El informe, que citó a personas con conocimiento directo de los planes, señala una aceleración del impulso de Microsoft para diseñar sus propios aceleradores de inteligencia artificial y reducir su fuerte dependencia de los costosos procesadores de Nvidia. La medida es parte de una ola más amplia de noticias de última hora sobre IA en la que los operadores de nube más grandes del mundo están compitiendo para construir silicio personalizado adaptado a sus propias cargas de trabajo.
Una respuesta directa al poder de fijación de precios de Nvidia
Las GPU de Nvidia actualmente impulsan la inmensa mayoría del entrenamiento e inferencia de grandes modelos de IA en proveedores de nube a hiperescala, y esa dependencia ha tenido un precio elevado. Microsoft, al igual que Google, Amazon y Meta, ha gastado miles de millones en la adquisición de hardware de Nvidia para mantener el ritmo de la demanda de servicios de inteligencia artificial, como su asistente Copilot y el servicio Azure OpenAI.
El Maia 300 se posiciona como la apuesta de Microsoft para recuperar parte de ese gasto. Al diseñar chips optimizados específicamente para los tipos de cargas de trabajo que se ejecutan dentro de sus propios centros de datos, Microsoft apunta a reforzar su línea de producción de chips de IA y disminuir su dependencia del hardware de precio premium y con suministro limitado de Nvidia.
De Maia 100 a Maia 300
Microsoft anunció por primera vez su entrada en el silicio de IA personalizado en noviembre de 2023, presentando el acelerador de IA Maia 100 original junto con el procesador central Cobalt 100 en su conferencia de desarrolladores Ignite. El Maia 100 se presentó como un chip construido desde cero para ejecutar grandes modelos de lenguaje y otras cargas de trabajo de IA dentro de Azure.
El salto al Maia 300 supone un importante relevo generacional. Si bien el informe de The Information no reveló especificaciones detalladas, la convención de numeración (y la brecha de varios años desde el Maia 100 original) apunta a mejoras sustanciales en el rendimiento y la eficiencia energética, las dos métricas que más importan para la inferencia de IA a hiperescala.
Por qué los hiperescaladores se están volviendo personalizados
Microsoft no está ni mucho menos solo en la búsqueda del silicio interno. La estrategia se ha convertido en una característica definitoria del panorama actual del hardware de IA:
- Google ha iterado en sus Unidades de Procesamiento Tensoriales (TPU) durante aproximadamente una década y ahora las ofrece a los clientes de la nube.
- Amazon ha invertido mucho en sus familias de chips Trainium e Inferentia a través de su división Annapurna Labs.
- Meta está desarrollando su línea MTIA (Meta Training and Inference Accelerator).
- AMD continúa ampliando su línea de GPU Instinct como la alternativa comercial líder a Nvidia.
Para estas empresas, el cálculo es sencillo. El silicio personalizado se puede ajustar a los modelos precisos y a las pilas de software que ejecuta una empresa, lo que potencialmente reduce el costo por consulta, reduce la latencia y afloja el control de Nvidia sobre la cadena de suministro de computación de IA. Incluso un alejamiento parcial del hardware de Nvidia puede traducirse en cientos de millones de dólares en ahorros a hiperescala.
Lo que podría traer septiembre
Si Microsoft presenta el Maia 300 el próximo mes, probablemente aprovechará la ocasión para detallar los puntos de referencia de rendimiento, la disponibilidad dentro de Azure y cuáles de sus productos de inteligencia artificial propios se ejecutarán en el nuevo hardware. Anteriormente, la compañía había enmarcado su silicio personalizado como complementario, en lugar de como un reemplazo total, de las GPU de Nvidia, sugiriendo un modelo híbrido en el que ambas familias de chips coexisten dentro de la infraestructura de inteligencia artificial de Azure.
Los analistas de la industria estarán atentos a dos cosas: si Maia 300 ofrece ganancias significativas en precio-rendimiento con respecto a la generación actual de Nvidia, y si Microsoft puede fabricar suficientes unidades para hacer mella en sus pedidos de Nvidia. La producción de chips a esta escala depende de una capacidad de envasado avanzada y de asociaciones de fundición que siguen siendo estrechas en toda la industria.
El panorama más amplio
La aparición del Maia 300 subraya un cambio fundamental en la economía de la IA. Las empresas que construyen y operan los sistemas de IA más grandes ya no se contentan con ser simplemente los mayores clientes de un único proveedor de chips. Se están convirtiendo en diseñadores de chips por derecho propio, remodelando una cadena de suministro que Nvidia ha dominado desde que comenzó el auge de la IA generativa.
Para Microsoft, hay mucho en juego. La empresa se ha comprometido a realizar enormes inversiones de capital para ampliar su infraestructura de inteligencia artificial, y los inversores se centran cada vez más en si ese gasto se traducirá en márgenes duraderos. Un programa interno de chips exitoso es una de las palancas más claras que tiene Microsoft para mejorar la economía unitaria de su negocio de IA.
Manténgase por delante de la IA
¿Quiere mantenerse al día con los últimos avances en hardware de inteligencia artificial, silicio personalizado y las empresas que están remodelando la industria? Marque AI Buzz Wire para obtener cobertura diaria de las historias importantes.
Leer más noticias sobre IA →
