Microsoft prepara una nueva etapa de su infraestructura de inteligencia artificial con Maia 300, un sistema diseñado para mejorar la eficiencia de la inferencia y sostener tareas más complejas de IA agéntica. La compañía afirma que podrá procesar hasta un 40% más de tokens por megavatio que sistemas basados en GPU líderes.
Microsoft anunció que ampliará su familia de aceleradores Azure Maia para alcanzar despliegues de varios gigavatios a partir de 2027. La estrategia busca convertir estos sistemas diseñados por la propia compañía en la infraestructura principal de inferencia para sus productos y servicios de inteligencia artificial, en un contexto en el que aumenta la demanda de capacidad de cómputo para ejecutar modelos y agentes autónomos.
El anuncio fue realizado por Scott Guthrie, vicepresidente ejecutivo de Cloud + AI de Microsoft. Según explicó, Maia 200 ya está en producción y Maia 300 comenzará a desplegarse durante 2027, con una arquitectura orientada a procesar modelos de gran tamaño, mantener conversaciones con baja latencia y ejecutar tareas agénticas de varios pasos.
Maia 200 ya atiende cargas de trabajo internas de Microsoft, entre ellas Microsoft Copilot, y también respalda al equipo MAI en el desarrollo de nuevos modelos. La compañía prevé incorporar esta infraestructura a GitHub Copilot y Microsoft Foundry antes de finalizar el año.
Los sistemas Maia ejecutan modelos de OpenAI, los modelos propios de Microsoft MAI y distintas familias de modelos de código abierto. Esta diversidad permite a la empresa ajustar de manera conjunta el hardware y el software para optimizar el rendimiento en aplicaciones empresariales y otros escenarios de uso.
La apuesta responde a un desafío central para la industria: desarrollar más capacidad de inteligencia artificial sin que el consumo energético y los costos de infraestructura crezcan al mismo ritmo.
Maia 300: más tokens con la misma energía
Microsoft define a Maia 300 como un sistema completo de inteligencia artificial, diseñado con una arquitectura que prioriza la inferencia. La compañía sostiene que podrá generar un 40% más de tokens por megavatio que los sistemas líderes basados en GPU.
En una configuración con 96 aceleradores, Maia 300 también promete alcanzar hasta siete veces el rendimiento de procesamiento de tokens por rack de Maia 200. Estas cifras son estimaciones publicadas por Microsoft y todavía deberán evaluarse frente a resultados independientes y cargas de trabajo comparables.
La arquitectura busca resolver uno de los cuellos de botella de los sistemas de IA de gran escala: el movimiento de datos entre los componentes de cómputo, memoria y red. Para ello, Maia 300 combina una arquitectura de flujo de datos definida por software con optimizaciones de kernels asistidas por inteligencia artificial. El objetivo es reducir los movimientos innecesarios de información y aprovechar mejor los recursos disponibles.
El sistema incorpora ocho pilas de memoria HBM4, con un ancho de banda máximo de 18,0 TB por segundo y una potencia de diseño térmico (TDP) de 950 vatios. La combinación apunta a mejorar el procesamiento de modelos que necesitan manejar grandes cantidades de información contextual y mantener datos disponibles durante la generación de respuestas.
Otro componente es la arquitectura de múltiples chiplets, que separa las funciones de cómputo, control de memoria y entrada y salida. Microsoft señala que esta organización mejora la eficiencia, la escalabilidad y la estructura de costos. Los chiplets de cómputo se fabricarán con el proceso N2P de TSMC.
Maia 300 también incorpora formatos numéricos de baja precisión, entre ellos una versión mejorada de MXFP4, para reducir las necesidades de memoria y ancho de banda tanto durante el cálculo como en el almacenamiento de la caché de claves y valores, conocida como KV-cache. Según la empresa, estas técnicas permitirán trabajar con contextos más extensos y aumentar el rendimiento sin elevar proporcionalmente el consumo energético.
Racks diseñados para la IA agéntica
La escala física de la infraestructura es otra parte central del anuncio. Cada rack de Maia 300 reunirá 96 aceleradores en un entorno de consumo de 167 kilovatios, con una capacidad total de memoria HBM de 27,6 TB y un ancho de banda agregado de 1,7 petabytes por segundo.
Esta densidad está pensada para atender más interacciones de IA simultáneas y cargas de trabajo más exigentes dentro de cada rack. La red de interconexión entre aceleradores, por su parte, está optimizada para distribuir operaciones de tensores y permitir que el sistema se amplíe desde un rack individual hasta despliegues de escala de centro de datos.
Microsoft también utiliza infraestructura de red basada en Ethernet con un transporte optimizado para IA, con el objetivo de mantener comunicaciones eficientes y confiables entre aceleradores y racks.
Estas capacidades están orientadas a una nueva generación de aplicaciones. A medida que las empresas pasan de los asistentes conversacionales a sistemas de agentes capaces de razonar, ejecutar acciones y colaborar, la infraestructura debe sostener procesos más largos y complejos.
Entre los usos que Microsoft espera impulsar figuran las tareas de programación de GitHub Copilot, el servicio de modelos en la nube de Microsoft Foundry, la inferencia y generación de datos para el equipo MAI y las interacciones de baja latencia de Dragon Copilot, una solución destinada a ampliar los flujos de trabajo clínicos y reducir la carga administrativa de los profesionales de la salud.
La estrategia de Microsoft para controlar su infraestructura de IA
Maia 300 es la tercera generación del programa de aceleradores Azure Maia. El desarrollo se apoya en la experiencia acumulada con Maia 200, que ya se despliega en Estados Unidos, Europa y Australia.
Microsoft afirma que Maia 200 consigue hasta 1,7 veces más tokens por vatio que la infraestructura líder basada en GPU en determinadas capacidades de inteligencia artificial integradas en Microsoft Teams, Copilot y las experiencias de Cowork.
La compañía sostiene que el trabajo conjunto de los equipos de hardware y software permite diseñar sus chips a partir de las necesidades reales de sus servicios. Esa integración, que incluye capacidad de memoria, ancho de banda y redes, busca optimizar la ejecución de los modelos que utiliza a gran escala.
El despliegue de Maia 300 comenzará en 2027. Microsoft anticipó que ofrecerá más detalles sobre su estrategia de infraestructura y la adopción de estas tecnologías durante Microsoft Ignite 2026, previsto para noviembre en San Francisco y también disponible en línea.
La empresa presenta a Azure Maia como una pieza fundamental de su estrategia de transformación con inteligencia artificial. En lugar de depender de un único modelo o diseño de chip, plantea una plataforma heterogénea que combine distintas arquitecturas y modelos.
El resultado de esa apuesta dependerá de cuánto logre mejorar el rendimiento por unidad de energía, reducir los costos de operación y sostener la creciente demanda de servicios de IA. Para Microsoft, controlar mejor la infraestructura que ejecuta sus modelos es una vía para ampliar la capacidad de Azure y ofrecer inteligencia artificial a escala empresarial.
