Microsoft prepara Maia 300 para 2027 y anuncia despliegues de IA de varios gigavatios
La empresa ya utiliza Maia 200 en producción y atribuye a su próxima generación mejoras de rendimiento por energía, todavía pendientes de contraste externo.
Por qué confiar en Pulso Diario
Ilustración editorial original
Los agentes que sostienen tareas largas obligan a mover mucho contexto y memoria además de calcular. La apuesta de Microsoft busca adaptar conjuntamente chips, redes y refrigeración a esa carga, con efectos que dependerán del uso real de los centros de datos.
Lo disponible y lo prometido
Maia 200 sirve cargas de Microsoft, incluido Copilot. La compañía espera extenderlo a GitHub Copilot y Foundry antes de terminar el año. Maia 300 empezaría sus despliegues de producción en 2027; no es un acelerador que un usuario pueda comprar hoy con una tarifa pública anunciada en esta presentación.
Memoria, red y potencia del sistema
La documentación describe ocho pilas HBM4 con 288 GB y 18 TB/s de ancho de banda por acelerador. El rack reúne 96 aceleradores en una envolvente de 167 kW. El diseño acerca los datos al cálculo y utiliza una red basada en Ethernet. Microsoft estima hasta siete veces el caudal de tokens por rack frente a Maia 200 y un 40 % más de tokens por megavatio frente a sistemas de GPU líderes.
Fuentes: [1] Microsoft · anuncio de Maia del 12 de octubre · [2] Microsoft Azure · arquitectura de Maia 300
Ilustración editorial original
Eficiencia frente a demanda total
La AIE advierte en su informe de 2026 que tareas de razonamiento y agentes pueden consumir mucha más energía que una consulta de texto simple. Su escenario central sitúa la demanda de centros de datos en unos 950 TWh para 2030, frente a 485 TWh en 2025. Son previsiones agregadas, no una estimación del consumo específico de Maia.
Ilustración editorial original
Maia 300 puede ahorrar energía por tarea y ampliar a la vez la factura eléctrica de la IA
La ventaja del diseño especializado es hacer más trabajo dentro de un límite eléctrico. Eso puede reducir el coste de atender una petición y aprovechar mejor una instalación. Sin embargo, si el ahorro facilita muchas más interacciones y tareas más largas, el resultado agregado puede ser una demanda mayor. Confundir ambos niveles favorece conclusiones ambientales prematuras.
La AIE añade un límite físico al relato del chip: las conexiones a la red y el suministro de componentes pueden frenar proyectos aunque mejoren los aceleradores. La evaluación útil debería combinar calidad de las respuestas, tareas terminadas, energía de la instalación y capacidad contratada. Un porcentaje favorable del fabricante es una hipótesis de eficiencia que merece medirse, no una garantía de reducción global.
Opinión de Pulso Diario · elaborada a partir de los hechos y fuentes citadosFuentes y límites de verificación
Las especificaciones y comparaciones de Maia proceden del fabricante; anuncio y artículo técnico no constituyen validaciones independientes. La AIE aporta contexto energético externo, no una auditoría de Maia. No hay precios públicos de compra ni resultados de despliegue de Maia 300 en la fuente.
Fuentes: [1] Microsoft · anuncio de Maia del 12 de octubre · [2] Microsoft Azure · arquitectura de Maia 300 · [3] AIE · Key Questions on Energy and AI, 2026
Comentarios · ¿qué duda te queda?
¿Qué dato te ayudaría a entender mejor esta noticia? Comparte tu pregunta o señala un posible error con su fuente. Usaremos las dudas para orientar nuevas explicaciones, sin prometer una respuesta individual.
Los comentarios se revisan antes de publicarse. Respeta a los demás, aporta argumentos y evita publicidad o datos personales. Puedes eliminar tus propios comentarios.
Google se cargará al pulsar. Privacidad.
Has accedido con Google.
Más en Inteligencia artificial
Claude amplía su marca de agua textual a tres modelos: qué permite detectar y qué no
Claude abre hilos temporales para agilizar conversaciones largas sin reducir los tokens facturados
La historia viral de Claude Code y 17.342 fotos: qué revisar en tu iPhone
OpenAI presenta LifeVal para evaluar la ayuda de la IA en tareas cotidianas
IA cuántica: la carrera por calcular lo que hoy se nos resiste
Gemini tiene diez consejos para la próxima década: el primero empieza por tu cuerpo
Karpathy se hartó de YouTube: así creó HackerTube con IA en unas dos horas
Los nuevos proyectos de pago de Gemini API guardan solicitudes por defecto: cómo controlar el registro
Sheets añade las fuentes web de las respuestas generadas con Gemini a cada celda
«Brain fry»: cuando supervisar la IA se convierte en otra carga de trabajo
AlphaFold y las curas con IA: qué está demostrado y qué falta
