¿Para qué pagar miles de millones a Nvidia si se puede construir uno propio? Microsoft ya ha tomado una decisión
Microsoft desarrolla sus propios chips de IA y quiere librarse de su dependencia de Nvidia.
¿El fin de una dependencia unilateral?
Durante los últimos años, un nombre ha aparecido una y otra vez en los debates sobre la infraestructura de IA: Nvidia. Los procesadores gráficos de la compañía se han convertido en la columna vertebral indiscutible de casi todo el entrenamiento y la inferencia de IA a gran escala. Pero ahora la situación empieza a cambiar, y Microsoft es el último ejemplo de cómo las grandes tecnológicas deciden tomar el control de su propio silicio.
Según The Verge, Microsoft lanza su nuevo chip de IA, Maia 300, con un despliegue previsto en entornos de producción durante 2027. Es la segunda generación del chip de IA de desarrollo propio de Microsoft, y el hecho de que ahora se implante en producción real, y no en entornos de prueba controlados, es una señal clara. Esto ya no es un experimento. Es un cambio estratégico.
¿Por qué construir un chip propio?
Para un desarrollador de sistemas, la lógica detrás de la decisión es clarísima. Cuando se controla el hardware, se puede diseñar según las cargas de trabajo exactas que se van a ejecutar. Microsoft puede optimizar Maia 300 específicamente para sus propios servicios: Azure, los modelos de IA que hay detrás de Copilot y la creciente variedad de productos inteligentes que la compañía desarrolla. Es la diferencia entre comprar un traje de confección y encargar uno a medida.
Pero hay más que el rendimiento. Se trata de seguridad de suministro. Durante varios años, la demanda de los procesadores de Nvidia ha superado con creces la oferta, con largos plazos de entrega y precios desorbitados como consecuencia. Para una empresa de la escala y las ambiciones de Microsoft, esa situación es insostenible. Los chips propios aportan control sobre la disponibilidad, el coste y la hoja de ruta.
Microsoft no está sola
Conviene situar el movimiento de Microsoft en un contexto más amplio. Google lleva mucho tiempo utilizando sus chips TPU (Tensor Processing Units) en centros de datos para impulsar desde los algoritmos de búsqueda hasta los modelos Gemini. Amazon ha desarrollado sus chips Trainium e Inferentia para AWS. Meta trabaja en soluciones propias para hacer más eficientes sus sistemas de recomendación y su investigación en IA.
La pauta es clara: las compañías que tienen recursos y escala para justificar el desarrollo de hardware optan por hacerlo. Con Maia 300, Microsoft pasa a formar parte oficialmente de ese grupo, no como un globo sonda, sino como un actor preparado para entregar a gran escala.
¿Qué significa esto para Nvidia?
A corto plazo, la respuesta es: no catastrófico. The Verge informa de que Maia 300 está pensado para complementar, y no para sustituir, los procesadores de Nvidia en la infraestructura de Microsoft. Los chips de Nvidia siguen siendo la columna vertebral y, con toda probabilidad, seguirán siéndolo durante el futuro previsible. Nvidia tiene una ventaja difícil de igualar en poco tiempo, no solo en hardware, sino también en el ecosistema de software que rodea a CUDA, que se ha convertido en el estándar del sector para la programación de IA.
Pero a largo plazo, la tendencia es difícil de ignorar. Cada punto porcentual de carga de trabajo que Microsoft, Google, Amazon y Meta puedan trasladar a sus propios chips es un punto porcentual menos de tarjetas Nvidia que tendrán que comprar. Si estos actores logran trasladar en conjunto una parte significativa de su inferencia, es decir, la ejecución de modelos ya entrenados, que en volumen es enorme, a silicio de desarrollo propio, el equilibrio del mercado podría cambiar de forma notable.
Los cambios tecnológicos llevan tiempo, pero se producen
Como desarrollador de sistemas, he aprendido que los cambios de infraestructura rara vez son dramáticos en el momento. Se producen de forma gradual y descentralizada, y se perciben sobre todo a posteriori. Maia 300 no es una toma de poder, sino un paso en un proceso más largo en el que las grandes empresas de software descienden progresivamente en la pila tecnológica para recuperar el control.
El hecho de que Microsoft tome este paso en serio, con el despliegue en producción como objetivo concreto para 2027, es una de las señales más claras hasta la fecha de que el sector se encuentra en un cambio estructural. Son tiempos apasionantes para quien quiera seguir de cerca cómo se construye realmente la infraestructura de IA.