Microsoft tiene 2,2M de chips de IA sin conectar: por qué

El reportaje que puso en duda la narrativa de Microsoft sobre sus chips de IA

El 17 de agosto de 2026, The Guardian publicó una investigación basada en documentos internos de la compañía a los que afirma haber tenido acceso. Según ese reportaje, Microsoft tendría 2,2 millones de chips de IA operativos en sus centros de datos en 2026, una cifra muy inferior a los 6,4 millones que las estimaciones externas esperaban a partir de la capacidad energética declarada por la propia empresa. La fuente original de la noticia, Xataka, recoge que Microsoft se había marcado como objetivo interno 1,8 millones de chips instalados para finales de 2024, una meta que, sobre el papel, sí habría cumplido dos años tarde.

El artículo de Xataka señala que las cifras de The Guardian se sostienen, sobre todo, en una cuenta energética: Microsoft dijo tener 5 GW de capacidad de centros de datos en 2024 y ha comunicado haber sumado otros 5 GW en los últimos dos años. Con esos 10 GW, un analista especializado en Nvidia citado por The Guardian estima que deberían estar funcionando alrededor de 6,4 millones de GPU. De ahí el salto.

Microsoft no ha desmentido el reportaje con cifras. Se ha limitado a afirmar que los cálculos parten de datos incorrectos, sin especificar cuáles. Esa falta de aclaración pública es, probablemente, el dato más incómodo para la narrativa de la compañía.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Por qué los chips están en cajas y no en racks?

La explicación que cobra fuerza, tanto en el artículo de Xataka como en las declaraciones públicas de Satya Nadella, es que el cuello de botella no está en la disponibilidad de silicio, sino en la infraestructura física. El CEO de Microsoft ha reconocido en varias apariciones que el problema es conectar los chips a tiempo porque faltan edificios terminados, subestaciones eléctricas y permisos.

El caso más citado es el de Fairwater, en Wisconsin, el enorme centro de datos que Microsoft presenta como pieza clave de su estrategia de IA. Nadella afirmó en abril que ya estaba operativo, pero imágenes satelitales analizadas por Epoch AI sugieren que solo una pequeña parte de la construcción estaba terminada. La propia Microsoft terminó admitiendo que solo una parte funciona, lo que ha erosionado la confianza del mercado en los plazos comunicados oficialmente.

En Xataka lo resumen con una frase que resume el momento: "los centros de datos no se levantan en un día". Y esa es la pieza que cambia el debate sobre si la IA es una burbuja.

El gasto de las Big Tech en 2026: cifras y comparables

El contexto macro ayuda a dimensionar el problema. Business Insider informó el 29 de julio de 2026 que Microsoft mantuvo sin cambios su guía de capex en 190.000 millones de dólares para el año (recortada a 175.000 millones tras un cambio contable), mientras que Alphabet, Tesla y Metaelevaron sus propias previsiones. La acción de Microsoft subió cerca de un 8% ese día por ser la primera gran nube en mostrar contención en el gasto.

Según Business Insider, Google, Amazon, Microsoft y Meta ya habían anunciado planes para gastar más de 700.000 millones de dólares en 2026, gran parte destinado a centros de datos para IA. Xataka, en su cobertura, eleva esa cifra a 760.000 millones de dólares combinando las cuatro grandes. ResearchAndMarkets estima además que el mercado global de cómputo y chips de IA para centros de datos se valoraba en aproximadamente 215.000 millones de dólares en 2025, con Nvidia como actor dominante y los ASIC propietarios (TPU de Google, Trainium de AWS, Maia de Microsoft, MTIA de Meta) ganando peso.

Es decir: el dinero está entrando, los chips se están comprando, pero el cuello de botella está en los edificios, la energía y los permisos.

Permisos y oposición local: el nuevo input escaso

Lo que hace apenas dos años era una carrera por chips, energía y capital, según recoge Forbes, hoy tiene un cuarto input que nadie había presupuestado: el permiso social y regulatorio para operar. Un análisis publicado el 22 de julio de 2026 documenta que, solo en el primer trimestre de 2026, la oposición local bloqueó o retrasó al menos 75 proyectos de centros de datos valorados en unos 130.000 millones de dólares, según el conteo de Data Center Watch. Una encuesta Gallup de marzo de 2026 sitúa la oposición local en 71%, con 48% muy en contra, una cifra superior al rechazo a una central nuclear cercana.

