Microsoft prepara Maia 300 para reducir su dependencia de NVIDIA en la infraestructura de IA
Microsoft ha presentado la tercera generación de sus aceleradores de inteligencia artificial, Maia 300, con el objetivo de convertirla en una pieza central de sus servicios de IA a partir de 2027. La compañía prevé utilizar estos chips principalmente para ejecutar modelos y generar respuestas en productos como Copilot, en un movimiento que puede alterar el equilibrio actual del mercado de centros de datos.
La empresa estadounidense también planea ampliar el despliegue de la familia Maia hasta una escala de varios gigavatios desde ese mismo año. Se trata de una hoja de ruta, no de una transformación ya completada: todavía quedan por concretar los calendarios y la capacidad final de sus centros de datos.
Maia 300 se centrará en la inferencia de inteligencia artificial
Para entender la importancia de este desarrollo hay que diferenciar entre entrenamiento e inferencia. El entrenamiento es la fase en la que un modelo de IA analiza grandes cantidades de datos para aprender patrones y desarrollar sus capacidades.
La inferencia comienza cuando el modelo ya está preparado y recibe una petición. Cada vez que un usuario pregunta algo a un chatbot, solicita una imagen o utiliza una función de IA integrada en una aplicación, los servidores realizan inferencia para calcular y devolver la respuesta.
Microsoft quiere reforzar especialmente esta segunda etapa con hardware diseñado por ella misma. La compañía ya presentó Maia 100 en 2023 y Maia 200, anunciada en enero de 2026, se utiliza en cargas de trabajo reales, incluidas algunas relacionadas con Microsoft Copilot.
La experiencia obtenida con esas generaciones ha servido para orientar Maia 300 hacia un objetivo concreto: procesar grandes volúmenes de peticiones con un consumo energético y un coste operativo lo más ajustados posible.
Un sistema de chips, memoria y software coordinados
Maia 300 no se plantea únicamente como un procesador más potente. Su diseño combina distintos componentes de silicio, memoria de alta velocidad y software especializado para coordinar el flujo de datos dentro del sistema.
La arquitectura utiliza varios chiplets, pequeños bloques de silicio que asumen funciones diferentes dentro de un mismo dispositivo. Los chiplets destinados al cálculo se fabricarán con el proceso N2P de TSMC, uno de los principales fabricantes de semiconductores del mundo.
El acelerador incorpora además ocho pilas de memoria HBM4. La memoria de ancho de banda elevado permite mover grandes cantidades de información a gran velocidad, algo esencial para los modelos de IA, que necesitan consultar y actualizar numerosos datos durante cada operación.
Microsoft también ha desarrollado un sistema de gestión del flujo de información. La meta es reducir los movimientos innecesarios de datos entre la memoria y las unidades de cálculo, ya que esas transferencias consumen tiempo y electricidad y pueden limitar el rendimiento de los aceleradores.
Más rendimiento por vatio, según las estimaciones de Microsoft
La compañía asegura que Maia 300 podrá procesar un 40 % más de tokens por megavatio que algunos de los principales sistemas basados en GPU. Los tokens son las unidades en las que un modelo de IA divide el texto y otros contenidos para analizarlos y generar una respuesta.
Microsoft no ha identificado los equipos concretos utilizados como referencia para esa comparación. Por ello, la cifra debe interpretarse como una estimación del fabricante y no como una medición independiente validada públicamente.
La empresa también afirma que un rack equipado con 96 aceleradores Maia 300 ofrecerá hasta siete veces el rendimiento en tokens por rack de Maia 200. La comparación incluye, no obstante, el doble de aceleradores, por lo que no equivale necesariamente a multiplicar por siete la eficiencia de cada chip.
Un rack es la estructura física que agrupa servidores y aceleradores en un centro de datos. En el caso de Maia 300, cada rack ha sido diseñado para operar con un límite de potencia de 167 kilovatios y permitir que sus componentes trabajen de forma coordinada.
La electricidad se convierte en un factor estratégico
El consumo energético es uno de los principales retos de la expansión de la IA. Los centros de datos necesitan cada vez más electricidad para alimentar los aceleradores y sistemas de refrigeración, pero también deben disponer de espacio físico, redes de alta capacidad y conexiones suficientes para intercambiar datos.
Por ese motivo, el plan de Microsoft no se limita a fabricar Maia 300. La compañía está diseñando los sistemas completos que alojarán los aceleradores y preparando una infraestructura capaz de crecer hasta varios gigavatios. Todavía no ha anunciado cuándo alcanzará ese nivel de despliegue.
Mejorar el número de tokens procesados por unidad de energía puede ayudar a reducir el coste de cada respuesta y a ampliar la capacidad de servicios como Copilot. Sin embargo, el resultado final dependerá también de la fabricación, la refrigeración, el software y la disponibilidad de electricidad.
NVIDIA seguirá siendo un actor clave, pero con más competencia
La apuesta de Microsoft supone un reto para NVIDIA, cuyos aceleradores se han convertido en una referencia para entrenar y ejecutar modelos de inteligencia artificial. La compañía de Redmond necesita enormes cantidades de capacidad de cálculo y busca controlar una parte mayor de la tecnología de la que depende su crecimiento.
No es un caso aislado. Google desarrolla sus propios TPU y Amazon ofrece servidores basados en Trainium. Estos procesadores especializados están diseñados para determinadas cargas de trabajo de IA y permiten a sus propietarios optimizar costes y rendimiento en sus propias plataformas.
El desarrollo de chips propios no implica que Microsoft, Google o Amazon vayan a abandonar las soluciones de NVIDIA. La demanda de aceleradores continúa siendo muy elevada y las empresas pueden combinar hardware interno con equipos externos según el tipo de modelo o servicio.
De hecho, Amazon y NVIDIA han anunciado planes para desplegar dos millones de GPU adicionales en AWS entre 2027 y 2028. La tendencia apunta, por tanto, a un mercado más diversificado: NVIDIA conservará un papel central, pero los grandes proveedores tecnológicos intentarán cubrir una parte creciente de sus necesidades con diseños propios.
