OpenAI planea comprar TPUs de Google para reducir su dependencia de Nvidia — SK Hynix reportó ingresos trimestrales récord impulsados por la demanda de memoria para IA

Reuters reportó el miércoles, citando a The Information, que OpenAI está planeando comprar Tensor Processing Units (TPUs) de Google. El informe no divulgó el número de procesadores, el precio ni el cronograma de entrega. OpenAI no comentó; Google no respondió antes del cierre. La operación sigue siendo un plan reportado, no un acuerdo confirmado.

El contexto técnico es relevante. Nvidia es el proveedor dominante de los procesadores usados para entrenar y operar modelos grandes, pero sus clientes —incluyendo los principales labs de IA— han estado buscando activamente alternativas para mejorar disponibilidad y reducir costos. OpenAI ya alquila TPUs de Google. También está desarrollando chips propios con Broadcom, lo que crearía una tercera fuente de capacidad de cómputo independiente de Nvidia.

La relación refleja una dinámica inusual: OpenAI y Google compiten directamente en modelos de lenguaje, asistentes de consumo, servicios empresariales y productos de búsqueda. Que cooperen en infraestructura de cómputo ilustra cuánto cuestan los centros de datos de IA: la economía del hardware está forzando asociaciones entre competidores que no tendrían sentido en otro mercado.

El mismo día, SK Hynix reportó ingresos trimestrales récord, impulsados por la fuerte demanda de memoria de alta capacidad para sistemas de IA, junto con un beneficio operativo igualmente elevado. La compañía informó que su producción de chips de memoria avanzada está comprometida prácticamente en su totalidad durante los próximos años.

Esa situación tiene implicaciones directas para quien compra o planifica infraestructura: no se trata de que la memoria sea cara hoy, sino de que el acceso a ella está estructuralmente restringido en el corto y mediano plazo. Mientras tanto, el principal fabricante de memoria de China está preparando su propia memoria avanzada para IA, aunque con yields de producción significativamente más bajos que los de sus competidores coreanos, lo que limita su capacidad de escalar rápidamente.