Maia 300: Microsoft impulsa la autonomía de los hiperscaladores
El nuevo chip de IA propio de Microsoft no es un lanzamiento aislado: es la señal más clara de que los hiperscaladores están eludiendo la cadena de suministro tradicional de GPU. La amenaza real para Nvidia es estructural.
Microsoft le acaba de recordar a Nvidia que su alquiler está vencido — y podría no ser suficiente.
En la Cumbre Global OCP en San José, Microsoft presentó el lunes el Azure Maia 300, un chip de inferencia de IA personalizado diseñado para impulsar los propios productos en la nube y de productividad de la compañía. En papel, las cifras son impresionantes: un 40 por ciento más de tokens por megavatio que los sistemas líderes basados en GPU, y un rack de 96 chips que ofrece siete veces el rendimiento del Maia 200 actual de Microsoft.
La cifra destacada es la eficiencia. La implicación estructural es mucho más trascendente.
Microsoft ya no solo compra silicio para IA. Lo está diseñando, desplegándolo a escala multigavatios a partir del próximo año y declarándolo el motor principal de inferencia para todo, desde Microsoft 365 Copilot hasta los modelos de OpenAI ejecutándose en Azure. Ese es un movimiento que comprime la cadena de suministro de GPU en su punto más rentable y desvía los ingresos hacia otra parte, lejos de las dos compañías que la han dominado: Nvidia y AMD.
El margen donde se libra la guerra
Nvidia obtiene bien más de la mitad de sus ingresos trimestrales de los hiperscalers. Amazon, Google, Microsoft y Meta han sido sus clientes más importantes con creces. Durante años, el acuerdo fue limpio: Nvidia diseñaba los chips, los hiperscalers los compraban en volumen y todos salían beneficiados.
Ese acuerdo se está desmoronando.
El Maia 200 de Microsoft ya ejecuta cargas de trabajo en producción a través de Microsoft 365 Copilot, los propios modelos de IA de la compañía y los sistemas de OpenAI, entregando 1,7 veces más tokens por vatio que configuraciones comparables basadas en GPU. El Maia 300 amplía aún más esa brecha de eficiencia. Y, a diferencia del Maia 200, el 300 se está construyendo específicamente para reemplazar —no complementar— a las GPUs de terceros a gran escala.
Cuando un solo hyperscaler se compromete con megavatios de silicio personalizado para inferencia, las cuentas cambian para todos los demás. Nvidia aún puede vender chips de entrenamiento de gama alta. Pero la inferencia es donde reside el volumen, y es donde los márgenes han sido más predecibles para los proveedores de GPU.
Los hiperscalers están construyendo sus propias fundiciones — virtualmente
Microsoft no está solo. Amazon ha estado enviando sus chips Trainium e Inferentia durante años y ya ha comenzado a alquilarlos a terceros. Google tiene su arquitectura TPU ejecutándose dentro y fuera de sus propias nubes. Meta está desarrollando silicio personalizado para sus propias cargas de trabajo. OpenAI y Anthropic también se están orientando hacia estrategias de chips propietarios. Esto no es una coincidencia. Es una retirada coordinada de la dependencia de un único proveedor externo.
La tendencia importa porque ataca el poder de fijación de precios de Nvidia en la fuente. Cuando controlas tu propio silicio, controlas tu propia curva de costos. Dejas de negociar con un vendedor que sostiene el único juego en la ciudad. Y cuando tu competidor está haciendo lo mismo, la ventaja de precios se evapora.
Amazon está dando el siguiente paso lógico: vender chips personalizados para que los clientes los instalen en sus propios centros de datos en lugar de ejecutarlos a través de la infraestructura de Amazon. Eso es un desafío directo al modelo exclusivamente en la nube que ha mantenido la demanda de GPU encerrada dentro de los ciclos de adquisición de los hiperscalers. Si terceros pueden comprar silicio de Microsoft o Amazon y ejecutarlo por su cuenta, Nvidia pierde no solo la venta de hardware sino también el bloqueo que viene con ella.
Quién gana, quién pierde, quién parpadea primero
Microsoft gana en previsibilidad de costos y optimización de cargas de trabajo. El Maia 300 le permite ajustar la eficiencia energética, el factor de forma y el rendimiento a su propia hoja de ruta de productos en lugar del ciclo de lanzamiento de Nvidia. Eso es valioso cuando tus facturas de IA se miden en cientos de megavatios.
Nvidia pierde margen y opciones. Incluso si los hiperscalers continúan comprando algunos chips de Nvidia para entrenamiento o cargas de trabajo mixtas, el segmento de inferencia —el negocio voluminoso por excelencia— está siendo extraído. Los ingresos de la compañía por este canal podrían disminuir de manera significativa en trimestres, no en años, a medida que los despliegues de Maia escalen.
AMD ocupa un incómodo término medio. Es un proveedor externo como Nvidia pero sin el dominio de marca o arquitectura que lo convierte en la opción predeterminada. A medida que los hiperscalers construyen chips personalizados, AMD se vuelve más prescindible, no menos.
Los clientes ganan por presión sobre los precios. Ya sean pequeñas startups o compradores empresariales, el eventual goteo de las ganancias de eficiencia de los hiperscalers debería reducir el costo de la computación de IA con el tiempo.
Pero Nvidia aún no termina. La fuente deja claro que los clientes aún quieren acceso a una variedad de chips para diferentes cargas de trabajo, y actualmente esas son predominantemente de Nvidia. Los trabajos de entrenamiento, las cargas de investigación y la inferencia de alto rendimiento todavía favorecen las arquitecturas H100 y Blackwell. El Maia 300 es un chip de inferencia. No reemplaza a cada GPU en cada centro de datos.
Lo que hace es señalar intención. Y la intención, a esta escala, es indiscernible de la estrategia.
La verdadera historia detrás de la hoja de especificaciones
La ganancia de eficiencia del 40 por ciento es un momento de marketing. El cronograma de despliegue multigavatios es el momento de negocios. Juntos, marcan el punto en que los mayores proveedores de la nube dejaron de tratar el silicio personalizado como un experimento secundario y comenzaron a tratarlo como infraestructura central.
El Maia 300 de Microsoft no es el momento en que Nvidia muere. Es el momento en que Nvidia deja de ser el único portero.
Esa distinción importa más que cualquier lanzamiento de chip individual. La cadena de suministro de GPU siempre ha dependido de la suposición de que ningún comprador era lo suficientemente grande como para justificar la independencia. Microsoft, Amazon, Google y Meta han demostrado que esa suposición está equivocada. La próxima pregunta no es si seguirán construyendo chips —es qué tan rápido los alquilarán, venderán o abrirán como código fuente, y cuánto del poder de fijación de precios de Nvidia desaparecerá en el proceso.