Microsoft Maia 300 reta a Nvidia con más eficiencia
Microsoft presentó este 12 de octubre de 2026 Maia 300, la tercera generación de su acelerador diseñado específicamente para ejecutar modelos de inteligencia artificial en la nube. La compañía planea iniciar despliegues de varios gigavatios en 2027 y convertir esta plataforma en el sistema principal de inferencia para servicios como Copilot, GitHub Copilot y Azure. Su promesa central es realizar alrededor de 40% más trabajo útil por megavatio que los sistemas líderes basados en GPU.
El anuncio refuerza la estrategia de las grandes empresas de nube para fabricar chips propios y depender menos de Nvidia y AMD. Microsoft no dejará de comprar procesadores externos, pero tendrá mayor control sobre costos, energía, memoria y capacidad si puede trasladar una parte creciente de sus cargas a Maia.
Qué es Microsoft Maia 300 y para qué servirá
Maia 300 no está pensado para computadoras personales ni se venderá como una tarjeta gráfica convencional. Es un acelerador para centros de datos que procesará la fase de inferencia: el momento en que un modelo ya entrenado responde preguntas, genera código, analiza documentos o ejecuta una cadena de acciones.
Microsoft lo diseñó para cargas que están creciendo rápidamente, como el razonamiento con contextos extensos, las conversaciones sensibles a la latencia y los agentes capaces de utilizar herramientas durante varios pasos. Estas tareas exigen mover enormes volúmenes de información entre cómputo y memoria sin desperdiciar energía.
La generación anterior, Maia 200, ya opera con modelos de Microsoft y OpenAI dentro de la infraestructura de la empresa. También sostiene cargas de Copilot y se ampliará a GitHub Copilot y Microsoft Foundry. Maia 300 busca llevar esa estrategia a una escala mucho mayor durante 2027.
Microsoft promete más IA por cada megavatio
La cifra más destacada es una mejora estimada de 40% en tokens útiles por megavatio frente a sistemas líderes basados en GPU. Un token es una unidad pequeña de texto que los modelos procesan para producir sus respuestas; medirlos frente al consumo eléctrico ayuda a comparar cuánto trabajo de IA puede realizar un centro de datos con una cantidad limitada de energía.
Microsoft también afirma que una configuración completa de 96 aceleradores ofrecerá hasta siete veces el rendimiento por rack de Maia 200 y más de 2.5 veces su rendimiento por vatio. Son mediciones de la propia compañía y deberán confirmarse cuando el equipo opere a escala real y pueda compararse en cargas equivalentes.
Un rack de 96 aceleradores
Cada rack integra 96 aceleradores distribuidos en 24 bandejas, con cuatro unidades por bandeja, y consume aproximadamente 167 kilovatios. La refrigeración líquida extrae más de 80% de la carga térmica de aceleradores, reguladores de voltaje y componentes de red, mientras el aire se ocupa de elementos auxiliares.
El diseño puede crecer desde un rack hasta un superpod de 12,288 aceleradores. Una red de dos niveles conecta los equipos para que los modelos distribuyan su trabajo entre múltiples chips sin depender de una arquitectura separada para cada escala.
La arquitectura de chiplets del Maia 300
En lugar de concentrar todas las funciones en una sola pieza de silicio, Maia 300 utiliza chiplets especializados. La parte principal de cómputo se fabrica con el proceso N2P de TSMC, mientras otras piezas se encargan del controlador de memoria y de las entradas y salidas con tecnologías elegidas por costo y eficiencia.
El acelerador incorpora ocho pilas de memoria HBM4 con 288 GB de capacidad y un ancho de banda de 18 terabytes por segundo. Frente a Maia 200, Microsoft reporta 2.5 veces más ancho de banda de memoria y 33% más capacidad. Esa combinación permite mantener cerca del procesador una parte mayor del modelo y de su contexto.
La arquitectura también reorganiza la ubicación de los datos para reducir los desplazamientos dentro del chip. Mover información consume energía y puede convertirse en un cuello de botella; colocarla cerca de la unidad que la utilizará ayuda a mejorar la eficiencia sin depender únicamente de añadir más potencia.
Por qué Microsoft quiere sus propios chips de IA
El auge de la inteligencia artificial ha disparado la demanda de aceleradores y el gasto de capital de las empresas tecnológicas. Microsoft prevé invertir más de 175,000 millones de dólares durante el año calendario en infraestructura. En ese contexto, incluso una mejora moderada en consumo o costo por consulta puede traducirse en ahorros significativos.
Los chips propios también permiten diseñar el hardware junto con el software. Microsoft conoce las cargas reales de Copilot, Azure y sus modelos, por lo que puede ajustar memoria, red y formatos numéricos a esos patrones de uso. Esa integración vertical es una ventaja que ya persiguen otras compañías de nube.
La estrategia se conecta con la expansión de productos de IA de la empresa. La evolución de Microsoft Copilot hacia tareas más autónomas aumenta la cantidad de inferencias necesarias, mientras la apuesta por IA local en Surface Laptop Ultra complementa el procesamiento que seguirá realizándose en centros de datos.
¿Maia 300 desplazará a Nvidia?
El nuevo chip aumenta la presión competitiva, pero no implica que Microsoft vaya a abandonar las GPU de Nvidia. La nube necesita distintos tipos de aceleradores para entrenamiento, inferencia, video, simulación y cargas especializadas. Además, el ecosistema de software de Nvidia mantiene una adopción amplia entre desarrolladores.
El efecto más probable es una mezcla más diversa. Microsoft podrá reservar sus aceleradores para servicios internos y cargas optimizadas, mientras usa hardware de terceros donde resulte más flexible o conveniente. Contar con una alternativa propia también fortalece su posición para negociar precios y disponibilidad.
La escala anunciada es relevante: la empresa considera desplegar más de un millón de chips durante 2027. Cumplir ese objetivo dependerá de la capacidad de fabricación, el suministro de memoria HBM4, la disponibilidad eléctrica y la construcción de centros de datos con refrigeración suficiente.
Qué cambia para usuarios y empresas
Los clientes de Copilot o Azure no recibirán un Maia 300 físicamente. El impacto aparecerá, si las promesas se cumplen, en mayor capacidad para atender solicitudes, menor latencia en determinadas tareas y costos más sostenibles para servicios que procesan millones de consultas.
Para las empresas que contratan infraestructura de IA, el beneficio dependerá de cómo Microsoft ofrezca esa capacidad y de qué modelos sean compatibles. La compañía todavía no ha detallado precios ni regiones de disponibilidad. Tampoco ha publicado comparaciones independientes que permitan medir el rendimiento frente a productos específicos de Nvidia, AMD o los chips internos de otros proveedores.
Qué sigue para Microsoft Maia 300
El siguiente paso será pasar del anuncio técnico a despliegues de producción durante 2027. Microsoft deberá demostrar estabilidad, disponibilidad y eficiencia en cargas reales, además de integrar Maia 300 con las herramientas que utilizan desarrolladores y clientes empresariales.
La compañía ofrecerá más detalles de su estrategia de IA en Ignite 2026, programado para noviembre. Ahí podrá aclarar el calendario, los primeros centros de datos que recibirán el sistema y la forma en que Azure expondrá sus capacidades.
Maia 300 muestra que la competencia de inteligencia artificial ya no se limita a quién desarrolla el mejor modelo. También depende de quién puede construir la infraestructura capaz de operarlo con suficiente energía, memoria y costo. Microsoft quiere controlar esa base tecnológica y convertirla en una ventaja para su nube durante la próxima etapa de la carrera por la IA.