--- title: "Google presenta Ironwood: su TPU para liderar la inferencia de modelos de razonamiento en la era exaescala" description: "Google cerró las ponencias de machine learning en la conferencia Hot Chips con un anuncio de peso: Ironwood , la nueva generación de sus TPU (Tensor Processing Units) , diseñada específicamente para i..." url: https://revistacloud.com/google-presenta-ironwood-su-tpu-para-liderar-la-inferencia-de-modelos-de-razonamiento-en-la-era-exaescala/ date: 2025-08-27 modified: 2025-08-27 author: "Noticias Cloud" image: https://revistacloud.com/wp-content/uploads/2025/04/ironwood-tpu.jpg categories: ["Empresas", "Noticias"] tags: ["eventos", "google", "Hot Chips 2025", "Ironwood", "TPU"] type: post lang: es --- # Google presenta Ironwood: su TPU para liderar la inferencia de modelos de razonamiento en la era exaescala Google cerró las ponencias de *machine learning* en la conferencia Hot Chips con un anuncio de peso: **[Ironwood](https://revistacloud.com/ironwood-la-nueva-tpu-de-google-para-liderar-la-era-de-la-inferencia-en-la-nube/)**, la nueva generación de sus **TPU (Tensor Processing Units)**, diseñada específicamente para **inferencia de modelos de lenguaje y razonamiento a gran escala**. A diferencia de generaciones anteriores, centradas sobre todo en entrenamiento, **Ironwood nace para ejecutar en producción LLMs, arquitecturas *mixture-of-experts* y modelos de razonamiento**, donde la latencia y la fiabilidad son factores críticos. --- ## Escalabilidad masiva El avance más llamativo es la capacidad de escalar hasta **9.216 chips en un único nodo**, lo que permite alcanzar los **42,5 exaflops de rendimiento (FP8)**. Todo ello acompañado de **1,77 PB de memoria HBM3e directamente direccionable**, compartida mediante **optical circuit switches (OCS)**, que duplican la escala respecto a la TPUv4 (4.096 chips). El diseño incluye redundancia: no se eligió un número exacto de potencia de dos (8.192), sino 9.216 para tener racks de repuesto en caso de fallos. --- ## Eficiencia energética y fiabilidad Google asegura que Ironwood ofrece el **doble de rendimiento por vatio que Trillium** y hasta **6 veces más eficiencia frente a TPUv4**, gracias a: - **Arquitectura multi-chiplet** (dos *compute dies* por chip). - **8 stacks de HBM3e** con 192 GB por chip y **7,3 TB/s de ancho de banda**. - **Tercera generación de refrigeración líquida**, con múltiples circuitos para mantener limpios los intercambiadores térmicos. - **Control de picos de carga eléctrica** para estabilizar el consumo en despliegues de megavatios. La fiabilidad (RAS: *Reliability, Availability, Serviceability*) ha sido una prioridad: - **Checkpointing automático** para reasignar cargas si muere un nodo. - **Detección de corrupción silenciosa de datos** y comprobaciones aritméticas en ejecución. - **Root of trust integrado, arranque seguro y soporte de *confidential computing***. --- ## Un chip con IA diseñada con IA Google explicó que incluso el diseño interno del chip se optimizó con **IA aplicada al diseño de ALUs y al *floorplanning***, en colaboración con su equipo AlphaChip. Esto refleja una tendencia creciente: usar IA no solo para ejecutar cargas, sino para **diseñar el hardware que alimentará la próxima ola de modelos**. --- ## SparseCore y nuevas funciones Ironwood incorpora la **4ª generación de SparseCore**, aceleradores específicos para embeddings y operaciones colectivas, fundamentales en arquitecturas de modelos gigantes. A nivel de rack: - **64 TPUs por rack** (16 bandejas de 4 TPUs cada una). - **16 racks de CPU anfitriones** para coordinar el trabajo. - Conexiones internas de cobre; los **OCS conectan los racks entre sí** en un entramado lógico tridimensional. --- ## Una pieza clave para Google Cloud Ironwood **no se venderá como hardware independiente**: será exclusivo de **Google Cloud**, integrado en su oferta de **Cloud TPU**. Esto refuerza el modelo de Google de diseñar su propia infraestructura para dar servicio a terceros, como ya ocurre con YouTube, Gmail o Search, donde la IA es transversal. Para los clientes, Ironwood promete: - **Inferencia en tiempo real de modelos de razonamiento**. - **Mayor estabilidad en producción**, clave para IA generativa usada como agente autónomo. - **Optimización energética y fiabilidad** a escala de centro de datos. --- ## Conclusión Con Ironwood, Google busca **consolidar su liderazgo en IA a nivel de hardware** en un momento en que **NVIDIA GB300** y otras propuestas marcan la pauta en computación para IA. Mientras NVIDIA empuja con GPUs diseñadas para cargas mixtas de entrenamiento e inferencia, Google apuesta por un **acelerador propio, optimizado únicamente para inferencia masiva**, con foco en razonamiento y latencia baja. El resultado: un **súper sistema de hasta 42,5 exaflops**, con 1,77 PB de memoria compartida, pensado para la era de los **modelos de billones de parámetros** y agentes de IA que deberán ser confiables, eficientes y seguros en producción. --- ## Preguntas frecuentes (FAQ) **¿En qué se diferencia Ironwood de generaciones anteriores de TPU?** Está diseñado específicamente para **inferencia a gran escala**, mientras que las TPU previas estaban más orientadas a entrenamiento. **Qué papel juegan los Optical Circuit Switches (OCS)?** Permiten compartir memoria entre miles de chips dentro de un pod, escalar hasta 9.216 TPUs y reconfigurar el sistema dinámicamente en caso de fallos. **Qué mejoras en memoria trae Ironwood?** Cada chip integra **8 stacks de HBM3e (192 GB)** con un ancho de banda de **7,3 TB/s**, esenciales para alimentar LLMs y razonamiento. **Podrá adquirirse Ironwood fuera de Google Cloud?** No. Como en generaciones anteriores, Ironwood es exclusivo para los clientes de **Google Cloud TPU**. vía: [servethehome](https://www.servethehome.com/googles-ironwood-tpu-swings-for-reasoning-model-leadership-at-hot-chips-2025/) y [google](https://cloud.google.com/resources/ironwood-tpu-interest?hl=es)