Microsoft no quiere depender de Nvidia para siempre. Maia 300, presentado hoy, es la segunda generación del chip propio de Microsoft para inferencia de IA en centros de datos, y los números que acompañan el anuncio justifican la apuesta: 40% más de tokens procesados por megavatio respecto a Maia 200, y siete veces más rendimiento en las métricas de inferencia que su predecesor. Lo anuncia The Verge citando la nota técnica de Microsoft publicada este 12 de octubre de 2026.
El chip no llega solo. Microsoft ha diseñado un rack de 96 unidades Maia 300 con un consumo de 167 kilovatios de potencia, optimizado para los clusters de escala masiva que necesitan sus servicios de Azure OpenAI, Copilot y los modelos propios de Microsoft. La hoja de especificaciones menciona nodos de 8 módulos HBM4 de memoria de alto ancho de banda —frente a los 2 de Maia 200— y manufactura en proceso TSMC N2P con chiplets interconectados.
¿Qué cambia para los servicios de IA de Microsoft en 2027?
El despliegue está previsto para el año que viene, con el objetivo declarado de escalar a capacidad de gigavatios para los centros de datos de Azure. Eso no es retórica: Microsoft ha anunciado 80.000 millones de dólares (≈ 75.200 millones de euros) en inversión en infraestructura de IA para 2025-2027, y Maia 300 es la pieza que decide cuánto de ese gasto en electricidad convierte en capacidad de inferencia real.
La cifra más reveladora es la potencialmente alcanzable: más de un millón de chips si el despliegue alcanza sus objetivos. Para comparar: Nvidia vendió en 2024 aproximadamente 400.000 unidades de H100. Un despliegue de esa magnitud con chips propios cambiaría la dinámica de dependencia del sector de forma estructural.
Pago 22 dólares al mes por Claude Pro, que corre sobre infraestructura de Anthropic, que a su vez tiene una relación estratégica con Google Cloud. Microsoft está construyendo el argumento equivalente con Maia: que los modelos que corren en Azure —incluyendo GPT-4 y Copilot— funcionarán sobre hardware diseñado y controlado por Microsoft, sin depender de la cadena de suministro de GPU de Nvidia. La apuesta de Anthropic por desarrollar chips propios sigue la misma lógica.
¿Amenaza Maia 300 la posición de Nvidia o la complementa?
La respuesta honesta es: depende del horizonte temporal. En 2027, Nvidia sigue siendo insustituible para entrenamiento de modelos grandes. Maia 300 está diseñado para inferencia, no para entrenamiento: correr modelos ya entrenados de forma eficiente y barata, no crear modelos nuevos. Son dos mercados con dinámica diferente.
Lo que sí cambia es la posición negociadora de Microsoft. Cuando el 30-40% de tu capacidad de inferencia corre en chips propios, la conversación con Nvidia sobre precios de H100 y H200 para entrenamiento es muy diferente. Es el mismo movimiento que Amazon hizo con Trainium e Inferentia, y que Google lleva ejecutando desde 2015 con sus TPUs: no eliminar la dependencia, sino añadir palanca.
El Microsoft 365 Copilot Wave 3 y el plan E7 que Microsoft presentó en marzo dependen directamente de que la inferencia de Copilot sea económicamente sostenible a escala de cientos de millones de usuarios. Maia 300 es la respuesta de la capa de infraestructura a esa presión: si el chip funciona como anuncian, Copilot tiene runway financiero para mantener los precios actuales mientras escala.
Lo que no está claro es cómo compite Maia 300 contra las GPU de próxima generación de Nvidia. El B200 y el próximo Rubin de Nvidia también usan HBM4 y están diseñados para inferencia eficiente. La ventaja de Microsoft no es tecnológica sino estratégica: coste de capital nulo si ya tienes los centros de datos, integración con software propio, y ausencia de márgenes intermediarios.