marvell se producen en medio de una competencia intensa en el sector de semiconductores para IA. Broadcom, Marvell y Nvidia pugnan por suministrar chips a los grandes operadores de nube, mientras otros actores como AMD, Intel o fabricantes especializados también intentan hacerse un hueco.
Firmas de análisis como TrendForce proyectan que las ventas de ASIC de IA crecerán muy por encima de las de GPU en los próximos años, con previsiones de incremento del 45 % para estos chips personalizados frente a un 16 % para las GPU tradicionales. Bloomberg, por su parte, estima que el mercado de ASIC a medida podría acercarse a los 118.000 millones de dólares hacia 2033, con Marvell potencialmente capturando hasta una cuarta parte de ese pastel.
En este escenario, las grandes empresas tecnológicas —Google, Meta, Microsoft, Amazon— siguen una estrategia parecida: desarrollar o codiseñar sus propios chips y, al mismo tiempo, diversificar proveedores para no quedar atadas a un único fabricante. Meta, por ejemplo, ha reforzado su alianza con Broadcom para producir varias generaciones de procesadores de IA personalizados, mientras Microsoft impulsa sus propios chips Maia sin renunciar a Nvidia.
La consecuencia práctica es un mercado más fragmentado, donde conviven GPU, TPU, ASIC y otros diseños específicos, cada uno reservado para tareas concretas dentro del ciclo de vida de los modelos: entrenamiento, inferencia y conectividad dentro de los centros de datos. Para los usuarios finales, incluidos los europeos, esta competencia se traduce principalmente en dos efectos: una reducción progresiva de costes y una mayor variedad de servicios de IA disponibles en la nube.
Visto desde la óptica de Google, avanzar en su alianza con Marvell y con otros socios de silicio es una forma de ganar ventaja estructural en la carrera por la IA. No solo se trata de desarrollar modelos más avanzados, sino de ser capaz de ponerlos en manos de miles de millones de personas y empresas a un coste sostenible. El movimiento con Marvell encaja en ese puzzle: más opciones de diseño, más eficiencia en inferencia y menos dependencia de un único proveedor en un momento en el que el hardware de IA se ha convertido en un recurso estratégico.
