Microsoft anuncia plan para depender cada vez más de sus propios chips de inteligencia artificial

Lo que dijo Microsoft

En un foro de la Semana Tecnológica Italiana, moderado por CNBC, el director de tecnología Kevin Scott confirmó que Microsoft aspira a confiar predominantemente en su propio silicio para cargas de trabajo de IA en data centers. Actualmente, la empresa usa una mezcla de chips de Nvidia, AMD y sus propios diseños, siempre evaluando rendimiento frente a coste. Scott comentó:

“No somos religiosos en cuanto a qué chips son… la mejor solución en cuanto a precio-rendimiento ha sido Nvidia durante años.”

Pero añadió con claridad que el objetivo a largo plazo es usar “mucho” silicio de Microsoft.

La noticia ha sido recogida por medios especializados en tecnología y finanzas, que interpretan este movimiento como una apuesta clara hacia mayor autonomía estratégica. 

Antecedentes y desarrollos actuales

Microsoft ya ha dado pasos concretos en esta dirección:

• En 2023 lanzó sus primeros chips personalizados: Azure Maia, diseñado para tareas de entrenamiento e inferencia de modelos de lenguaje, y Cobalt, una CPU para servicios generales en la nube. 

• En sus centros de datos más recientes, Microsoft ha venido construyendo infraestructura especializada para IA, como su nuevo centro Fairwater en Wisconsin y proyectos en Noruega y Reino Unido. 

• Además, han apostado por innovaciones de enfriamiento más eficientes: han desarrollado una tecnología de microfluidización que integra canales de líquido directamente en el chip para disipar calor, con mejoras de hasta tres veces respecto de placas frías tradicionales. 

• No obstante, el camino no ha sido siempre lineal: informes de junio de 2025 indican que la producción de la siguiente generación del chip Maia (cuyo nombre en código sería Braga) se ha retrasado hasta 2026 por ajustes de diseño y limitaciones técnicas. 

Motivos estratégicos detrás del cambio

¿Qué empuja a Microsoft hacia esta transformación?

1. Reducción de dependencia: al depender menos de proveedores externos (como Nvidia o AMD), Microsoft busca mayor control en costos, cadenas de suministro y arquitectura.

2. Optimización vertical: diseñar tanto el hardware como el software (modelo, arquitectura, red) permite optimizar cada componente de forma coordinada.

3. Escalabilidad con eficiencia: la demanda de cómputo para IA sigue creciendo exponencialmente —como señaló Scott, “es casi imposible construir rápido suficiente para mantener el ritmo”—. 

4. Ventaja competitiva: otros gigantes como Google, Amazon o Meta también invierten en chips propios. Microsoft necesita mantener competitividad estratégica. 

5. Innovación térmica: las mejoras en enfriamiento, como la tecnología de microfluidización, hacen viable escalar chips más intensivos sin agotarse térmicamente.

Desafíos, riesgos y barreras

• Complejidad de diseño: desarrollar procesadores propios requiere talento, tiempo y pruebas rigurosas; los retrasos son frecuentes.

• Costos iniciales elevados: la investigación, fabricación de prototipos y fallo/error implican gastos importantes antes de escalar.

• Rivalidad tecnológica: chips comerciales muy avanzados como los de Nvidia siguen ofreciendo potencia consolidada; superarlos no es trivial.

• Ecosistemas y compatibilidad: software, herramientas de IA, bibliotecas y compatibilidad con estándares son retos para que el silicio propio sea adoptado plenamente.

• Riesgo de quedar rezagado: si los competidores avanzan más rápido en hardware (por ejemplo Google con sus TPU, Amazon con sus chips personalizados), Microsoft puede perder terreno.

Implicaciones para la industria

Este movimiento redefinirá ciertos frentes:

• Mercado de semiconductores: las empresas proveedoras de chips a gran escala deberán adaptarse a que grandes clientes (como Microsoft) se vuelvan competidores.

• Relación con OpenAI y terceros: Microsoft podría querer alinear mejor su infraestructura al ecosistema de IA que desarrolla internamente, con menos dependencia externa.

• Ecología de centros de datos: mejoras térmicas y eficiencia energética podrían redefinir cómo diseñar instalaciones en la era IA.

• Presión competitiva: otras grandes tecnológicas quizá acelerarán sus propias estrategias de silicio interno para no quedar atrás.