Microsoft presenta Maia 300 para reducir su dependencia de Nvidia

Por Redacción Pangea IA · 12 de octubre de 2026

Microsoft ha presentado Maia 300, la tercera generación de su acelerador propio para inteligencia artificial, con la intención de convertirlo en una pieza central de la inferencia en Azure y en sus servicios internos. La compañía prevé llevarlo a producción en 2027 y desplegarlo a escala de varios gigavatios. La noticia importa menos por una cifra aislada de rendimiento que por lo que revela: los grandes proveedores de nube quieren controlar cada vez más el coste, el suministro y el diseño de la infraestructura que sostiene los modelos de IA.

Qué ha anunciado Microsoft

Maia 300 es un chip diseñado principalmente para inferencia, es decir, para ejecutar modelos ya entrenados y responder a consultas, generar código o completar tareas de agentes. No es lo mismo que entrenar un modelo desde cero: la inferencia se repite millones de veces en productos comerciales y su coste acumulado puede decidir si un servicio de IA resulta sostenible.

Según Microsoft, Maia 300 entrará en producción durante 2027 y se desplegará en centros de datos a escala de varios gigavatios. Reuters informa de que la empresa contempla instalar más de un millón de unidades a lo largo de ese año para alimentar servicios internos de IA, aunque esa cifra debe leerse como un objetivo de despliegue, no como una capacidad ya operativa ni como una compra cerrada.

El destino previsto incluye cargas de razonamiento, programación y agentes empresariales complejos. La generación anterior ya ejecuta modelos de Microsoft y de OpenAI en Azure, de modo que Maia 300 no parte de un laboratorio aislado: se integra en una estrategia que combina chips propios, aceleradores de Nvidia y otros componentes disponibles en la nube.

Un diseño de chiplets fabricado por TSMC

La arquitectura recurre a chiplets, módulos especializados que se ensamblan en un mismo paquete. El bloque principal de cálculo se fabrica con el proceso de 2 nanómetros de TSMC, mientras que otros componentes dedicados al movimiento de datos utilizan 3 nanómetros. Esta separación permite reservar el nodo más avanzado —y más caro— para las partes que más se benefician de él.

La decisión también refleja una tendencia del sector: diseñar el acelerador, la memoria, la interconexión, la refrigeración y el software como un sistema completo. Un chip de IA no compite solo por operaciones teóricas por segundo. También debe mantener alimentadas sus unidades de cálculo, mover grandes cantidades de datos y funcionar de manera estable dentro de un rack sometido a límites eléctricos y térmicos.

Microsoft agrupará hasta 96 aceleradores Maia 300 por configuración de rack. La compañía afirma que ese sistema puede ofrecer hasta siete veces el rendimiento de generación de tokens a escala de rack de Maia 200. Es una comparación interna útil para medir el salto generacional, pero no equivale a una prueba independiente frente a productos rivales.

La métrica clave: trabajo útil por megavatio

Microsoft sostiene que Maia 300 proporciona alrededor de un 40% más de cálculo útil por megavatio que los principales sistemas basados en GPU. El enfoque en la energía es relevante: cuando una empresa opera centros de datos gigantes, la disponibilidad eléctrica y la refrigeración pueden limitar el crecimiento tanto como el precio de los chips.

Sin embargo, la afirmación necesita contexto. Microsoft no identificó públicamente en el anuncio qué sistemas concretos tomó como referencia ni publicó un conjunto de pruebas reproducible. Reuters señala que un rack de 96 chips Maia 300 consumiría unos 167 kilovatios, frente a aproximadamente 142 kilovatios en un rack Nvidia GB300 con 72 GPU. El rack de Microsoft tiene más aceleradores y un consumo absoluto mayor; por eso la comparación que propone la empresa se basa en el trabajo realizado por unidad de energía, no en que cada rack gaste menos.

Hasta que existan resultados independientes, lo prudente es tratar ese 40% como una afirmación del fabricante. El rendimiento real dependerá del modelo, la precisión numérica, el tamaño del lote, la latencia requerida, el aprovechamiento del sistema y la madurez del software. Una ventaja en una carga de trabajo puede reducirse o desaparecer en otra.

Por qué Microsoft quiere reducir su dependencia de Nvidia

Nvidia domina el mercado de aceleradores de IA gracias a la combinación de hardware, redes y un ecosistema de software asentado. Microsoft seguirá utilizando sus GPU: Maia no implica una sustitución inmediata. Lo que cambia es el poder de negociación y la capacidad de asignar cada carga al sistema más conveniente.

Un chip propio puede optimizarse para los modelos y centros de datos de Microsoft, eliminar funciones que no necesita y ajustar el diseño a su infraestructura. También introduce una segunda vía de suministro en un momento en que la demanda de aceleradores avanzados continúa siendo elevada. Esta lógica se parece a la que siguen otros grandes operadores de nube, que combinan silicio propio con compras a proveedores externos.

