Uber abandona Oracle y elige chips de IA de Amazon: la estrategia que está revolucionando la infraestructura empresarial

Uber acaba de dar un giro radical a su estrategia tecnológica. La empresa de movilidad, que en 2023 firmó contratos multimillonarios con Oracle y Google para migrar toda su infraestructura a estos proveedores, ahora expande su contrato con Amazon Web Services para ejecutar más funciones críticas en los chips de IA de Amazon.

El anuncio del martes revela que Uber utilizará masivamente los procesadores Graviton de AWS (chips ARM de bajo consumo) y comenzará pruebas con Trainium3, el competidor directo de Amazon contra Nvidia. Esta decisión es especialmente llamativa considerando que en diciembre pasado, Uber reiteraba públicamente su compromiso de migrar la mayoría de su infraestructura a Oracle y Google Cloud.

Según los datos revelados, Amazon CEO Andy Jassy confirmó en diciembre que Trainium ya genera miles de millones en ingresos, posicionándose como una alternativa real a los chips de Nvidia. La adopción por parte de Uber se suma a la de gigantes como Anthropic, OpenAI y Apple, que han incrementado su uso de AWS precisamente por estos chips de IA personalizados.

Lo que hace este movimiento aún más interesante es el contexto: Oracle vendió recientemente su participación en Ampere (fabricante de chips ARM que Uber usaba) por 2.700 millones de dólares de ganancia pre-impuestos a SoftBank, alegando que diseñar chips internamente ya no era una ventaja competitiva. Mientras Oracle se enfoca en comprar chips de Nvidia para sus centros de datos destinados a OpenAI, Amazon le arrebata uno de sus clientes estrella precisamente ofreciendo chips diseñados internamente.

Qué puedes aplicar de la estrategia de Uber en tu empresa

La decisión de Uber ofrece tres lecciones clave para cualquier organización que esté evaluando su infraestructura de IA empresarial:

1. No te cases con un solo proveedor por ideología
Uber demostró que la lealtad tecnológica es menos importante que los resultados. A pesar de haber anunciado públicamente su migración a Oracle y Google, cuando Amazon ofreció una solución más eficiente para sus necesidades de IA, no dudó en cambiar. La lección: evalúa proveedores basándote en métricas concretas de rendimiento y costo, no en compromisos pasados.

2. Los chips especializados pueden ser tu ventaja competitiva
Uber está usando los chips Graviton para mejorar tareas críticas como emparejamiento de viajes, sistemas de despacho y optimización de entregas. Los chips Trainium entrenan los modelos de IA que predicen demanda, optimizan rutas y personalizan recomendaciones. Para tu empresa, esto significa:

Evalúa si tus cargas de trabajo de IA se beneficiarían de hardware especializado

Calcula el ROI de migrar de GPUs tradicionales a chips optimizados para IA

Considera proveedores que ofrezcan alternativas más eficientes en costo-rendimiento

3. La eficiencia en costos de IA es crítica para escalar
Como señala la fuente de Republic World, "los costos de infraestructura de IA se están convirtiendo en uno de los mayores centros de costo para las empresas tecnológicas". Entrenar modelos grandes y ejecutarlos a escala requiere enormes recursos computacionales.

Para implementar esta lección:

Audita tus costos actuales de entrenamiento y ejecución de modelos de IA

Prueba diferentes tipos de hardware en proyectos piloto antes de comprometerte

Negocia contratos que te permitan flexibilidad para cambiar entre diferentes tipos de chips según la carga de trabajo

La estrategia de Uber también revela algo crucial: las decisiones de infraestructura de IA ya no son solo técnicas, son estratégicas. Cuando el CEO de Amazon confirma que una línea de chips genera miles de millones, y gigantes como Uber cambian proveedores para acceder a esa tecnología, queda claro que elegir la infraestructura correcta puede determinar tu capacidad de competir en la era de la IA.

¿Tu empresa está evaluando alternativas a Nvidia para sus cargas de trabajo de IA, o sigues pagando el premium por la marca líder sin considerar opciones más eficientes?