José ZegarraTable of Contents
Resumen
AMD anunció que sus procesadores EPYC de quinta generación sustentan la infraestructura host de Google Cloud TPU 8tx. Las CPU preparan datos, coordinan cargas de trabajo y gestionan la comunicación con los aceleradores TPU.
Google Cloud TPU 8tx incorpora procesadores host EPYC de quinta generación para proteger cargas de trabajo sensibles. Llevar modelos de IA a la nube exige proteger también la información durante su procesamiento. AMD y Google Cloud amplían su colaboración para abordar esa necesidad. AMD anunció que sus procesadores EPYC de quinta generación sustentan la infraestructura host de Google Cloud TPU 8tx. La arquitectura combina coordinación de cargas de trabajo y capacidades de seguridad de hardware con aceleradores TPU para proteger información sensible durante su uso. Está orientada a inferencia, ajuste de modelos y aprendizaje por refuerzo.
Claves de la noticia
- EPYC actúa como CPU host: prepara datos, coordina tareas y se comunica con los aceleradores.
- TPU 8tx incorpora una arquitectura de computación confidencial aplicada por hardware.
- La propuesta contempla inferencia, ajuste de modelos y aprendizaje por refuerzo.
- La protección requiere evaluar el sistema completo y las condiciones del servicio.
Lima, Perú, 10 de noviembre de 2026.— La infraestructura de inteligencia artificial necesita proteger tanto los datos utilizados por las aplicaciones como los modelos que procesan esa información. La computación confidencial aborda una parte de ese desafío: la protección de datos mientras se encuentran en uso.
AMD anunció el pasado 9 de noviembre que sus procesadores EPYC de quinta generación impulsan la infraestructura host de Google Cloud TPU 8tx. Google también confirmó la combinación de sus aceleradores con estas CPU y presentó TPU 8tx como una configuración orientada a inferencia confidencial y entrenamiento de menor escala. Fuente: AMD Newsroom
Proteger la información mientras la IA trabaja
Una organización puede cifrar sus archivos almacenados y proteger las comunicaciones con sus aplicaciones. Cuando un modelo necesita procesar información, aparece otra pregunta: ¿qué protección recibe durante la ejecución?
Esta cuestión adquiere relevancia cuando una aplicación utiliza documentos internos, instrucciones sensibles o modelos propios. La computación confidencial busca ampliar la protección hacia esa etapa del trabajo.
El desafío que enfrenta la industria
Los sistemas de IA acelerada combinan procesadores, memoria, conexiones y aceleradores especializados. Proteger únicamente un componente no explica por sí solo cómo se resguarda todo el recorrido de la información.
La colaboración entre AMD y Google Cloud plantea una arquitectura que relaciona la protección del host con la de las TPU conectadas. Las compañías la presentan como la primera implementación de computación confidencial aplicada por hardware en un sistema TPU en la nube.
Qué hace AMD EPYC dentro de TPU 8tx
En esta arquitectura, EPYC cumple el papel de CPU host. Sus responsabilidades incluyen preparar datos, organizar cargas de trabajo y gestionar comunicaciones con los aceleradores.
Las TPU, por su parte, ejecutan operaciones especializadas de inteligencia artificial. Son funciones complementarias: el rendimiento de la infraestructura depende de cómo trabajan conjuntamente los componentes y el software.
| Componente o función | Papel dentro del sistema |
|---|---|
| CPU host AMD EPYC | Preparación de datos, coordinación de tareas y comunicación con aceleradores. |
| Aceleradores Google TPU | Procesamiento especializado de cargas de IA. |
| Capacidades AMD SEV | Protección asociada a la virtualización y memoria del host. |
| Arquitectura confidencial del sistema | Extensión de las protecciones hacia los aceleradores conectados. |
| Verificación del acelerador | Comprobación de identidad y configuración de seguridad antes del acceso a memoria protegida. |
Dan McNamara, vicepresidente sénior y director general de Cómputo e IA Empresarial de AMD, explica:
Los sistemas de IA más potentes requieren una base de CPU capaz de satisfacer las demandas de los aceleradores que alojan. A lo largo de las distintas generaciones de EPYC, hemos consolidado capacidades de liderazgo en rendimiento, ancho de banda de memoria e E/S que mantienen la productividad de los sistemas acelerados, respaldadas por años de colaboración en ingeniería con los principales proveedores de nube a nivel mundial. Nuestro trabajo con Google Cloud lleva esa fortaleza a TPU 8tx, ayudando a los clientes a escalar la IA con el rendimiento y la protección que exigen sus cargas de trabajo más importantes”.
Cómo se plantea la protección de datos y modelos
Según AMD, TPU 8tx utiliza capacidades Secure Encrypted Virtualization —SEV— de EPYC junto con la arquitectura de seguridad de las TPU.
El comunicado llegado a nuestra redacción describe cifrado de información en la memoria de la CPU y durante su transferencia entre host y aceleradores, además de aislamiento por hardware durante la ejecución en el acelerador. También señala la verificación de su identidad y configuración antes de permitir acceso directo a memoria protegida.
Los elementos que se busca resguardar incluyen:
- Prompts: instrucciones y contexto que recibe el modelo.
