La IA de Google porta 30.000 apps de CPU x86 a Arm y pone en peligro a Intel y AMD: 65% más de rendimiento con un 60% más de eficiencia

Google ha explicado cómo ha conseguido algo que hasta hace poco parecía un infierno técnico gracias a la IA: migrar decenas de miles de apps de x86 a Arm dentro de su propia infraestructura. Lo ha hecho apoyándose en una variedad de versiones de su Inteligencia Artificial y en un nivel de automatización que redefine cómo deberían abordarse estas transiciones entre arquitecturas. Lo más curioso es que los mayores problemas no fueron los que todos esperaban.

El equipo de Google Cloud descubrió que los cuellos de botella no estaban en las diferencias profundas entre las ISA (como las operaciones vectoriales o la concurrencia), sino en detalles mucho más triviales. Los fallos más comunes venían de tests sobreajustados a x86, de sistemas de compilación antiguos o de configuraciones que no entendían que un mismo servicio podía funcionar sobre Arm, lo cual, sorprendió a los ingenieros.

Google consigue portar 30.000 apps de sus CPU x86 a sus Axion con Arm gracias a la IA

La migración tenía un objetivo claro: mejorar el rendimiento por vatio y el coste por operación. Según Google, las instancias basadas en sus CPUs Axion ofrecen hasta un 65% más de rendimiento por precio y un 60% más de eficiencia energética que las equivalentes en x86. Hoy más de 30.000 aplicaciones internas ya funcionan indistintamente en ambas arquitecturas, lo que permite desplegar servicios de forma transparente según la carga de trabajo.

Para automatizar el proceso, Google recurrió a herramientas internas que ya usaba en sus flujos de ingeniería. Una de ellas, Rosie, genera commits masivos que pasan por revisión automática; otras como los sanitizadores y fuzzers detectan errores que solo aparecen cuando el código corre en Arm.

También se apoyaron en CHAMP, un sistema de monitorización continua que ejecuta pruebas en producción y retira automáticamente las tareas que fallan en la nueva arquitectura.

No es nada que no hayan usado antes, pero a este nivel y con esta complejidad surgieron muchas dudas sobre la migración por los posibles problemas que se podrían dar en la portabilidad, y descubrieron que no fue tan dramático realmente.

La IA a escena con CogniPort, la amenaza para Intel y AMD que podría ser definitiva y donde Google rompería con sus CPU x86 en breve

A ese arsenal se sumó una pieza nueva: CogniPort, un asistente impulsado por IA que analiza tests, scripts y configuraciones para sugerir correcciones o directamente aplicarlas. Con él, Google revisó más de 38.000 commits de su monorepo y empleó modelos de lenguaje como Gemini para clasificar, entender y automatizar buena parte de los cambios.

La conclusión fue clara, ya que el trabajo más costoso no está en traducir código binario entre arquitecturas, sino en mantener sincronizadas las capas que lo rodean (builds, configuraciones, pipelines y tests). Por eso, el uso de IA se ha convertido en un aliado esencial más que en un sustituto, curiosamente.

Gran parte de esas tareas son repetitivas y predecibles, y pueden automatizarse sin comprometer la calidad. A partir de ahora, Google afirma que diseña todas sus nuevas aplicaciones como multi-arquitectura desde el principio. No se trata solo de eficiencia o costes como tal, sino de resiliencia tecnológica por parte de la gran G para poder ejecutar el mismo software en distintas arquitecturas con la mínima fricción posible. En este punto, la migración masiva a Arm deja de ser una cuestión de ingeniería y pasa a ser una estrategia de futuro para todo su ecosistema en la nube.