Microsoft anunció el lunes 12 de octubre de 2026 que expandirá su familia de aceleradores Azure Maia a despliegues multi-gigavatio a partir de 2027 y que Maia se convertirá en el sistema primario de inferencia para productos y servicios de la compañía. En una entrada del blog oficial firmada por Scott Guthrie, vicepresidente ejecutivo de Cloud + AI, la empresa presentó Azure Maia 300, la tercera generación del programa, con inicio de despliegues de producción previsto para 2027, y confirmó que Maia 200 ya está en producción sirviendo cargas de trabajo de Microsoft.
Según Guthrie, Maia 200 ya atiende cargas de producción que incluyen Microsoft Copilot y apoya al equipo MAI en el desarrollo de modelos de próxima generación, con GitHub Copilot y Microsoft Foundry previstos para antes de fin de año. En esas cargas, Maia 200 ejecuta modelos de OpenAI, modelos propios MAI y familias de modelos de código abierto líderes. La compañía afirma que la coingeniería entre hardware y software, alimentada por la escala de sus servicios de inteligencia artificial, permite optimizar casos de uso reales en aplicaciones empresariales y escenarios sectoriales.
Maia 300 se presenta como un sistema completo orientado a cargas emergentes: razonamiento de contexto largo, experiencias conversacionales sensibles a la latencia y tareas agenticas de múltiples pasos sostenidas. Microsoft espera que Maia 300 entregue un 40% más de tokens por megavatio en comparación con sistemas basados en GPU líderes. En una configuración completa de 96 aceleradores, dice alcanzar hasta siete veces el rendimiento de tokens a escala de rack respecto a Maia 200. CNBC, en un reportaje del mismo día firmado por Jordan Novet, subrayó que la compañía pretende depender principalmente de su propio silicio para atender las peticiones de inferencia.
Las cifras de rack que publica Microsoft son concretas: un sistema Maia 300 reúne 96 aceleradores dentro de un envolvente de potencia de 167 kilovatios, con 27,6 TB de capacidad HBM y 1,7 PB/s de ancho de banda HBM agregado en un dominio de scale-up de alta velocidad. Eso duplica el número de chips por rack respecto a Maia 200, según CNBC. Cada acelerador Maia 300 incorpora ocho pilas HBM4 con 18,0 TB/s de ancho de banda de memoria pico dentro de un TDP de 950 vatios, y una arquitectura multi-chiplet que separa funciones de cómputo, controlador de memoria e I/O, con chiplets de cómputo fabricados en el nodo N2P de TSMC.
El diseño prioriza el flujo de datos definido por software y la optimización de kernels asistida por IA para maximizar la localidad y reducir el movimiento de datos, un cuello de botella creciente en la inferencia a gran escala. Microsoft destaca formatos de baja precisión avanzados, incluido MXFP4 mejorado, para reducir requisitos de memoria y ancho de banda tanto en el cómputo como en el almacenamiento de la caché KV, lo que permite ventanas de contexto mayores y mayor rendimiento dentro del mismo envolvente energético. La red de scale-up se trata como extensión del dataflow, con un transporte de IA personalizado sobre infraestructura Ethernet que unifica topologías desde un rack hasta el centro de datos.
El contexto competitivo es el de una industria que busca alternativas a las GPU de Nvidia sin abandonarlas por completo. CNBC recuerda que Microsoft lanzó Maia 100 en 2023 y presentó Maia 200 en enero de 2026; el consejero delegado Satya Nadella dijo a analistas en julio que Maia 200 ofrece un 30% mejor rendimiento por dólar que el hardware de última generación de su flota y que ya ejecutaba modelos de OpenAI. Amy Hood, directora financiera, señaló en una conferencia de Goldman Sachs el mes pasado que el uso de chips propios ha ayudado a mejorar márgenes a lo largo de una década.
