Microsoft ha anunciado que planea desplegar a partir de 2027, a escala de varios gigavatios, su chip de IA de diseño propio «Azure Maia». La compañía quiere convertirlo en una de las principales plataformas de inferencia de toda su gama de productos, según ha comunicado el directivo Scott Guthrie. Maia 200 ya impulsa Microsoft Copilot en Estados Unidos, Europa y Australia, y está previsto que llegue también a GitHub Copilot y Foundry antes de que termine el año.
La opción de controlar internamente la infraestructura que impulsa la IA
Cuando se habla de inteligencia artificial, la atención suele centrarse en qué modelo es más inteligente. Sin embargo, a medida que aumenta el número de usuarios, también crece la capacidad de cálculo necesaria para generar cada respuesta. ¿Quién realiza ese proceso, conocido como «inferencia», con qué equipos y cuánta electricidad consume? El anuncio de Microsoft aborda precisamente esa infraestructura de base.
Microsoft afirma que desplegará Maia a escala de varios gigavatios a partir de 2027 y que lo convertirá en uno de los principales sistemas de inferencia de sus productos. Según se ha informado, el CEO Satya Nadella lo describió como «la mayor apuesta hasta la fecha por el silicio propio». La compañía deja claro que no quiere depender únicamente de chips adquiridos a terceros, sino integrar su diseño y funcionamiento en su estrategia de nube.
Uno de los aspectos más destacados es la variedad de modelos que podrá ejecutar Maia. Además de los modelos de OpenAI, Microsoft afirma que funcionará con su propia serie MAI y también con modelos de código abierto. Esto apunta a que, más que ser un chip especializado en un modelo concreto, Maia aspira a servir como una plataforma de inferencia de uso general capaz de admitir la diversidad de sistemas de IA que se utilizan en Azure.
La situación actual: Maia 200 ya impulsa Copilot
No se trata de un plan que solo exista sobre el papel. Maia 200 ya impulsa Microsoft Copilot en Estados Unidos, Europa y Australia. También está previsto que GitHub Copilot y Foundry incorporen esta tecnología antes de que termine el año.
Microsoft afirma que, en Teams, Maia puede procesar hasta 1,7 veces más tokens por vatio que las principales GPU. Un token es una especie de unidad mínima con la que la IA procesa el texto. Si aumenta el volumen de procesamiento por unidad de energía, se puede atender a más usuarios con la misma infraestructura, lo que repercute directamente en los costes de explotación. No obstante, esta cifra procede de Microsoft y, con la información publicada, no es posible verificar los detalles de la comparación ni las condiciones de medición.
Maia 300 apunta a las entradas largas y a los agentes de IA
Está previsto que la sucesora, Maia 300, se envíe en 2027. Entre los usos previstos figuran el procesamiento de entradas largas, las interacciones rápidas y las tareas de tipo agente. Un agente es una IA que, a partir de las instrucciones del usuario, realiza de forma autónoma una serie de pasos. Como puede recurrir al modelo muchas veces para completar una sola petición, este tipo de tareas suele exigir más capacidad de cálculo que una conversación convencional.
Microsoft también ha publicado las especificaciones del chip. Cada uno incorpora ocho pilas de memoria HBM4, con una capacidad total de 288 GB, un ancho de banda de 18 TB por segundo y un consumo nominal de 950 vatios. La HBM es un tipo de memoria de alta velocidad utilizado en IA; su capacidad y rapidez cobran especial importancia al procesar modelos grandes o contextos extensos.
Microsoft sostiene que, frente a los sistemas de GPU anteriores, Maia procesa un 40 % más de tokens por megavatio. También afirma que un rack de 96 chips puede generar hasta siete veces más tokens que un rack de Maia 200. Los detalles se recogen en un informe técnico y se espera que se publiquen más datos en Ignite 2026, que se celebrará en noviembre.
Por qué el rendimiento por unidad de energía se ha convertido en un factor competitivo
Lo más llamativo del anuncio es que el rendimiento se mide no solo por la «velocidad», sino también por cuánto se puede procesar por unidad de energía. El hecho de que la escala del plan se exprese en gigavatios, una unidad de potencia, es en sí mismo revelador. A medida que se expanden los centros de datos, disponer de electricidad se está convirtiendo en una limitación más importante que el número de chips.
Una diferencia de varias decenas por ciento en eficiencia energética puede cambiar la cantidad de servicios de IA que se pueden ejecutar con el mismo suministro eléctrico. Diseñar chips propios permite ajustarlos con precisión a los servicios de la compañía y facilita lograr mayores mejoras de eficiencia. Este parece ser uno de los motivos por los que Microsoft está reforzando su apuesta por desarrollar tecnología propia.
Por otro lado, la información pública no permite saber si la expresión «varios gigavatios» se refiere al consumo eléctrico de los propios chips o a la capacidad total de las instalaciones. El alcance real del despliegue y las condiciones en las que se midieron los distintos valores de rendimiento probablemente se aclararán en Ignite 2026 o en el informe técnico. La capacidad de la IA para generar valor dependerá cada vez más no solo de la inteligencia de los modelos, sino también de la electricidad y de la capacidad de diseñar semiconductores que los sustenten. La trayectoria de Maia refleja esta tendencia.
コメント