La carrera por el dominio de la inteligencia artificial ha estado marcada por una competencia feroz y mediática entre los modelos más avanzados del mercado. Sin embargo, un reciente y exhaustivo análisis de la firma especializada SemiAnalysis sugiere un giro inesperado en la narrativa tecnológica: Google podría coronarse como el gran vencedor de la era de la IA, incluso si su modelo estrella, Gemini, no logra superar a sus rivales directos. La clave de esta victoria estratégica no reside en el software o en los algoritmos de procesamiento de lenguaje natural, sino en la infraestructura subyacente que alimenta a toda la industria digital.
Durante años, DeepMind fue considerado el laboratorio frontera indiscutible en el desarrollo de inteligencia artificial, un faro de innovación que marcaba el ritmo de los descubrimientos científicos. No obstante, la realidad actual muestra un panorama radicalmente diferente, donde la fuga de talentos clave y los retrasos en las nuevas versiones de Gemini han sembrado dudas sobre su liderazgo técnico. Lo que a primera vista parece un retroceso en la carrera de los modelos fundacionales, esconde en realidad una estrategia comercial magistral orquestada desde Google Cloud Platform (GCP), redefiniendo las reglas del juego en el ecosistema tecnológico global.
El legado de DeepMind y el cambio de paradigma
Para entender la magnitud de este cambio, es fundamental recordar el peso histórico de DeepMind. Adquirida por Google en 2014, esta división con sede en Londres fue responsable de hitos que redefinieron nuestra comprensión de la inteligencia artificial. Desde la histórica victoria de AlphaGo sobre el campeón mundial Lee Sedol, hasta el revolucionario AlphaFold, que resolvió el problema del plegamiento de proteínas de 50 años de antigüedad, DeepMind operaba en la frontera absoluta de lo posible.
Sin embargo, el informe de SemiAnalysis es contundente al afirmar que DeepMind ha dejado de operar, en la práctica, como un laboratorio de vanguardia absoluta en el ámbito de la IA generativa. El enfoque puramente científico y de investigación a largo plazo ha chocado con la urgencia comercial impuesta por el lanzamiento de ChatGPT y la posterior explosión de los grandes modelos de lenguaje (LLM). La integración forzada de DeepMind con el equipo de Google Brain para crear Google DeepMind fue un intento de unificar esfuerzos, pero la transición ha sido turbulenta y ha alterado el ADN original del laboratorio.
La trayectoria de Gemini ilustra perfectamente esta desaceleración. A finales de 2025, Gemini 3 Pro alcanzó la cima, posicionándose brevemente como el mejor modelo del mundo y obligando a competidores como OpenAI y Anthropic a acelerar sus desarrollos. Sin embargo, desde ese pico, el progreso ha sido decepcionante. Las versiones posteriores, como Gemini 3.5 Flash y 3.5 Pro, han sufrido retrasos significativos o no han cumplido con las expectativas de rendimiento en las comparativas de la industria, quedando rezagados frente a las iteraciones más recientes de sus competidores.
La fuga de cerebros: De creadores a clientes
Uno de los síntomas más evidentes de esta transformación es la salida de figuras legendarias de la compañía. El informe cita la partida de pioneros como Jeff Dean, Sanjay Ghemawat, Quoc Le y Oriol Vinyals. A esto se suma el distanciamiento de Demis Hassabis, CEO y fundador de DeepMind, de la gestión diaria de los proyectos, y la partida de expertos de la talla de Noam Shazeer y John Jumper, este último coganador del Premio Nobel de Química junto al propio Hassabis.
Que Google no logre retener a este talento es especialmente significativo, porque muchos de estos expertos fueron precisamente los que impulsaron el concepto de la arquitectura Transformers en 2017, el avance fundamental que dio lugar a todos los modelos de IA generativa actuales. La pérdida de especialistas en aprendizaje por refuerzo y arquitecturas de redes neuronales representa un golpe duro para el desarrollo interno de Gemini.
No obstante, lo más paradójico de esta fuga de cerebros es el destino de estos profesionales. Muchos de estos “ex-googlers” están fundando sus propias startups de inteligencia artificial, atrayendo miles de millones en capital de riesgo. Y, curiosamente, el dinero que levantan en sus rondas de inversión termina siendo destinado a alquilar capacidad de cómputo en la propia nube de Google. De esta forma, la compañía pierde talento interno para el desarrollo de sus propios modelos, pero gana clientes empresariales de altísimo valor que dependen de su infraestructura para existir.
La estrategia de Thomas Kurian: Priorizar la nube
La tesis central de SemiAnalysis revela que el aparente estancamiento de Gemini no se debe exclusivamente a una falta de capacidad técnica, sino a una decisión estratégica deliberada sobre cómo se distribuyen los recursos de hardware. Según las estimaciones de los expertos, más del 20% de todas las Unidades de Procesamiento Tensorial (TPU) que Google fabricará hasta finales de 2027 se destinarán directamente a Anthropic, uno de sus principales competidores en el desarrollo de modelos fundacionales.
