El Maia 300 de Microsoft convierte su silicio propio en la opción por defecto para la inferencia de IA

Microsoft presentó el 12 de octubre de 2026 la tercera generación de su acelerador de IA propio, y la acompañó de una afirmación sobre cómo piensa ejecutar la IA a partir del año próximo. El Azure Maia 300, presentado en el OCP Global Summit de San José, entrará en despliegues de producción en 2027, y Microsoft afirma que la familia Maia escalará a despliegues de varios gigavatios desde entonces, lo que lo convertirá en el sistema de inferencia principal de todos los productos y servicios de la empresa.

Lectura relacionada: SpaceX negocia recaudar 40.000 millones de dólares para comprar chips de IA de Nvidia · AMD comprará World Labs por 8.200 millones de dólares y nombrará a Fei-Fei Li su científica jefa.

La noticia llegó en una entrada de blog de Scott Guthrie, vicepresidente ejecutivo de Cloud + AI de Microsoft, en el blog oficial de Microsoft. Un análisis técnico de Azure aparte recogió los detalles de la arquitectura. Rani Borkar, presidenta de sistemas e infraestructura de hardware de Azure, firmó las declaraciones que acompañaron el lanzamiento.

Un chip diseñado para ejecutar modelos, no para entrenarlos

La inferencia es la tarea de poner en uso un modelo entrenado: responder a instrucciones, generar texto, mantener una conversación, recorrer una cadena de pasos. Ocurre cada vez que una persona o un agente usa un producto de IA, lo que la convierte en el coste recurrente una vez que un modelo está en servicio. Microsoft ha diseñado la familia Maia en torno a esa mitad del problema desde su primera generación, y el Maia 300 es su expresión más directa hasta ahora.

Las especificaciones que da Microsoft sitúan 288 GB de memoria HBM4 en cada chip, repartidos en ocho pilas HBM4, con 18,0 TB/s de ancho de banda de memoria máximo y un punto de diseño térmico de 950 vatios. Microsoft indica hasta 13,8 PFLOPS de rendimiento en formato FP4. El chip se compone de varios chiplets en lugar de una sola pieza de silicio: los chiplets de cómputo usan el proceso N2P de 2 nanómetros de TSMC, mientras que las partes que mueven datos usan un nodo de 3 nanómetros más barato. Dividir el diseño de ese modo coloca el transistor caro donde cambia el resultado y reserva silicio más antiguo para el control de memoria y la entrada y la salida.

A escala de rack, Microsoft coloca 96 aceleradores Maia 300 en un sistema que consume unos 167 kilovatios y alberga 27,6 TB de HBM, con 1,7 PB/s de ancho de banda agregado dentro del dominio de escalado. The Next Web, citando a Reuters, señaló como comparación que el rack GB300 más reciente de Nvidia aloja 72 GPU con unos 142 kilovatios. La red del Maia funciona sobre Ethernet en lugar de una malla propietaria, y Microsoft afirma que la topología escala desde un solo rack hasta todo un centro de datos.

Las cifras de rendimiento y la laguna que hay dentro

Microsoft asegura que el Maia 300 entrega cerca de un 40 % más de tokens por megavatio que «los principales sistemas basados en GPU», y hasta siete veces el rendimiento de tokens a escala de rack de su predecesor, el Maia 200, en una configuración completa de 96 aceleradores. Los tokens por megavatio son una medida de eficiencia energética: describen cuánta salida de modelo produce un sistema por cada unidad de electricidad consumida. La electricidad es un coste corriente que no se detiene.

"Esperamos que el Maia 300 entregue un 40 % más de tokens por megavatio que los principales sistemas basados en GPU. Y en una configuración completa de 96 aceleradores, ofrece hasta 7 veces el rendimiento de tokens a escala de rack del Maia 200." — Scott Guthrie, vicepresidente ejecutivo de Cloud + AI, Microsoft

La comparación que sustenta la cifra del 40 % no se divulga. Microsoft no nombró los sistemas con los que midió, y no se ha publicado ninguna prueba independiente del Maia 300. La cifra de siete veces mide el chip nuevo contra la generación anterior de la propia Microsoft. Describe el ritmo de la hoja de ruta interna, no la posición de Microsoft frente a Nvidia.

Una cifra que circula corresponde al chip equivocado. El dato de 1,7 veces más tokens por vatio que se ha asociado al Maia 300 es un resultado del Maia 200, y Microsoft lo ha citado para sus propias funciones de IA integradas, Teams, Copilot y Cowork. El Maia 200 es la generación que realmente está en servicio.

El Maia 200 es el que ya hace el trabajo

El Maia 200, presentado el 26 de enero de 2026, es la generación que Microsoft puede señalar en producción. Usa el proceso de 3 nanómetros de TSMC, lleva 216 GB de HBM3e a 7 TB/s, contiene más de 140.000 millones de transistores y tiene una potencia nominal de 750 vatios, con más de 10 PFLOPS de rendimiento en FP4. Microsoft afirma que ejecuta cargas de trabajo en producción para Microsoft Copilot, para los modelos MAI de la empresa y para modelos de OpenAI en Azure, con GitHub Copilot y Microsoft Foundry previstos para finales de 2026. Está desplegado en Estados Unidos, Europa y Australia.

En su propio lanzamiento, Microsoft afirmó que el Maia 200 triplicaba el rendimiento en FP4 del Trainium de tercera generación de Amazon y superaba en FP8 al TPU de séptima generación de Google. Esa fue la comparación de Microsoft, hecha por la empresa sobre su propio componente. Sigue siendo la declaración más clara de para qué sirve la familia Maia: un suministro interno que desvía la propia demanda de Microsoft del mercado de proveedores, no un chip comercial vendido a clientes externos.

