Microsoft apuesta por Maia 300 para reducir dependencia de NVIDIA en su infraestructura de IA

Cada vez que escribes un mensaje a un asistente de inteligencia artificial y esperas una respuesta, hay máquinas trabajando detrás de esa pantalla. Durante años, esas máquinas han sido casi siempre procesadores fabricados por NVIDIA, la empresa que se convirtió en el proveedor indispensable de la industria. Pero para compañías como Microsoft, que necesitan mantener servicios de IA funcionando a escala planetaria, depender de un único fabricante plantea un problema que va más allá del rendimiento técnico. Se trata de cuánto cuesta expandir la infraestructura, cuánto tiempo tarda en llegar, y hasta qué punto pueden controlar la tecnología que necesitan para seguir creciendo.

Microsoft ya tiene su respuesta. Se llama Maia 300, la tercera generación de sus propios aceleradores de inteligencia artificial, y la compañía ha anunciado que comenzará a desplegarla en producción durante 2027. No es solo un chip más potente. Es una apuesta estratégica más amplia: convertir Maia en el sistema principal para procesar las inferencias de sus productos y servicios de IA, y expandir esos despliegues a escala de varios gigavatios a partir de ese mismo año. Por ahora es un plan anunciado, no una transformación completada de sus centros de datos, pero el calendario es claro y el objetivo es ambicioso.

Para entender lo que está en juego, conviene distinguir dos momentos en la vida de un modelo de inteligencia artificial. Primero está el entrenamiento, donde se alimenta al modelo con enormes cantidades de datos para desarrollar sus capacidades. Luego viene la inferencia, el momento en que alguien hace una pregunta y el modelo genera una respuesta. Microsoft quiere reforzar especialmente esta segunda fase con sus propios aceleradores. El proyecto no comienza desde cero. En 2023 presentó Maia 100. En enero de 2026 anunció Maia 200, que ya está procesando cargas de trabajo reales, incluyendo las de Microsoft Copilot. Esa experiencia acumulada está guiando el desarrollo de la siguiente generación.

Maia 300 no es simplemente un procesador más rápido. Es un sistema donde la memoria, la capacidad de cálculo y las comunicaciones trabajan de forma coordinada. Su arquitectura utiliza varios chiplets, componentes de silicio que distribuyen diferentes funciones. Los componentes destinados al cálculo se fabrican con el proceso N2P de TSMC. El acelerador incorpora además ocho pilas de memoria HBM4, una tecnología que permite transferir enormes volúmenes de datos a velocidades muy altas. Microsoft ha diseñado también un sistema de gestión del flujo de información mediante software para evitar movimientos innecesarios de datos y aprovechar mejor los recursos disponibles.

Las cifras que Microsoft anuncia apuntan a mejoras que van más allá del rendimiento puro. Según sus estimaciones, Maia 300 permitirá procesar un 40 por ciento más de tokens por megavatio que algunos de los principales sistemas basados en GPU, aunque la compañía no ha identificado cuáles son esos sistemas de referencia. Los tokens son las unidades en que los modelos dividen el texto y otros contenidos para procesarlos. Microsoft también sostiene que un rack con 96 aceleradores ofrecerá hasta siete veces el rendimiento en tokens por rack de Maia 200, aunque eso requiere duplicar el número de aceleradores en el rack. Son comparaciones diferentes, basadas en datos del fabricante, y todavía sin validación independiente publicada.

Para llevar Maia 300 a esa escala, Microsoft necesita más que fabricar chips. También está preparando los sistemas completos que los alojarán. Cada rack está diseñado para funcionar dentro de un límite de potencia de 167 kilovatios y permitir que más aceleradores trabajen de forma coordinada. Su hoja de ruta contempla comenzar en 2027 una expansión de la familia Maia hacia despliegues de varios gigavatios, sin fecha anunciada para alcanzar ese nivel. La escala importa porque la electricidad disponible y la capacidad física de las instalaciones son los factores que limitan cuánto pueden crecer estos servicios.

Microsoft no está sola en este movimiento. Google ya utiliza sus TPU. Amazon ofrece servidores basados en Trainium. Ambas son grandes clientes de NVIDIA que también han desarrollado soluciones propias. Esto no significa que hayan dejado de comprar a NVIDIA. De hecho, Amazon y NVIDIA anunciaron en agosto un plan para desplegar dos millones de GPU adicionales en AWS entre 2027 y 2028. Pero lo que está ocurriendo merece atención: empresas que necesitan cantidades enormes de capacidad de procesamiento quieren disponer de tecnología propia para cubrir parte de esa demanda y reducir su dependencia de proveedores externos. Es un cambio que está redefiniendo el mercado de aceleradores de inteligencia artificial.