La carrera por el dominio de la inteligencia artificial está experimentando un giro inesperado. Durante años, Google DeepMind fue considerado el indiscutible “laboratorio frontera”, el epicentro de los avances más revolucionarios en IA. Sin embargo, un reciente y exhaustivo análisis de SemiAnalysis revela que esta percepción ha cambiado drásticamente. A pesar de que su modelo estrella, Gemini, parece estar perdiendo terreno frente a competidores como OpenAI y Anthropic, los expertos aseguran que Google terminará ganando la guerra de la IA. ¿El motivo? Su imbatible infraestructura en la nube y el poder de sus procesadores TPU.
El declive de Gemini y la fuga de talentos en DeepMind
El informe de SemiAnalysis, titulado “Gemini is Cooked but GCP is Cooking”, expone una realidad incómoda para la división de investigación de Google. Tras el lanzamiento de Gemini 3 Pro, que en su momento logró posicionarse como un modelo líder, las versiones posteriores (Gemini 3.5 Flash y 3.5 Pro) no han logrado superar las expectativas ni el rendimiento de sus rivales directos. Las proyecciones para el futuro Gemini 4 tampoco son alentadoras en términos de recuperar el liderazgo absoluto en capacidades cognitivas.
A este estancamiento técnico se suma una crisis interna significativa. DeepMind ha sufrido una notable fuga de talentos, perdiendo a investigadores clave que han migrado hacia startups competidoras o han fundado sus propios proyectos. Además, los recientes cambios en la cúpula directiva, que involucran a figuras legendarias como Demis Hassabis y Jeff Dean, sugieren una reestructuración profunda y una posible pérdida de confianza en la estrategia actual de desarrollo de modelos fundacionales.
Google Cloud Platform (GCP): El verdadero motor del éxito
Si Gemini está perdiendo la batalla de los modelos, ¿por qué SemiAnalysis afirma que Google ganará la guerra? La respuesta radica en Google Cloud Platform (GCP) y su enfoque en la infraestructura de hardware. Mientras el mundo se obsesiona con qué modelo de lenguaje es más inteligente, Google ha estado construyendo silenciosamente el ecosistema computacional más robusto y rentable del planeta.
La demanda de poder de cómputo para entrenar y ejecutar modelos de IA ha alcanzado niveles sin precedentes. En este escenario, GCP está experimentando un crecimiento interanual de ingresos superior al 100%. La estrategia de Google ha pivotado hacia la “financiarización” de su infraestructura, priorizando la venta de capacidad de procesamiento a terceros por encima del uso exclusivo para sus propios modelos.
El dominio de los TPUs (Tensor Processing Units)
El as bajo la manga de Google son sus TPUs, chips diseñados específicamente para acelerar cargas de trabajo de aprendizaje automático. A diferencia de otras empresas que dependen casi exclusivamente de las GPUs de NVIDIA, Google posee su propio silicio optimizado. Lo más sorprendente de la estrategia actual es que GCP está vendiendo acceso a estos TPUs a sus propios competidores, incluyendo a empresas como Anthropic.
Los datos financieros respaldan esta jugada maestra. Se estima que las ventas de sistemas TPU a clientes externos generaron aproximadamente 1.200 millones de dólares solo en el segundo trimestre de 2026. Aún más impresionante es el backlog (pedidos pendientes) de GCP, que supera los 150.000 millones de dólares en ventas de sistemas TPU. Con márgenes de beneficio operativo (EBIT) proyectados en el rango bajo del 30%, esta división se está convirtiendo en una máquina de generar ganancias para Alphabet.
Implicaciones futuras: Infraestructura vs. Modelos
La situación actual de Google plantea un debate fundamental en la industria tecnológica: ¿qué es más valioso, poseer el mejor modelo de IA o poseer la infraestructura donde todos los modelos deben ejecutarse? La dirección de Google parece haber tomado una decisión clara. Las proyecciones internas apuntan a que GCP generará más de 200.000 millones de dólares en ventas externas para 2027, una cifra que eclipsa por completo los 12.000 millones de dólares de ingresos recurrentes anuales (ARR) proyectados para Gemini.
Esta priorización se refleja también en la asignación de recursos internos. Google está destinando una mayor cuota de su poder computacional a GCP para satisfacer la demanda de los clientes, en detrimento de los recursos asignados a DeepMind para el entrenamiento de futuras generaciones de Gemini. Es una decisión pragmática: en la “fiebre del oro” de la inteligencia artificial, Google ha decidido que el negocio más seguro y rentable es vender los “picos y palas”.
Conclusión
El análisis de SemiAnalysis desmitifica la idea de que el éxito en la era de la inteligencia artificial depende exclusivamente de tener el modelo más avanzado. Aunque DeepMind haya perdido su aura de invencibilidad como “laboratorio frontera” y Gemini enfrente desafíos para mantenerse en la cima, la victoria de Google parece asegurada desde otro frente. Al consolidar a Google Cloud Platform como la infraestructura indispensable para el ecosistema global de IA, la compañía garantiza su dominio a largo plazo, demostrando que, en última instancia, el hardware y la capacidad de distribución a gran escala son los verdaderos reyes del tablero tecnológico.