Abre las especificaciones de cualquier portátil o móvil nuevo y te encuentras un pequeño abecedario: CPU, GPU, NPU y, en las noticias sobre IA, también TPU y DPU. Todos son procesadores, pero cada uno está hecho para un tipo de trabajo distinto. Imagina que estás en un restaurante y el problema es servir a miles de personas a la vez. Un solo jefe de cocina, por bueno que sea, no puede cocinar miles de platos al mismo tiempo: necesita un equipo de cocineros trabajando a la vez, un camarero que reparta los platos y algunos aparatos especializados. Con los chips pasa lo mismo, y así te explicamos qué hace cada uno, de dónde viene y por qué importa para la IA.
Por qué importa: la IA ha vuelto a convertir los chips en una decisión de compra. Saber qué parte hace qué ayuda a entender por qué un portátil recibe nuevas funciones de IA, por qué los portátiles gaming son buenos con la IA y por qué Google y Nvidia fabrican chips tan distintos para los centros de datos.
CPU: el jefe de cocina
La CPU (unidad central de procesamiento) es el cerebro de uso general de cualquier ordenador. Tiene un puñado de núcleos muy capaces, a menudo de 4 a 16 en un portátil, que van resolviendo instrucciones una tras otra, muy rápido, y pueden saltar de una tarea a otra totalmente distinta en un instante. Ejecuta el sistema operativo, el navegador y tus apps, y decide qué deben hacer los demás chips.
Piensa en un jefe de cocina: no es el más rápido picando mil cebollas, pero sabe cocinar cualquier cosa y mantiene organizada toda la cocina.
Su origen: el primer microprocesador comercial, el Intel 4004, salió a la venta el 15 de noviembre de 1971. Lo diseñó un pequeño equipo con Federico Faggin, Ted Hoff, Stanley Mazor y Masatoshi Shima, recuerda Elektor. Tenía 2.300 transistores; las CPU de hoy tienen miles de millones.
Por qué no basta sola: como la CPU es una generalista, hecha para muchas tareas distintas una detrás de otra, no es la mejor para trabajos que piden la misma cuenta sencilla millones de veces a la vez, como dibujar cada píxel de un juego en 3D o multiplicar las tablas gigantes de números de un modelo de IA. Sus pocos núcleos tendrían que hacer cola con todo ese trabajo, así que va lenta y gasta mucha energía. Por eso esos trabajos pasaron a chips especialistas.
GPU: el ejército de cocineros
La GPU (unidad de procesamiento gráfico) se inventó para dibujar imágenes, es decir, para hacer la misma cuenta sencilla para millones de píxeles a la vez. Por eso, en lugar de unos pocos núcleos grandes, tiene miles de núcleos pequeños trabajando en paralelo. Ese mismo diseño resultó perfecto para la IA, cuyos modelos son sobre todo montañas enormes de multiplicaciones, y por eso las tarjetas gráficas se convirtieron en el motor del boom de la IA.
En la cocina, la GPU es una brigada de cocineros picando todos a la vez: imbatible con grandes cantidades, aunque cada uno solo hace tareas sencillas.
Su origen: Nvidia lanzó la GeForce 256 en octubre de 1999 y la vendió como «la primera GPU del mundo», porque pasaba los cálculos 3D de luces y formas de la CPU al chip gráfico, explica Electronic Design. El nombre ya existía, pero ese chip lo hizo popular.
De los videojuegos a la IA, gracias a CUDA: Nvidia nació en 1993 de la mano de Jensen Huang, Chris Malachowsky y Curtis Priem, que planearon la empresa en una cafetería Denny’s de San José (California), recuerda CNBC, con los gráficos 3D para videojuegos como primer objetivo. El gran giro llegó con CUDA, un sistema de programación que Nvidia lanzó en 2007 y que permitió usar los miles de núcleos de la GPU para cualquier tipo de cálculo, no solo para gráficos. Entre 2011 y 2012, un estudiante, Alex Krizhevsky, usó CUDA y dos tarjetas de Nvidia en su habitación para entrenar AlexNet, una red de reconocimiento de imágenes que ayudó a arrancar el boom actual de la IA, explica el Computer History Museum. Desde entonces, la mayor parte de la IA se entrena en GPU de Nvidia.
Más allá de los juegos: los telescopios. Uno de los primeros grandes trabajos científicos de las GPU de videojuegos fue la óptica adaptativa. Los grandes telescopios lanzan un láser al cielo para crear una estrella guía artificial, miden cómo la difumina el aire y doblan un espejo flexible cientos de veces por segundo para borrar el titileo, explica ESO. Esas correcciones exigen muchísimas cuentas en tiempo real, justo lo que mejor hace una GPU. El sistema PALM-3000 del observatorio de Palomar, en California, hace sus cálculos en tiempo real con tarjetas Nvidia GeForce 8800 GTX, GPU de videojuegos, según un artículo de 2012 de sus ingenieros, y ESO usa ahora un banco de pruebas basado en GPU, GHOST, para preparar la óptica de su Telescopio Extremadamente Grande.
NPU: el aparato especialista
La NPU (unidad de procesamiento neuronal) es un motor más nuevo y pequeño dentro de los chips de portátiles y móviles, hecho solo para los cálculos de IA. IBM describe la NPU y la GPU como dos ayudantes que complementan a la CPU, con la NPU pensada para la IA en el propio dispositivo gastando menos energía. Se encarga de cosas como desenfocar el fondo en las videollamadas, los subtítulos en directo o retocar fotos casi sin tocar la batería. Su velocidad se mide en TOPS; Microsoft pide 40 TOPS o más para un PC Copilot+, como explicamos en ¿Cuántos TOPS necesitas?.
