Microsoft presenta el chip Maia 300 para reducir su dependencia de las GPUs de Nvidia

Microsoft ha anunciado su acelerador de IA interno de tercera generación, el Maia 300, posicionándolo como el sistema principal de inferencia para sus servicios en la nube. La empresa planea comenzar a implementar el nuevo silicio en cargas de trabajo de producción en 2027, con el objetivo de reducir la dependencia de proveedores externos de GPU como Nvidia y AMD, al tiempo que mejora la eficiencia energética.

Qué ocurrió

El Maia 300 es el sucesor del Maia 200, que fue anunciado a principios de este año y actualmente ejecuta cargas de trabajo de producción para servicios como Microsoft Copilot, GitHub Copilot y Microsoft Foundry. Scott Guthrie, vicepresidente ejecutivo del grupo de nube de Microsoft, declaró que el nuevo chip está diseñado específicamente para las demandas emergentes de la IA, incluyendo el razonamiento en contextos largos, conversaciones sensibles a la latencia y tareas agénticas sostenidas de múltiples pasos. El objetivo es convertir a Maia en la infraestructura central de los productos de IA de Microsoft, en lugar de depender principalmente de hardware de terceros.

La eficiencia es la métrica central de esta generación. Microsoft espera que el Maia 300 entregue un 40 % más de tokens por megavatio en comparación con los sistemas líderes basados en GPU. En una configuración completa que utiliza 96 aceleradores, la empresa afirma que el rendimiento de tokens a escala de rack será hasta siete veces superior al del Maia 200. Estas mejoras están destinadas a apoyar despliegues de varios gigavatios a partir de 2027, permitiendo a Microsoft escalar significativamente su familia Azure Maia.

Esta estrategia de hardware está estrechamente vinculada con las ambiciones más amplias de Microsoft en materia de IA. Mustafa Suleyman, CEO de Microsoft AI, enfatizó la necesidad de una plataforma que la empresa posea y co-diseñe junto con sus modelos. Al controlar la capa de silicio, Microsoft busca competir de manera más efectiva contra rivales como Google DeepMind, OpenAI y Anthropic. Este movimiento refleja una tendencia generalizada en la industria donde grandes empresas tecnológicas desarrollan silicio personalizado para optimizar el rendimiento y el coste para sus arquitecturas de modelo específicas.

Cómo funciona

El Maia 300 logra sus mejoras de eficiencia mediante una nueva arquitectura de chiplets construida sobre el nodo de proceso N2P de TSMC. A diferencia de los diseños monolíticos tradicionales, este enfoque separa las funciones de cómputo, controlador de memoria y entrada/salida en componentes distintos. Esta separación permite que cada función utilice la tecnología de fabricación más adecuada para su rol específico, aumentando así el área total de silicio dedicada al rendimiento real de cómputo.

Al desacoplar estas funciones, el diseño reduce los cuellos de botella que a menudo limitan el rendimiento en cargas de trabajo densas de IA. La arquitectura está optimizada para los tipos específicos de tareas de inferencia que dominan el uso moderno de la IA, como mantener el contexto en conversaciones largas o ejecutar flujos de trabajo complejos y multi-paso de agentes. Este co-diseño hardware-software asegura que las capacidades físicas del chip se alineen estrechamente con los requisitos operativos de los últimos modelos de IA de Microsoft.

Detalles clave

• El Maia 300 comenzará a implementarse en cargas de trabajo de producción en 2027.
• Microsoft espera un 40 % más de tokens por megavatio en comparación con los sistemas líderes basados en GPU.
• Una configuración de 96 aceleradores ofrece hasta 7x el rendimiento de tokens a escala de rack del Maia 200.
• El chip utiliza una arquitectura de chiplets construida sobre el nodo de proceso N2P de TSMC.
• Las funciones de cómputo, controlador de memoria y E/S están separadas para optimizar el área de silicio y el uso de la tecnología.
• El Maia 300 está diseñado para el razonamiento en contextos largos, conversaciones sensibles a la latencia y tareas agénticas.

Por qué importa

Para ingenieros de software y líderes de infraestructura, este cambio señala un ecosistema maduro donde el silicio personalizado se convierte en la norma para el despliegue de IA a gran escala. Depender de GPUs de propósito general a menudo significa pagar por capacidades que no se utilizan plenamente o lidiar con restricciones de energía que limitan la escalabilidad. Los aceleradores personalizados como el Maia 300 permiten una integración más estrecha entre la arquitectura del modelo y el hardware, resultando en mejor eficiencia de costes y rendimiento por vatio. Esta tendencia podría animar a otros grandes proveedores de nube a acelerar sus propias hojas de ruta de silicio personalizado.

El enfoque en tareas agénticas y razonamiento en contextos largos también destaca la naturaleza cambiante de las cargas de trabajo de IA. A medida que las aplicaciones evolucionan, la demanda de hardware especializado crece.