NVIDIA tiene motivos para preocuparse. Microsoft apuesta por su propio chip Maia 300 para su infraestructura de IA

Microsoft quiere convertir Maia en su principal sistema de inferencia de IA

Maia 300 comenzará a desplegarse en 2027, con mejoras previstas de eficiencia

Google y Amazon también apuestan por sus propios aceleradores de IA

Cada vez que utilizamos una herramienta de inteligencia artificial, hay una infraestructura trabajando para ofrecernos una respuesta. Detrás de buena parte de esa capacidad de procesamiento encontramos los aceleradores de NVIDIA, una compañía que se ha convertido en uno de los grandes proveedores de la industria. Para empresas como Microsoft, que necesitan sostener servicios de IA a gran escala, depender de estos procesadores plantea una cuestión que va más allá de su rendimiento. También importa cuánto cuesta ampliar la infraestructura y hasta qué punto pueden controlar la tecnología que necesitan para seguir creciendo.

La respuesta de Microsoft ya tiene nombre y calendario: Maia 300. La compañía estadounidense ha presentado la tercera generación de sus aceleradores de inteligencia artificial y ha fijado para 2027 el comienzo de su despliegue en producción. La decisión va acompañada de un objetivo de mayor alcance: convertir Maia en su principal sistema de inferencia para productos y servicios de IA y ampliar sus despliegues a escala de varios gigavatios a partir de ese mismo año. Por ahora es una hoja de ruta anunciada, no una transformación concluida de sus centros de datos.

El plan de Microsoft para depender menos de NVIDIA

Para entender el alcance de esta apuesta, conviene distinguir dos procesos que forman parte del funcionamiento de la inteligencia artificial. Una cosa es entrenar un modelo, utilizando grandes cantidades de datos para desarrollar sus capacidades, y otra es la inferencia, que comienza cuando alguien le hace una petición y espera una respuesta. Microsoft quiere reforzar especialmente esta segunda tarea con sus propios aceleradores. El proyecto no parte de cero: presentó Maia 100 en 2023 y Maia 200, anunciado en enero de 2026, ya procesa cargas de trabajo reales, incluidas las de Microsoft Copilot. Esa experiencia está sirviendo para orientar el desarrollo de la siguiente generación.

Maia 300 no está concebido simplemente como un procesador más potente, sino como un sistema en el que memoria, computación y comunicaciones trabajan de manera coordinada. Su arquitectura utiliza varios chiplets, componentes de silicio que reparten distintas funciones, y los destinados al cálculo se fabrican mediante el proceso N2P de TSMC. También incorpora ocho pilas de memoria HBM4, una tecnología que permite transferir grandes cantidades de datos a gran velocidad. Microsoft ha diseñado además un sistema de gestión del flujo de información mediante software para reducir movimientos innecesarios de datos y aprovechar mejor los recursos disponibles.

Las cifras anunciadas apuntan a una mejora que Microsoft quiere medir no solo en rendimiento, sino también en consumo eléctrico. Según sus estimaciones, Maia 300 permitirá procesar un 40% más de tokens por megavatio que algunos de los principales sistemas basados en GPU, aunque no ha identificado los equipos utilizados como referencia. Los tokens son unidades en las que los modelos dividen el texto y otros contenidos para procesarlos. La compañía sostiene, además, que un rack con 96 aceleradores ofrecerá hasta siete veces el rendimiento en tokens por rack de Maia 200, aunque también duplica el número de aceleradores. Son comparaciones diferentes, basadas en datos del fabricante y todavía sin una validación independiente publicada.

Para llevar Maia 300 a esa escala hace falta algo más que fabricar chips. Microsoft 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 manera 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 condicionan cuánto pueden crecer estos servicios.

Lo que estamos viendo va más allá de Microsoft. Google ya utiliza sus TPU y Amazon ofrece servidores basados en Trainium, dos ejemplos de grandes clientes de NVIDIA que también desarrollan soluciones propias. Esto no significa que hayan dejado de recurrir al fabricante estadounidense. De hecho, Amazon y NVIDIA anunciaron en agosto un plan para desplegar dos millones de GPU adicionales en AWS entre 2027 y 2028. Pero sí estamos ante un movimiento que merece atención: empresas que necesitan enormes cantidades de capacidad de procesamiento quieren disponer de tecnología propia para cubrir parte de esa demanda y reducir su dependencia de proveedores externos.

En Xataka | La gran paradoja de la IA es que creará más empleo del que destruye. El problema es que casi nadie está preparado