En nuestra cocina, la NPU es el aparato listo de la encimera, como una máquina de pasta: hace una sola cosa, rápido y barato.
Su origen: las NPU llegaron al gran público con los móviles en 2017. Huawei presentó su Kirin 970 en la feria IFA de Berlín como el primer chip con una NPU dedicada, y Apple le siguió una semana después con el Neural Engine del A11 Bionic del iPhone, contó Engadget. Los portátiles las incorporaron a partir de 2023.
Los tres en un solo chip
En móviles, tabletas y la mayoría de portátiles nuevos, la CPU, la GPU y la NPU no son piezas separadas, sino zonas de un mismo chip, llamado sistema en un chip (SoC). El M4 de Apple, por ejemplo, junta una CPU de hasta 10 núcleos, una GPU de hasta 10 núcleos y un Neural Engine (el nombre que Apple da a su NPU) de 38 TOPS, según Apple. Los Snapdragon de Qualcomm, los Ryzen AI de AMD y los Core Ultra de Intel siguen la misma idea. Compartir un solo encapsulado ahorra espacio y energía, y permite que cada parte pase trabajo a las demás muy rápido.
Y los demás
- TPU (unidad de procesamiento tensorial): el chip de IA propio de Google para sus centros de datos, con el que entrena y ejecuta sus propios modelos de IA y que ofrece a otras empresas a través de Google Cloud. La séptima generación, Ironwood, está disponible para todos desde 2026, según las notas de versión de Google, y Google ya ha adelantado una octava generación dividida en chips distintos para entrenar y para responder, cuenta The Next Web. No puedes comprar una para tu PC: las TPU viven en la nube.
- DPU (unidad de procesamiento de datos): un chip en la tarjeta de red de los centros de datos que se encarga de la fontanería (mover, cifrar y comprobar datos) para que las CPU del servidor se centren en el trabajo de verdad. El BlueField de Nvidia es el ejemplo más conocido, con una interfaz de red rápida y sus propios núcleos Arm, explica Nvidia.
- ISP (procesador de señal de imagen): la parte del chip de tu móvil que convierte la señal en bruto del sensor de la cámara en una foto terminada, ocupándose del color, el balance de blancos, la exposición, el ruido y el enfoque. Qualcomm llama a la suya, Spectra, el cerebro de la cámara.
Su origen: Google presentó la TPU en su conferencia I/O de mayo de 2016 y dijo que ya llevaba más de un año funcionando en sus centros de datos, informó PCWorld.
No solo Google: Nvidia no fabrica TPU, pero mete motores parecidos, llamados Tensor Cores, dentro de sus GPU para centros de datos. Otros gigantes de la nube diseñan también sus propios chips tipo TPU: Amazon tiene Trainium para entrenar modelos e Inferentia para responder peticiones, Microsoft tiene el acelerador de IA Azure Maia y Meta tiene MTIA.
El origen de la DPU: BlueField nació en la empresa israelí-estadounidense Mellanox como una tarjeta de red «inteligente». Cuando Nvidia completó la compra de Mellanox en abril de 2020, empezó a llamar DPU a estos chips, explica ServeTheHome.
El origen del ISP: creció con las cámaras digitales. El ingeniero de Kodak Steven Sasson construyó un prototipo de cámara digital en 1975, y más tarde los fabricantes crearon sus propios chips de imagen, como el DIGIC de Canon, que en 2002 ya hacía todo el procesado de la señal en un solo chip, explica Canon. Hoy cada móvil lleva un ISP dentro de su chip principal.
Qué significa para ti
- Portátil para el día a día: la CPU sigue siendo lo que más se nota en la rapidez general. Una NPU de 40 TOPS o más añade las nuevas funciones de IA de Windows.
- Juegos, edición de vídeo o modelos de IA en tu equipo: la GPU y su memoria son las que más diferencia marcan.
- Fotos con el móvil: buena parte de la magia viene del ISP y la NPU trabajando juntos, no solo de la cámara.
- Los grandes servicios de IA: las respuestas de los chatbots salen de centros de datos llenos de GPU y TPU, con DPU moviendo los datos.
En resumen: la CPU decide, la GPU hace muchas cuentas sencillas a la vez, la NPU hace IA barata en tu dispositivo y el resto son especialistas para centros de datos y cámaras.
Sigue leyendo
- ¿Cuántos TOPS necesitas? 13, 40, 50 o más de 100, explicado
- ¿Qué son los TOPS? TOPS de IA y NPU en portátiles
- Nvidia RTX Spark: portátiles que ejecutan grandes modelos de IA sin conexión
Lo mejor de la semana en tecnología, gratis
Un email a la semana con las noticias que importan, explicadas fácil. Sin spam.
Fuentes
- NPU vs. GPU: What’s the difference?, IBM Think, consultado el 8 de noviembre de 2026
- Copilot+ PCs developer guide, Microsoft Learn, actualizado en agosto de 2026
- Apple introduces M4 chip, Apple, 7 de mayo de 2024
- Cloud TPU release notes, Google Cloud, consultado el 8 de noviembre de 2026
- Ironwood TPUs deliver 3.7x carbon efficiency gains, blog de Google Cloud, 2026
- Google launches Ironwood TPU and previews eighth-gen split into training and inference chips, The Next Web, abril de 2026
- Inside the DPU: Talk Describes an Engine Powering Data Center Networks, Nvidia, 19 de agosto de 2021
- Nvidia Reveals BlueField-3, BlueField-4 DPUs, Tom’s Hardware, abril de 2021
- How Snapdragon technology is revolutionizing smartphone photography with the Qualcomm Spectra ISP, Qualcomm, consultado el 8 de noviembre de 2026
- Qualcomm ISP explained, Android Authority
