Un posible acuerdo Anthropic–Maia 200 pondría a prueba la estrategia de chips propios de Microsoft

Por qué sería un hito para Microsoft

Microsoft lleva años desarrollando chips propios para sus centros de datos de Azure. Sin embargo, hasta ahora la mayoría de estos procesadores se han utilizado principalmente para servicios internos o integraciones muy controladas.

Conseguir que un laboratorio de IA de primer nivel como Anthropic use sus chips en producción supondría un cambio importante. Significaría que el silicio diseñado por Microsoft ya no es solo una estrategia defensiva frente a la escasez de GPUs, sino un producto comercial capaz de atraer clientes externos.

Además, ambas compañías ya mantienen una relación estratégica muy estrecha. En 2025, Microsoft, Nvidia y Anthropic anunciaron una alianza que incluía inversiones multimillonarias y el uso masivo de la nube de Azure para escalar el modelo Claude.

Como parte del acuerdo:

• Anthropic se comprometió a comprar alrededor de 30.000 millones de dólares en capacidad de computación en Azure.
• Microsoft anunció inversiones de hasta 5.000 millones de dólares en la startup.
• Nvidia se comprometió a invertir hasta 10.000 millones de dólares y optimizar su arquitectura para los modelos de Anthropic.

Si Maia 200 entra en esa infraestructura, Microsoft pasaría de ser simplemente un proveedor de nube a un proveedor completo de hardware y plataforma de IA.

Qué hace diferente al chip Maia 200

El Maia 200 es la segunda generación del acelerador de IA diseñado por Microsoft. A diferencia de muchas GPUs generalistas, este chip está optimizado para inferencia, es decir, para ejecutar modelos ya entrenados y generar respuestas.

La inferencia se ha convertido rápidamente en el mayor coste recurrente de los sistemas de IA, porque cada consulta de un usuario implica ejecutar el modelo en tiempo real.

Entre sus principales características técnicas destacan:

• Fabricación con el proceso de 3 nanómetros de TSMC
• Núcleos tensoriales nativos FP4 y FP8 optimizados para modelos de lenguaje
• 216 GB de memoria HBM3e con aproximadamente 7 TB/s de ancho de banda
• 272 MB de SRAM integrada para alimentar los modelos con datos rápidamente
• Más de 10 petaFLOPS en precisión FP4 y más de 5 petaFLOPS en FP8

Microsoft afirma que el diseño está pensado específicamente para reducir el coste de generar tokens en modelos de lenguaje grandes. Según la compañía, Maia 200 ofrece aproximadamente un 30 % más de rendimiento por dólar frente al hardware anterior usado en su infraestructura.

Este enfoque es clave porque las cargas de inferencia priorizan la eficiencia, el ancho de banda de memoria y el coste operativo más que la flexibilidad para entrenar modelos, que sigue siendo el punto fuerte de muchas GPUs.

Cómo encaja en la alianza Microsoft–Anthropic

El posible uso de Maia no sustituiría necesariamente a Nvidia dentro del ecosistema de Azure.

De hecho, el acuerdo estratégico de 2025 dejó claro que los chips de Nvidia seguirían siendo fundamentales para entrenar modelos avanzados de Anthropic.

En la práctica, lo más probable es que el hardware se reparta por tipo de tarea:

• GPUs de Nvidia para entrenamiento a gran escala.
• Chips especializados como Maia para ejecutar modelos ya entrenados y atender consultas de usuarios.

Este enfoque híbrido permite optimizar los costes sin renunciar al rendimiento necesario para crear nuevos modelos.

Una tendencia mayor: multicloud y múltiples chips

Las conversaciones también reflejan un cambio más amplio en la industria de la inteligencia artificial.

Los principales desarrolladores de modelos ya no dependen de una sola nube o arquitectura de chips. En su lugar, están adoptando estrategias multicloud y multi‑chip, distribuyendo sus cargas de trabajo entre diferentes proveedores y tecnologías.

Esto ofrece varias ventajas:

• Reducir la dependencia de un solo proveedor de hardware
• Evitar cuellos de botella en el suministro de GPUs
• Elegir el chip más eficiente para cada tipo de tarea

Mientras tanto, los grandes proveedores de nube están construyendo sus propios aceleradores para controlar una mayor parte de la cadena de valor:

• Google con sus TPU
• Amazon con Trainium e Inferentia
• Microsoft con Maia

El objetivo es claro: disminuir la dependencia de Nvidia y ofrecer alternativas más baratas o especializadas para determinadas cargas de IA.

Lo que revela sobre la carrera de infraestructura de IA

Si Anthropic termina desplegando Maia 200 a gran escala, el mensaje para la industria sería contundente: los chips diseñados por las grandes nubes ya están listos para competir en cargas de trabajo reales.

Nvidia sigue siendo el líder del mercado de computación para IA, pero los gigantes de la nube están construyendo pilas tecnológicas cada vez más integradas —desde los chips hasta los centros de datos y las plataformas de software— para capturar una mayor parte del valor generado por el boom de la inteligencia artificial.

En ese contexto, un despliegue de Claude en servidores Azure impulsados por Maia no sería solo otro contrato de infraestructura. Sería una señal de que la guerra de chips de IA ha entrado en una nueva fase, en la que las empresas compiten no solo en modelos y servicios, sino también en el silicio que los ejecuta.