Gen AI Leader
Deep Dive
Una vista de arriba a abajo: primero las cinco capas que componen el ecosistema de IA generativa (infraestructura, modelos, plataformas, agentes, aplicaciones) con ejemplos de producto de Google Cloud en cada una, y después un análisis a fondo de los cuatro foundation models propios de Google — Gemini, Gemma, Imagen y Veo.
Contenido
El panorama de gen AI se puede pensar como una pila (stack) de cinco capas, cada una construida sobre la anterior. Entender en qué capa vive cada producto de Google Cloud ayuda a elegir la herramienta correcta para cada necesidad de negocio.
1. Infraestructura
El hardware y cómputo que sostiene todo lo demás: GPUs y TPUs, orquestadas mediante AI Hypercomputer de Google Cloud, además de almacenamiento ( Cloud Storage) y redes de alta capacidad para entrenar e inferir a escala.
2. Modelos
Los foundation models en sí: Gemini, Gemma, Imagen y Veo de Google, además de modelos de terceros y open source disponibles a través de Model Garden.
3. Plataformas
Las herramientas que permiten construir, personalizar y desplegar soluciones sobre los modelos: Vertex AI Studio para prototipar prompts, Vertex AI Vector Search para búsqueda semántica, y Agent Platform para construir agentes.
4. Agentes
Sistemas que usan un foundation model junto con function calling y herramientas externas para razonar, planificar y ejecutar tareas de forma autónoma, como los agentes construidos con Agent Studio o accesibles vía Gemini Enterprise.
5. Aplicaciones
El producto final orientado al usuario de negocio: soluciones ya empaquetadas como Conversational Agents o la Customer Engagement Suite, listas para resolver un caso de uso concreto sin que el equipo de negocio tenga que construir sobre las capas inferiores.
Implicación de negocio
Cuanto más "abajo" en la pila trabaja un equipo (infraestructura, modelos), más control técnico tiene pero más esfuerzo de ingeniería requiere. Cuanto más "arriba" (aplicaciones), más rápido se obtiene valor de negocio pero con menos margen de personalización. La decisión de en qué capa construir es en sí misma una decisión estratégica de negocio.
Gemini
MultimodalFoundation model insignia de Google, nativamente multimodal (texto, imagen, audio y video) en distintos tamaños según rendimiento vs. costo/latencia.
Gemma
Modelo abiertoFamilia de modelos ligeros y de pesos abiertos, pensada para despliegue local, en el borde, o bajo control total del desarrollador.
Imagen
Generación de imagenModelo de difusión de Google especializado en generación y edición de imágenes de alta calidad a partir de texto.
Veo
Generación de videoModelo de generación de video de Google: produce clips de alta calidad a partir de texto y, opcionalmente, una imagen de referencia.
La familia Gemini es el foundation model insignia de Google: nativamente multimodal (procesa y razona sobre texto, imagen, audio y video en una misma solicitud) y disponible en distintos tamaños según la necesidad de rendimiento vs. costo/latencia.
Casos de uso y fortalezas
Gemma es la familia de modelos ligeros y abiertos (open weights) de Google, construida con la misma investigación que Gemini pero pensada para ejecutarse en entornos con recursos limitados o bajo control total del desarrollador.
Casos de uso y fortalezas
Imagen es el modelo de difusión de Google especializado en generación y edición de imágenes de alta calidad a partir de descripciones en lenguaje natural.
Casos de uso y fortalezas
Veo es el modelo de generación de video de Google, capaz de producir clips de video de alta calidad a partir de descripciones de texto (y opcionalmente una imagen de referencia).
Casos de uso y fortalezas
| Modelo | Modalidad principal | Úsalo cuando... |
|---|---|---|
| Gemini | Texto, imagen, audio, video (multimodal) | Necesitas razonamiento complejo, contexto amplio, o combinar varias modalidades en una sola solicitud |
| Gemma | Texto (principalmente) | Necesitas ejecutar el modelo localmente, en el borde, o con control total de los pesos por presupuesto o privacidad |
| Imagen | Imagen | El entregable final es una imagen estática: producto, marketing, arte conceptual, edición |
| Veo | Video | El entregable final es contenido en movimiento: clips, storyboards, video promocional |
Para ver dónde encaja la IA generativa dentro del espectro más amplio de machine learning de Google Cloud —desde APIs preentrenadas hasta ML personalizado con Agent Platform (antes Vertex AI)—, haz clic en cada nivel:
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Una startup quiere ejecutar un modelo de lenguaje directamente en un dispositivo médico portátil con conectividad limitada, y necesita control total sobre los pesos del modelo para cumplir con requisitos estrictos de privacidad de datos del paciente. ¿Qué foundation model de Google es más adecuado para este caso de uso?
Pon a prueba lo que aprendiste con preguntas originales del examen Gen AI Leader.
Iniciar simulacro Gen AI LeaderSin límite de simulacros con plan Pro
Inicia sesión para llevar tu progreso.