Maia 200: una nueva era en computación de IA

Microsoft presentó Maia 200, su nuevo chip diseñado para las crecientes demandas de la inteligencia artificial. La empresa deja claro que el progreso de la IA depende tanto del hardware como de los algoritmos. Si trabaja con modelos grandes o productos basados en IA, esto le afecta directamente.

Maia 200 se basa en Maia 100, lanzada en 2023. El chip está optimizado para inferencia, la fase en la que los modelos entrenados empiezan a trabajar y generar resultados. A medida que crecen los sistemas de IA, los costos de inferencia influyen cada vez más en los presupuestos operativos. Microsoft posiciona Maia 200 como una herramienta para mantener los costos predecibles mientras se escala el rendimiento.

Rendimiento para tareas reales

Maia 200 contiene más de 100 mil millones de transistores. Ofrece más de 10 petaflops en modo de 4 bits y alrededor de 5 petaflops en modo de 8 bits. Esto representa un salto importante respecto a la generación anterior. Según Microsoft, un solo nodo Maia 200 ya puede ejecutar los modelos de IA más grandes, dejando margen para sistemas futuros.

La eficiencia energética es clave. Obtiene cargas de trabajo más estables, menos interrupciones y menor presión sobre la infraestructura. Esto importa cuando la IA pasa de experimentos a operaciones diarias de negocio.

Por qué Microsoft desarrolla sus propios chips

Con Maia 200, Microsoft sigue la tendencia de grandes empresas tecnológicas de crear chips propios, reduciendo la dependencia de NVIDIA y ganando control sobre rendimiento y costos. Microsoft afirma que Maia supera a Amazon Trainium en FP4 y a TPU v7 de Google en FP8.

Maia ya alimenta sistemas internos como Copilot. Microsoft también ofrece acceso a desarrolladores, investigadores y laboratorios mediante el SDK Maia 200. Si le interesa este tema, comparta este artículo y explore más de nuestros contenidos sobre infraestructura de IA y sistemas basados en datos.

Nuestra opinión experta

Creemos que Maia 200 indica una transformación profunda. La optimización del hardware definirá cada vez más la escalabilidad, el control de costos y la competitividad de los sistemas de IA. Para las empresas, esto significa menos cuellos de botella, rendimiento más estable y una base sólida para construir sistemas escalables.