Analistas de Evercore ISI, en una nota a clientes citada por CNBC, estimaron que Maia representará alrededor del 10% del gasto de Microsoft en chips de inteligencia artificial hacia el primer trimestre de 2027, y recomendaron comprar acciones de la compañía. Esa cifra no proviene de Microsoft y debe leerse como estimación de terceros. Alistair Speirs, un general manager de la empresa, declinó dar un calendario preciso para los despliegues multi-gigavatio y habló de «optionalidad» ante un sector que cambia rápido. Jim Kleewein, technical fellow, indicó que partes de Microsoft 365 Copilot deberían acelerarse con Maia 300.
Importa lo que Maia no es. A diferencia de las TPU de Google o de Inferentia y Trainium de Amazon, los aceleradores de Microsoft no se alquilan por hora a terceros clientes de la nube, según CNBC. Patrick Moorhead, consejero delegado de Moor Insights and Strategy, observó que nadie los ha probado fuera de Microsoft todavía. Para el entrenamiento de modelos, Speirs dijo que Microsoft sigue asociándose con Nvidia y AMD. Jensen Huang, consejero delegado de Nvidia, participó la semana pasada en un evento en el que Microsoft anunció un portátil Surface con procesador Nvidia, señal de que la relación comercial no se rompe.
Maia 200 ya se despliega en Estados Unidos, Europa y Australia, y Microsoft afirma que entrega hasta 1,7 veces más tokens por vatio para capacidades de IA integradas en Teams, Copilot y experiencias Cowork frente a infraestructura GPU líder. La experiencia operativa con Maia 200, según Guthrie, informó directamente el diseño de Maia 300. Juntas, ambas generaciones deben sostener servicios adicionales: trabajo agentico multipaso para GitHub, servicio de modelos a escala cloud para Foundry, inferencia y generación de datos para el equipo MAI, e interacciones de baja latencia para Dragon Copilot en flujos clínicos.
La apuesta tiene implicaciones económicas claras para la nube. Speirs explicó a CNBC que se necesitan nuevas arquitecturas para un mejor uso de la potencia disponible, porque la energía se traduce de forma bastante directa en coste operativo de un centro de datos. Un 40% más de tokens por megavatio, si se materializa en producción, cambiaría la economía unitaria de Copilot y de otros servicios de alto volumen. Al mismo tiempo, depender de silicio propio concentra riesgo de ejecución: retrasos de fabricación en TSMC, problemas de rendimiento o de software podrían afectar calendarios de 2027.
Para el mercado de chips, el anuncio refuerza una tendencia ya visible: los grandes hiperescaladores diseñan aceleradores a medida para inferencia, mientras Nvidia y AMD siguen siendo centrales en entrenamiento y en muchos despliegues de propósito general. Microsoft enmarca Maia dentro de lo que llama Frontier Transformation: una plataforma heterogénea y diversa en modelos, abierta a elección de silicio y de modelo. La compañía promete más detalles en Microsoft Ignite 2026, el mes próximo en San Francisco y en línea, y apunta a un documento técnico y un sitio dedicado a Maia 300 para arquitectura.
Quedan preguntas abiertas. No hay cifra pública del volumen exacto de gigavatios previstos ni del porcentaje de carga de Copilot que ya corre en Maia 200. Tampoco está claro cuándo, si alguna vez, Azure ofrecerá Maia como instancia rentable a clientes externos. La estimación de Evercore ISI del 10% del gasto en chips de IA hacia el primer trimestre de 2027 ofrece un punto de referencia provisional, pero no sustituye a la divulgación financiera oficial de Microsoft.
En conjunto, el 12 de octubre Microsoft pasó de presentar Maia como experimento de silicio propio a declarar una ambición de infraestructura: multi-gigavatio, inferencia primaria y eficiencia energética medible en tokens por megavatio. Si Maia 300 cumple en 2027 lo anunciado —96 aceleradores por rack, 7× el throughput de rack de Maia 200 y un 40% más de tokens por megavatio frente a GPU líderes—, la compañía habrá reducido de forma tangible su dependencia relativa de proveedores externos para servir IA a escala. El entrenamiento, por ahora, sigue siendo territorio compartido con Nvidia y AMD.
