Microsoft ha anunciado sus planes de desplegar a partir de 2027 su chip de IA de diseño propio, «Azure Maia», a escala de varios gigavatios. La compañía pretende convertirlo en la principal plataforma de inferencia de sus productos, según ha comunicado el directivo Scott Guthrie. Maia 200 ya ejecuta Microsoft Copilot en Estados Unidos, Europa y Australia, y está previsto que llegue también a GitHub Copilot y Foundry antes de que acabe el año.
La decisión de controlar internamente la infraestructura que impulsa la IA
Cuando se habla de IA, 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. La cuestión es quién realiza ese procesamiento, llamado «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 el principal sistema 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 no quiere limitarse a depender de chips adquiridos a terceros, sino integrar su propio diseño en la estrategia de nube, desde el desarrollo hasta la operación.
Uno de los aspectos más interesantes es la variedad de modelos que ejecutará Maia. Microsoft ha explicado que, además de los modelos de OpenAI, funcionará con su propia serie MAI y también con modelos de código abierto. En lugar de ser un chip especializado en un modelo concreto, parece aspirar a servir como plataforma de inferencia general para la diversidad de sistemas de IA que se utilizan en Azure.
La situación actual: Maia 200, que ya ejecuta Copilot
No se trata de un plan que aún esté pendiente de materializarse. Maia 200 ya ejecuta Microsoft Copilot en Estados Unidos, Europa y Australia. También está previsto que GitHub Copilot y Foundry incorporen el chip antes de que acabe el año.
Microsoft afirma que, en Teams, Maia puede procesar hasta 1,7 veces más tokens por vatio que las principales GPU. Los tokens son unidades mínimas con las que la IA procesa el texto. Aumentar la cantidad de procesamiento por unidad de energía permite atender a más usuarios con los mismos equipos, por lo que también repercute directamente en los costes operativos. No obstante, esta cifra procede de Microsoft y, según la información publicada, no se han podido verificar los detalles de los parámetros de comparación ni de las condiciones de medición.
Maia 300, con la vista puesta en entradas largas y agentes de IA
Está previsto que Maia 300, la siguiente generación, se envíe en 2027. Entre sus 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 varios pasos. Como puede invocar el modelo muchas veces en respuesta a una sola petición, suele requerir más capacidad de cálculo que una conversación convencional.
También se han dado a conocer las especificaciones del chip. Cada unidad 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 una memoria de alta velocidad utilizada en IA; su capacidad y velocidad cobran importancia cuando se trabaja con modelos grandes o contextos extensos.
En cuanto al rendimiento, Microsoft sostiene que Maia ofrece un 40 % más de procesamiento de tokens por megavatio que los sistemas GPU anteriores. Además, afirma que un rack compuesto por 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 procesamiento por unidad de energía se está convirtiendo en un factor competitivo
Lo más llamativo del anuncio es que el rendimiento se mide no solo en términos de «velocidad», sino también de cuánto se puede procesar por unidad de energía. El hecho de que Microsoft describa la escala del plan en gigavatios, una unidad de potencia, es en sí mismo revelador. En la expansión de los centros de datos, el suministro eléctrico empieza a ser una limitación más importante que el número de chips.
Una diferencia de varias decenas de puntos porcentuales en eficiencia energética puede cambiar la cantidad de servicios de IA que se pueden ejecutar con la misma potencia disponible. Diseñar sus propios chips permite a una empresa ajustarlos con precisión a sus servicios y ampliar las posibilidades de mejorar su eficiencia. Esta parece ser una de las razones por las que Microsoft está reforzando su apuesta por el desarrollo propio.
Por otro lado, la información publicada no permite determinar si la expresión «varios gigavatios» se refiere al consumo eléctrico de los propios chips o a la capacidad total de las instalaciones. La escala real del despliegue y las condiciones en que se midieron los distintos valores de rendimiento son aspectos que probablemente se aclararán en Ignite 2026 o en el informe técnico. La competitividad de la IA dependerá cada vez más no solo de la inteligencia de los modelos, sino también de la electricidad que los sustenta y de la capacidad para diseñar semiconductores. La evolución de Maia refleja esa tendencia.
コメント