Microsoft anuncia la expansión de Azure Maia a despliegues multi-gigavatio

El 12 de octubre de 2026 Microsoft anunció a través de Scott Guthrie, vicepresidente ejecutivo de Cloud + AI, que escalará su familia de sistemas Azure Maia a despliegues multi-gigavatio a partir de 2027. Maia se convertirá en el sistema principal de inferencia para los productos y servicios de la compañía.

La generación actual, Maia 200, ya está en producción y sirve cargas de trabajo de Microsoft, incluido Copilot. GitHub Copilot y Microsoft Foundry se incorporarán antes de final de año. Sobre esta plataforma corren modelos de OpenAI, los propios modelos MAI de Microsoft y familias de código abierto. El co-diseño entre hardware y software, basado en la experiencia real de escala de los servicios de IA de Microsoft, permite optimizaciones específicas para aplicaciones empresariales y escenarios sectoriales.

Maia 300, la siguiente generación, está pensada para las cargas emergentes: razonamiento de contexto largo, experiencias conversacionales sensibles a la latencia y tareas agénticas multi-paso sostenidas. Microsoft espera que ofrezca un 40 % más de tokens por megavatio que los sistemas GPU líderes, y hasta siete veces el rendimiento de tokens a escala de rack de Maia 200 en una configuración de 96 aceleradores.

Maia 200 ya se despliega en Estados Unidos, Europa y Australia, y entrega hasta 1,7 veces más tokens por vatio en las capacidades de IA integradas de Teams, Copilot y Cowork frente a infraestructura GPU convencional. La experiencia acumulada con Maia 200 ha informado el diseño de Maia 300.

Entre las capacidades clave de Maia 300 destacan una arquitectura de flujo de datos definida por software y optimización de kernels asistida por IA para reducir el movimiento de datos; ocho stacks HBM4 que proporcionan 18,0 TB/s de ancho de banda de memoria pico dentro de un TDP de 950 vatios; arquitectura multi-chiplet sobre el nodo N2P de TSMC; soporte de formatos de baja precisión como MXFP4 mejorado para contextos más largos; y redes de escalado optimizadas que tratan la red como extensión del flujo de datos, con interconexiones de alto ancho de banda para paralelismo de tensores y transporte AI sobre Ethernet.

Un rack de Maia 300 agrupa 96 aceleradores en un sobre de potencia de 167 kilovatios, con 27,6 TB de capacidad HBM y 1,7 PB/s de ancho de banda agregado. Los despliegues de producción de Maia 300 comenzarán en 2027.

Para un responsable TIC de una organización educativa, una red de centros o una empresa de tamaño medio que ya consume Microsoft 365, Azure o Copilot, el anuncio tiene implicaciones de capacidad y coste a medio plazo. La eficiencia energética y el rendimiento por megavatio determinan cuánto volumen de inferencia puede ofrecer el proveedor sin trasladar aumentos de precio o restricciones de cuota. La apuesta por sistemas propios, en lugar de depender exclusivamente de GPU de terceros, también refuerza la soberanía de Microsoft sobre su stack de IA y la diversidad de modelos que puede servir.

En la práctica, conviene revisar los contratos y las proyecciones de consumo de Copilot, Azure OpenAI o Foundry. Preguntar a los partners o a Microsoft qué implicaciones tendrá el paso a Maia en latencia, coste por token y disponibilidad regional. Incluir en la planificación de capacidad de los próximos 18-24 meses la posible mejora de eficiencia, sin asumirla como garantía de reducción inmediata de precios. Documentar los casos de uso agénticos que ya se están probando o que se quieren habilitar, porque son precisamente las cargas para las que Maia 300 está optimizado.

El mensaje central es que la infraestructura de inferencia deja de ser un detalle de backend y pasa a ser un factor de diferenciación en coste, capacidad y sostenibilidad. Quien gestiona tecnología debe seguir de cerca cómo se traducen estas mejoras de eficiencia en las condiciones de servicio que recibe su organización.