Esto no incluye el hardware masivo que ya se alquila a otras gigantes tecnológicos como Meta a través de Google Cloud Platform (GCP). En esencia, Google está cediendo el hardware que le permitiría entrenar modelos muy superiores para Gemini a sus propios rivales, a cambio de ingresos inmediatos, masivos y recurrentes. Esta estrategia lleva la firma inconfundible de Thomas Kurian, CEO de Google Cloud, quien ha defendido fervientemente que la infraestructura de Google debe servir a cualquier cliente, independientemente de si esto fortalece a la competencia directa de Gemini.
Los números respaldan esta visión pragmática y orientada a los beneficios. Mientras que Gemini generaba unos 12.000 millones de dólares en ingresos recurrentes anualizados (ARR) en el segundo trimestre de 2026, las proyecciones para el negocio de infraestructura son de otra magnitud. Para finales de 2027, se proyectan más de 73.000 millones de dólares provenientes de infraestructura de IA para terceros y otros 120.000 millones en ventas directas y alquiler de sus chips TPU. Google Cloud Platform ya experimentó un crecimiento del 82% en el último trimestre, impulsado masivamente por el alquiler de servidores a empresas externas, y se estima que cuenta con una cartera de pedidos pendientes de 150.000 millones de dólares.
TPUs vs GPUs: La ventaja oculta de Google
Para comprender por qué empresas como Anthropic o Meta prefieren alquilar infraestructura a Google en lugar de construir la suya propia, es necesario analizar la ventaja técnica de las TPUs (Tensor Processing Units). Mientras que el mercado general depende abrumadoramente de las GPUs de NVIDIA, Google lleva más de una década diseñando su propio silicio optimizado específicamente para cargas de trabajo de inteligencia artificial.
Las TPUs ofrecen una eficiencia energética y un rendimiento por vatio que, en muchos escenarios de entrenamiento de grandes modelos de lenguaje, supera a las alternativas comerciales. Al ofrecer este hardware exclusivo a través de Google Cloud, la compañía crea un ecosistema cautivo. Los desarrolladores que optimizan sus modelos para funcionar en TPUs encuentran muy difícil y costoso migrar a otras plataformas en el futuro. Esta retención tecnológica asegura que, sin importar qué empresa gane la carrera por el mejor modelo de IA, Google seguirá cobrando el “peaje” por la infraestructura subyacente.
Implicaciones para el ecosistema empresarial
La estrategia de Google recuerda a la clásica máxima de la fiebre del oro del siglo XIX: los que realmente se enriquecieron no fueron los mineros que buscaban pepitas, sino los comerciantes que vendían las palas, los picos y los pantalones vaqueros. Al priorizar su negocio en la nube, Alphabet está mitigando el inmenso riesgo financiero que supone intentar mantener el modelo de IA más potente del mundo, una carrera que requiere inversiones multimillonarias constantes sin garantía de retorno a corto plazo.
Esta reorientación tiene profundas implicaciones para el ecosistema tecnológico y empresarial. Por un lado, democratiza el acceso a hardware de primer nivel, permitiendo que startups y empresas consolidadas desarrollen sus propios modelos sin tener que construir centros de datos desde cero. Por otro lado, consolida a Google como un proveedor de infraestructura indispensable, creando una dependencia estructural en la industria de la IA.
Para las empresas que buscan implementar soluciones de inteligencia artificial, este panorama sugiere que la elección del proveedor de nube (Cloud Provider) será tan crítica, o incluso más, que la elección del modelo de IA específico. La interoperabilidad, los costos de inferencia y la escalabilidad de la infraestructura serán los verdaderos diferenciadores competitivos en los próximos años.
Conclusión
La aparente derrota de Google en la carrera por crear el modelo de inteligencia artificial definitivo es, bajo la lupa del análisis financiero y estratégico, una victoria calculada en el terreno de la infraestructura. Al transformar a sus competidores más feroces y a sus ex-empleados más brillantes en sus mejores clientes, la compañía ha asegurado un flujo de ingresos masivo, diversificado y altamente predecible.
En el dinámico, volátil y extremadamente costoso mundo de la inteligencia artificial generativa, tener el mejor modelo otorga prestigio y portadas en los medios, pero poseer la infraestructura que lo hace posible garantiza el dominio absoluto del mercado a largo plazo. La verdadera revolución tecnológica no solo está ocurriendo en los complejos algoritmos de las redes neuronales, sino en los silenciosos y masivos centros de datos que los hacen realidad. Google ha entendido que, en la era de la IA, ser el dueño del tablero es mucho más rentable que tener la mejor pieza.