# Los TPU de Google ya ejecutan IA en Meta

> Meta procesa cargas de trabajo de IA con chips personalizados de Google mediante versiones nativas de PyTorch de dos motores de inferencia. El anuncio ofrece pocos detalles sobre la escala o la disponibilidad.

Oossa · 2026-10-22 · https://oossa.com/es/google-tpus-enter-meta-s-production-ai-systems

Los chips de IA personalizados de Google, llamados unidades de procesamiento tensorial (TPU), ya ejecutan cargas de trabajo de IA en producción en Meta, según una publicación del blog para desarrolladores de Google de la que informó Tom’s Hardware. La configuración utiliza una versión nativa de PyTorch de SGLang, un software para ejecutar modelos de IA y generar respuestas. Google también anunció una versión nativa de PyTorch de vLLM, otro motor de inferencia muy utilizado.

El cambio permite a Meta usar los chips de Google con PyTorch, el marco de IA que creó la propia Meta, en lugar de depender del marco JAX de Google, como antes. Google afirma que las nuevas versiones permiten a los desarrolladores usar TPU prácticamente sin tener que reescribir su software. El titular del artículo también afirma que Google vendió TPU a clientes externos por primera vez, pero el informe proporcionado no identifica a esos clientes ni ofrece detalles sobre las ventas.

## Una alternativa a JAX

La compatibilidad del software es importante porque un chip solo resulta útil para los desarrolladores si sus herramientas pueden aprovecharlo. Antes, SGLang y vLLM funcionaban en los TPU de Google mediante JAX. Las versiones nativas de PyTorch convierten los chips en una opción para los equipos que ya usan PyTorch, lo que podría reducir el trabajo necesario para trasladar una carga de trabajo de IA a hardware TPU.

Google afirma que la versión de vLLM es de código abierto. El informe no indica si la versión de SGLang tiene las mismas condiciones de licencia o acceso, ni explica cómo pueden obtener los desarrolladores alguna de las dos versiones. Tampoco ofrece cifras sobre cuántos TPU usa Meta, qué modelos ejecutan o qué rendimiento ofrece la configuración.

## ¿Qué cambia para los usuarios?

Para Meta, el cambio confirmado es que ahora tiene otra forma de ejecutar cargas de trabajo de IA en sus centros de datos. Esto podría dar a sus ingenieros más opciones de hardware, pero el informe no aporta pruebas de que hayan cambiado la velocidad, la calidad o la disponibilidad de los productos de Meta para los usuarios. Tampoco aclara si la implementación de Meta es una prueba o un despliegue más amplio; solo señala que está en producción.

## Los hechos

- Los TPU de Google ejecutan cargas de trabajo de IA en producción en Meta, según el informe.
- La implementación de Meta utiliza una versión nativa de PyTorch de SGLang.
- Google también anunció una versión nativa de PyTorch de vLLM y dijo que es de código abierto.
- Según el informe, antes ambos motores de inferencia usaban JAX para funcionar en los TPU.

## Por qué importa

Los ingenieros de IA de Meta ya pueden usar los TPU de Google con versiones nativas de PyTorch de SGLang y vLLM, en lugar de depender de JAX para esos motores. Esto añade una opción de hardware para Meta, pero la fuente no demuestra que quienes usan sus productos vayan a notar diferencias de velocidad o funciones.

## Fuentes y referencias

1. [Google’s TPUs for AI workloads now run in Meta's data centers](https://www.tomshardware.com/tech-industry/artificial-intelligence/googles-tpus-for-ai-workloads-now-run-in-at-metas-data-centers-tpus-sold-to-external-customers-for-the-first-time-threaten-nvidias-market-dominance) – Tom's Hardware, 2026-10-22

Última actualización: 2026-10-22