Microsoft anunció su tercera generación de aceleradores de inteligencia artificial, el Maia 300, con un plan de despliegue en producción para 2027. La iniciativa busca reducir la dependencia del gigante de semiconductores NVIDIA, que hoy domina el mercado de GPUs usadas para entrenar e inferir modelos de IA. Con Maia 300, la compañía norteamericana pretende que su propio hardware sea el motor principal de inferencia en productos como Copilot, Azure OpenAI Service y otros servicios de IA a gran escala.
La diferencia entre entrenamiento e inferencia es clave para entender la apuesta. Mientras el entrenamiento requiere enormes volúmenes de datos y potencia durante semanas o meses, la inferencia es la fase en que el modelo responde a una solicitud del usuario en tiempo real. Microsoft ha centrado el desarrollo de Maia en esta segunda fase, donde la eficiencia energética y la latencia son críticas. El proyecto ya tiene antecedentes: Maia 100 se presentó en 2023 y Maia 200, anunciado en enero de 2026, ya procesa cargas reales en los centros de datos de la firma.
Maia 300 no es simplemente un chip más potente; es un sistema integrado que combina memoria, cómputo y comunicación mediante varios chiplets. Los componentes de cálculo se fabrican con el proceso N2P de TSMC y cuentan con ocho pilas de memoria HBM4, que permiten transferir datos a velocidades muy altas. Además, Microsoft ha desarrollado un software de gestión de flujo de datos que minimiza movimientos innecesarios y optimiza el uso de recursos.
En términos de rendimiento, Microsoft asegura que Maia 300 procesará un 40 % más de tokens por megavatio que los principales GPUs basados en arquitectura NVIDIA, aunque no especifica los modelos de referencia. Un rack de 96 aceleradores podría ofrecer hasta siete veces el rendimiento en tokens que el rack de Maia 200, aunque el número de aceleradores también se duplica. Estas cifras provienen de estimaciones internas y aún no han sido verificadas por terceros.
Para alcanzar la escala deseada, Microsoft está diseñando racks que operen dentro de un límite de 167 kW, permitiendo que varios aceleradores trabajen de forma coordinada. La hoja de ruta contempla una expansión a varios gigavatios a partir de 2027, sin detallar una fecha exacta para lograr esa capacidad. La disponibilidad de energía y el espacio físico en los centros de datos serán factores determinantes para el crecimiento de la infraestructura.
El movimiento de Microsoft se suma a tendencias similares de Google, que usa sus TPU, y Amazon, que ofrece servidores con Trainium. Aunque estas compañías siguen comprando GPUs a NVIDIA, el desarrollo de hardware propio muestra una clara intención de controlar más su cadena de suministro y reducir costos operativos a largo plazo. El sector de IA está entrando en una fase donde la autosuficiencia tecnológica se vuelve tan estratégica como la capacidad de procesamiento.
Fuente: xataka