- Pesos del modelo: parámetros aprendidos durante el entrenamiento.
- Datos intermedios: información generada durante el procesamiento.
Estas protecciones tienen un alcance técnico específico. Su evaluación debe complementarse con controles de acceso, configuración de aplicaciones y procedimientos para gestionar la información.
Mark Lohmeyer, vicepresidente y director general de Infraestructura de Cómputo e IA en Google Cloud, señala:
Cuando los equipos llevan agentes de IA a producción, necesitan tener la certeza de que sus datos y su propiedad intelectual se mantendrán privados, incluso frente a la infraestructura subyacente. Al emparejar los procesadores AMD EPYC de 5.ª generación con nuestra arquitectura de TPU de 8.ª generación dentro del AI Hypercomputer, estamos llevando la computación confidencial aplicada por hardware a las TPU en la nube por primera vez. Los clientes obtienen protección de datos a nivel de silicio junto con el rendimiento de baja latencia necesario para los modelos de razonamiento modernos”.
Inferencia y personalización dentro de un entorno confidencial
Google presenta TPU 8tx para ejecutar modelos y realizar actividades de personalización con datos privados. Entre los usos descritos figuran el ajuste fino, la destilación de modelos y el aprendizaje por refuerzo, dentro del mismo sistema que atiende la inferencia. Fuente: Google Cloud Blog
Por ejemplo, una empresa podría evaluar esta arquitectura para adaptar un modelo con documentación interna y utilizarlo posteriormente en una aplicación. Es un escenario de aplicación, no un caso de cliente documentado en el comunicado.
Para determinar su pertinencia, el equipo técnico necesitaría revisar compatibilidad del modelo, herramientas disponibles, requisitos de seguridad y condiciones comerciales.
El papel del host en distintas arquitecturas de IA
AMD informa que EPYC es utilizado como CPU host por más de diez hiperescaladores y laboratorios de IA de frontera, en sistemas con GPU y aceleradores personalizados.
La cifra es una afirmación corporativa. El comunicado no presenta un desglose completo de organizaciones, instalaciones o participación de mercado que permita convertirla en una comparación independiente de liderazgo.
El anuncio sí ilustra una función relevante del procesador host: conectar los aceleradores con los datos, las aplicaciones y los servicios que los rodean.
¿Por qué es importante?
Para responsables de tecnología y seguridad, la computación confidencial amplía las opciones para evaluar IA con información sensible. La decisión requiere comprender qué protege cada componente y cómo se verifica esa protección. También exige revisar compatibilidad, operación y condiciones del servicio antes de trasladar cargas de trabajo.
Visión Estratégica
Para organizaciones del Perú y de Latinoamérica, la evaluación debería comenzar por identificar qué información necesita protección durante el procesamiento y qué aplicaciones justifican una arquitectura especializada.
Un piloto puede delimitar el modelo, los datos autorizados y los controles que deben comprobarse. También permite observar rendimiento y costos con una carga representativa, sin trasladar conclusiones de otros sistemas.
La protección por hardware aporta una capa técnica, mientras la organización conserva responsabilidades sobre permisos, aplicaciones y uso de los resultados. La ubicación del servicio y las condiciones de tratamiento de información también deben revisarse dentro del proyecto.
El comunicado proporcionado no detalla precios, regiones habilitadas ni condiciones de contratación para Perú. El anuncio debe distinguirse de una confirmación de disponibilidad general para cualquier cliente o ubicación.
Datos citables
- 9 de noviembre de 2026: fecha del anuncio de AMD.
- Quinta generación de EPYC: procesadores utilizados en la infraestructura host.
- TPU 8tx: sistema de Google Cloud presentado para cargas de IA confidencial.
- Tres tipos de cargas destacados: inferencia, ajuste fino y aprendizaje por refuerzo.
- Más de diez hiperescaladores y laboratorios: adopción de EPYC como host informada por AMD, sin desglose completo en el comunicado.
Knowledge Layer — Glosario
CPU host
Procesador que coordina tareas y conecta los aceleradores con otros componentes y servicios del sistema.
TPU
Unidad de Procesamiento Tensorial desarrollada por Google para acelerar operaciones de inteligencia artificial.
Computación confidencial
Enfoque de protección de datos durante su uso mediante entornos y mecanismos de seguridad respaldados por hardware.
AMD SEV
Tecnologías de Virtualización Segura Encriptada de AMD utilizadas para proteger entornos virtualizados.
Inferencia
Ejecución de un modelo entrenado para generar respuestas, predicciones u otros resultados.
Ajuste fino
Adaptación de un modelo mediante entrenamiento adicional con datos específicos.
Aprendizaje por refuerzo
Método de entrenamiento que utiliza señales de recompensa para orientar el comportamiento de un sistema.
Pesos del modelo
Parámetros aprendidos durante el entrenamiento que intervienen en la generación de resultados.
Tu Opinión Nos Importa 🗣️
Me interesa conocer tu perspectiva: ¿qué información de tu organización exigiría mayor protección al utilizar IA? ¿Qué evidencia necesitarías para confiar una carga sensible a una infraestructura en la nube?
Comparte tu opinión con #itusersawards2026 y #superfan.
Apoya al Periodismo Independiente
¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457