La cuestión financiera es enorme. Microsoft prevé más de 175.000 millones de dólares de inversión de capital en el año natural, según Reuters. El lanzamiento llega además en una etapa en la que la financiación de la infraestructura de IA se ha convertido en un tema central; Pangea IA analizó hoy cómo Broadcom ve el capital como posible freno al crecimiento del sector. Mejorar la utilización de cada megavatio y cada rack puede traducirse en miles de millones de ahorro cuando el despliegue alcanza esa escala.

Qué puede cambiar para Azure y sus clientes

Para un usuario de Azure, el efecto inicial probablemente será indirecto. Microsoft no ha anunciado precios, regiones, instancias comerciales concretas ni una fecha exacta de disponibilidad para clientes. Tampoco ha detallado si Maia 300 podrá contratarse como acelerador de propósito general o si se reservará primero para servicios administrados y productos propios.

Si el despliegue cumple las previsiones, las ventajas podrían aparecer en forma de mayor capacidad, latencias más bajas o costes más estables para determinadas cargas. Pero un chip interno no garantiza por sí solo una rebaja en la factura del cliente: Microsoft puede destinar la eficiencia adicional a ampliar márgenes, absorber más demanda o mejorar prestaciones antes de trasladarla a los precios.

Para pymes y autónomos españoles, la recomendación práctica no cambia todavía. No hay un producto Maia 300 que comparar ni contratar. Conviene evaluar los servicios de IA por coste total, calidad, seguridad, residencia de datos y facilidad de integración, no por el nombre del acelerador que utiliza el proveedor. Cuando Azure publique instancias y tarifas, entonces sí será posible medir si el nuevo hardware altera la relación entre precio y rendimiento.

Un movimiento que presiona a todo el ecosistema

Maia 300 amplía la competencia en un mercado donde los clientes más grandes de Nvidia están construyendo alternativas. No todos aspiran a vender chips fuera de su propia nube. Su objetivo inmediato es controlar una parte mayor de la cadena tecnológica y adaptar el hardware a sus cargas más frecuentes.

Eso no elimina el valor de las plataformas generalistas. Nvidia puede repartir el coste de desarrollo entre muchos clientes y ofrece herramientas conocidas por miles de equipos. Un acelerador interno, en cambio, debe compensar el esfuerzo de diseñar hardware, compiladores, bibliotecas, sistemas de red y operaciones a gran escala. El reto no termina cuando el chip sale de la fábrica.

El anuncio también refuerza la posición de TSMC como fabricante esencial. Microsoft diseña Maia, pero depende de procesos avanzados externos. Por tanto, la diversificación frente a Nvidia no equivale a independencia de la cadena de suministro asiática. La concentración industrial simplemente se desplaza a otros eslabones.

La competencia se extiende asimismo a diseños más especializados. Pangea IA explicó en agosto el proyecto Jalapeño de OpenAI para inferencia y ha seguido cómo los fabricantes chinos intentan desafiar el dominio de Nvidia. Maia 300 encaja en esa misma carrera, pero parte con una ventaja singular: Microsoft controla una de las mayores nubes públicas y puede asignarle demanda propia desde el primer día.

Lo confirmado y lo que aún falta por saber

• Confirmado: Maia 300 es la tercera generación del acelerador de IA de Microsoft y está orientado a inferencia.
• Confirmado: utiliza un diseño de chiplets con componentes fabricados en procesos de 2 y 3 nanómetros de TSMC.
• Confirmado: Microsoft prevé llevarlo a producción y desplegarlo a escala de varios gigavatios en 2027.
• Afirmación de Microsoft: hasta siete veces más rendimiento de tokens por rack que Maia 200 y un 40% más de cálculo útil por megavatio que sistemas GPU líderes.
• Pendiente: referencias exactas de la comparación, pruebas independientes, precio, regiones, disponibilidad comercial y catálogo de modelos compatibles.
• Objetivo, no hecho consumado: el posible despliegue de más de un millón de chips durante 2027.

Conclusión: la batalla se traslada al centro de datos completo

Maia 300 no destrona por sí solo a Nvidia ni permite concluir que Microsoft haya resuelto el coste de la IA. Su importancia está en la escala y en el calendario: una de las mayores empresas de nube quiere convertir un acelerador propio en infraestructura de producción masiva desde 2027.

La prueba decisiva será operativa. Microsoft tendrá que demostrar que el chip mantiene sus ventajas con modelos reales, software maduro y altos niveles de utilización. Si lo consigue, la competencia dejará de medirse únicamente por quién fabrica la GPU más rápida y pasará a depender de quién integra mejor el chip, la red, la memoria, la energía y el servicio de nube. Esa es la transformación editorialmente relevante detrás de Maia 300.

Fuentes consultadas

• Reuters: Microsoft plans huge deployment of its own AI chips with an eye on saving costs (12 de octubre de 2026; consulta: 12 de octubre de 2026).
• The Verge: Microsoft’s Maia 300 chip is set to power its AI services in 2027 (12 de octubre de 2026; consulta: 12 de octubre de 2026).