El 18 de julio de 2026 hubo una jornada coordinada con 142 protestas en 42 estados de EE.UU., organizada por HumansFirst, que marca la primera vez que el movimiento ciudadano contra los data centers actúa a escala nacional. Casos como el de San Marcos, Texas, donde el ayuntamiento prohibió centros de datos en todos los distritos de zonificación en junio, muestran que la resistencia ya se está convirtiendo en política local.

Para un founder, esto importa porque redefine qué proyectos se van a construir y dónde. Y porque, en Europa, el caso de los megacentros de datos en Aragón que Xataka menciona —con revisiones medioambientales simplificadas para agilizar los trámites— apunta exactamente al mismo fenómeno: la presión de los hiperescaladores para saltarse los cuellos de botella regulatorios.

Maia 200 y la jugada de Microsoft en silicio propio

En paralelo a la discusión sobre los chips sin conectar, Microsoft continúa su propia estrategia para reducir la dependencia de Nvidia. A comienzos de 2026 presentó Maia 200, su ASIC de segunda generación, siguiendo el camino que ya recorrieron Google con sus TPU y Amazon con Trainium e Inferentia. Xataka recuerda que Microsoft también ha desarrollado Cobalt, su CPU basada en Arm, en la línea de Graviton de AWS y Axion de Google.

La motivación es doble: bajar coste total de propiedad y asegurar suministro en un mercado donde TSMC, Samsung e Intel Foundry concentran la manufactura avanzada y donde la High Bandwidth Memory opera cerca del límite de capacidad, según recoge ResearchAndMarkets. Para los founders que construyen sobre Azure, esto significa que la disponibilidad de Maia frente a GPU Nvidia será un factor a vigilar en pricing y SLAs durante los próximos 12 a 24 meses.

Además, con la IA entrando en fase de inferencia —es decir, respondiendo a llamadas de agentes y usuarios en lugar de entrenar—, la presión por más chips, más energía y más edificios se multiplica. Cada inferencia cuesta menos que entrenar, pero el volumen es órdenes de magnitud mayor.

El debate burbuja cambia de eje

Lo que deja al descubierto la investigación de The Guardian, según Xataka, es que el debate sobre si la IA es una burbuja se ha desplazado del gasto a la ejecución. Si el cuello de botella fuera demanda insuficiente o gasto especulativo sin retorno, los 760.000 millones de dólares de capex serían una señal clara de sobreinversión. Pero si el cuello de botella está en edificios, permisos y potencia eléctrica —cosas que no controlan los hiperescaladores—, entonces la demanda de cómputo sigue por delante de lo que la industria es capaz de entregar, y el argumento para seguir invirtiendo se mantiene.

Esa es la lectura que también defendió Jensen Huang, CEO de Nvidia, al señalar que no puede haber burbuja si el sector no se está inflando al ritmo que podría. Es coherente con su interés, pero también con lo que muestran los datos: el dinero se gasta, los chips se compran, los centros de datos no se terminan a tiempo.

Para los inversores y para el mercado, el riesgo ya no es si la IA funciona, sino a qué velocidad se puede construir la infraestructura que la IA necesita.

¿Qué significa esto para tu startup?

Planifica con la inferencia, no con el entrenamiento. Si tu producto depende de GPU, asume que la disponibilidad de Maia, TPU y Trainium va a crecer más rápido que las GPU Nvidia, y diseña tu arquitectura para poder cambiar de proveedor sin reescribir tu stack.
Evalúa el riesgo de concentración geográfica. El cuello de botella regulatorio (zoning, agua, ruido, oposición vecinal) es real y creciente. Diversificar proveedor y región reduce el riesgo de quedarte sin capacidad si un campus entero se retrasa.
Mira el capex antes que el revenue cloud. Cuando una nube mantiene su capex estable mientras las demás lo suben, suele ser porque anticipa restricciones físicas o de permisos. Usa esa señal para entender la oferta real de cómputo, no solo los titulares.