Por qué la mitad de la inferencia es la cara de poseer

Entrenar un modelo de frontera exige mucho capital y es episódico. Un laboratorio compra un gran clúster, ejecuta un trabajo de entrenamiento durante semanas o meses, y el resultado es un modelo. La inferencia se ejecuta mientras el producto esté activo, y escala con los usuarios, no con los planes de investigación. Cada consulta de Copilot, cada paso de un agente, cada correo resumido es una solicitud de inferencia que un centro de datos debe responder a un coste lo bastante bajo como para regalar o incluir la función.

Por eso Microsoft enmarca el Maia 300 en torno a los tokens por megavatio, y no solo al rendimiento máximo. Un rack que consume 167 kilovatios cuesta dinero cada hora que funciona, y Microsoft espera gastar más de 175.000 millones de dólares en inversión de capital en este año natural. Recortar un 40 % la energía necesaria para una cantidad de salida dada, si la afirmación se sostiene, es un ahorro que se acumula en toda una flota.

La expresión «sistema de inferencia principal» es la parte estratégica. Implica que la mayor parte del tráfico de IA que sirve Microsoft acabará ejecutándose en su propio silicio en lugar de en GPU de Nvidia. CNBC informó de que Alistair Speirs, director general en Microsoft, declinó dar un plazo para alcanzar la escala de varios gigavatios. «Nos reservamos algo de margen de opción ahí, porque es un sector que cambia muy rápido, y queremos desplegar el silicio adecuado para los modelos adecuados que usamos en el momento adecuado», dijo Speirs.

Qué cambia en la carrera con Nvidia

El liderazgo de Nvidia se apoya en dos cosas: el hardware y el ecosistema de software construido a su alrededor. Un proveedor de nube que diseña su propio acelerador evita pagar el margen de un proveedor, y puede ajustar el chip a los modelos específicos que sirve. El intercambio es que el silicio propio suele ir por detrás de los mejores chips comerciales en rendimiento bruto y tarda años en alcanzar volumen.

Microsoft no tiene que superar a Nvidia en todas las cargas de trabajo para que la estrategia compense. Solo tiene que ejecutar bien sus propios modelos, en las cargas de mayor volumen, para sacarlas del mercado de proveedores. Microsoft Copilot, Teams y los modelos MAI son el tipo de tráfico de alto volumen y sensible al coste donde tiene sentido un componente personalizado eficiente, y donde Microsoft controla el modelo, la pila de servicio y la mezcla de cargas.

El contexto más amplio es una ola de silicio personalizado. Google y Amazon han lanzado varias generaciones de sus propios aceleradores, y laboratorios de IA como OpenAI han desarrollado sus propios diseños, todos con el mismo objetivo de aflojar el control de Nvidia sobre el mercado. Microsoft ha sido el más rezagado entre los grandes proveedores de nube en este frente, y en parte por eso la escala del plan del Maia 300 se lee tanto como una puesta al día como un liderazgo.

Reuters informó en agosto de que Microsoft planeaba presentar el Maia 300 este otoño. En el lanzamiento, Reuters situó el plan de despliegue en potencialmente más de un millón de chips Maia 300 el año próximo. Cada uno de esos chips depende de la línea N2P de TSMC, la misma capacidad de vanguardia escasa por la que hacen cola todos los demás diseñadores de chips de IA.

Salvedades

Conviene separar tres cosas del anuncio. La primera es el calendario: los despliegues de producción comienzan en 2027, así que nada de esto describe hardware que funcione hoy. La segunda es la escala. Más de un millón de chips en 2027 es un plan, no una cifra de unidades enviadas, y Microsoft no se ha comprometido públicamente en esos términos. La tercera es la base de comparación. La afirmación de eficiencia del titular es contra sistemas de GPU sin nombre, y la única comparación con nombre es con la generación anterior de la propia Microsoft.

También está la cuestión de la cobertura. La superficie de producto de Microsoft es amplia, y la familia Maia tiene que ejecutar desde modelos de chat pequeños y sensibles a la latencia hasta razonamiento de contexto largo y tareas de agentes de varios pasos si quiere ser el sistema de inferencia principal. Microsoft dice que el Maia 300 está optimizado para el razonamiento de contexto largo, la conversación sensible a la latencia y el trabajo agéntico, con MXFP4 mejorado de baja precisión, SRAM en chip usada como memoria de trabajo gestionada por software y un transporte de IA personalizado sobre Ethernet. Si el chip es tan amplio en la práctica como sugiere esa lista no se sabrá hasta que las cargas estén activas.

Qué observar

Microsoft ha dicho que compartirá más detalles en su conferencia Ignite 2026 en noviembre, y ya hay disponible un documento técnico del Maia 300. Las pruebas independientes serían la primera prueba real de las afirmaciones de eficiencia.

La segunda prueba es el escalado. Ejecutar un despliegue de un millón de chips en un solo año exige que el suministro, el empaquetado, la energía y la capacidad de centros de datos lleguen juntos, y Microsoft ha mantenido su calendario deliberadamente flexible. Un retraso dejaría a la empresa dependiendo de aceleradores comprados durante más tiempo del que ha dicho.

La tercera es si la ventaja de software de Nvidia sigue superando el coste de poseer el silicio. Microsoft controla sus modelos y su nube, que es la mejor posición desde la que hacer rentable el silicio personalizado. También es la posición desde la que Google y Amazon llevan años trabajando, y ninguna ha desbancado a Nvidia. La apuesta de Microsoft es que la inferencia, donde la carga de trabajo es estable y el volumen enorme, es el lugar correcto para empezar.

Portada: «Microsoft Data Center Middenmeer, the Netherlands - 1.jpg» de Hay Kranen, CC BY 4.0, vía Wikimedia Commons. Un centro de datos de Microsoft en los Países Bajos.