Der Bericht, in dem Personen mit direktem Wissen über die Pläne zitiert wurden, signalisiert eine Beschleunigung von Microsofts Bemühungen, eigene Beschleuniger für künstliche Intelligenz zu entwickeln und die starke Abhängigkeit von Nvidias teuren Prozessoren zu verringern. Der Schritt ist Teil einer breiteren Welle von aktuellen KI-Nachrichten, in der die weltweit größten Cloud-Betreiber darum wetteifern, maßgeschneiderte Siliziumlösungen zu entwickeln, die auf ihre eigenen Arbeitslasten zugeschnitten sind.
Eine direkte Antwort auf die Preismacht von Nvidia
Nvidias GPUs unterstützen derzeit die überwiegende Mehrheit des Trainings und der Inferenz großer KI-Modelle bei Hyperscale-Cloud-Anbietern, und diese Abhängigkeit hat einen hohen Preis. Microsoft hat wie Google, Amazon und Meta Milliarden für die Anschaffung von Nvidia-Hardware ausgegeben, um mit der Nachfrage nach KI-Diensten wie dem Copilot-Assistenten und dem Azure OpenAI Service Schritt zu halten.
Der Maia 300 ist als Microsofts Versuch positioniert, einen Teil dieser Ausgaben zurückzufordern. Durch die Entwicklung von Chips, die speziell für die Art von Arbeitslasten optimiert sind, die in den eigenen Rechenzentren ausgeführt werden, möchte Microsoft seine Produktionspipeline für KI-Chips stärken und seine Abhängigkeit von der angebotsbeschränkten und hochpreisigen Hardware von Nvidia verringern.
Von Maia 100 bis Maia 300
Microsoft kündigte seinen Einstieg in kundenspezifische KI-Silizium erstmals im November 2023 an und stellte auf seiner Ignite-Entwicklerkonferenz den ursprünglichen KI-Beschleuniger Maia 100 neben dem Zentralprozessor Cobalt 100 vor. Der Maia 100 wurde als Chip konzipiert, der von Grund auf für die Ausführung großer Sprachmodelle und anderer KI-Workloads in Azure entwickelt wurde.
Der Sprung zur Maia 300 stellt einen bedeutenden Generationswechsel dar. Während der Bericht von The Information keine detaillierten Spezifikationen offenlegte, deuten die Nummerierungskonvention – und die mehrjährige Lücke seit dem ursprünglichen Maia 100 – auf erhebliche Verbesserungen bei Leistung und Energieeffizienz hin, den beiden Kennzahlen, die für Hyperscale-KI-Schlussfolgerungen am wichtigsten sind.
Warum Hyperscaler benutzerdefiniert werden
Microsoft ist bei weitem nicht der Einzige, der internes Silizium anstrebt. Die Strategie ist zu einem bestimmenden Merkmal der aktuellen KI-Hardwarelandschaft geworden:
- Google entwickelt seine Tensor Processing Units (TPUs) seit etwa einem Jahrzehnt weiter und bietet sie nun Cloud-Kunden an.
- Amazon hat über seinen Geschäftsbereich Annapurna Labs stark in seine Chipfamilien Trainium und Inferentia investiert.
- Meta entwickelt seine MTIA-Linie (Meta Training and Inference Accelerator).
- AMD baut sein Instinct-GPU-Angebot als führende Händleralternative zu Nvidia weiter aus.
Für diese Unternehmen ist die Rechnung einfach. Benutzerdefiniertes Silizium kann auf die genauen Modelle und Software-Stacks abgestimmt werden, die ein Unternehmen betreibt, was möglicherweise die Kosten pro Abfrage senkt, die Latenz reduziert und Nvidias Einfluss auf die Lieferkette für KI-Rechner lockert. Selbst eine teilweise Abkehr von Nvidia-Hardware kann bei Hyperscale zu Einsparungen in Höhe von Hunderten Millionen Dollar führen.
Was der September bringen könnte
Wenn Microsoft im nächsten Monat tatsächlich die Maia 300 vorstellt, wird das Unternehmen die Gelegenheit wahrscheinlich nutzen, um Leistungsbenchmarks, die Verfügbarkeit in Azure und welche seiner Erstanbieter-KI-Produkte auf der neuen Hardware laufen werden, detailliert zu beschreiben. Das Unternehmen hat seine kundenspezifischen Chips zuvor als Ergänzung zu Nvidia-GPUs und nicht als umfassenden Ersatz dafür dargestellt und ein Hybridmodell vorgeschlagen, bei dem beide Chipfamilien innerhalb der KI-Infrastruktur von Azure koexistieren.
Branchenanalysten werden zwei Dinge genau im Auge behalten: ob die Maia 300 im Vergleich zur aktuellen Generation von Nvidia deutliche Preis-Leistungs-Steigerungen bietet und ob Microsoft genug davon herstellen kann, um seine Nvidia-Bestellungen einzudämmen. Die Chipproduktion dieser Größenordnung hängt von fortschrittlichen Verpackungskapazitäten und Gießereipartnerschaften ab, die in der gesamten Branche weiterhin eng sind.
Das größere Bild
Das Aufkommen des Maia 300 unterstreicht einen grundlegenden Wandel in der KI-Wirtschaft. Die Unternehmen, die die größten KI-Systeme bauen und betreiben, geben sich nicht mehr damit zufrieden, nur die größten Kunden eines einzelnen Chiplieferanten zu sein. Sie werden zu eigenständigen Chip-Designern und gestalten eine Lieferkette neu, die Nvidia seit Beginn des Booms der generativen KI dominiert.
Für Microsoft steht besonders viel auf dem Spiel. Das Unternehmen hat sich zu enormen Investitionen in den Ausbau seiner KI-Infrastruktur verpflichtet, und die Anleger konzentrieren sich zunehmend darauf, ob sich diese Ausgaben in dauerhaften Margen niederschlagen werden. Ein erfolgreiches internes Chipprogramm ist einer der klarsten Hebel, die Microsoft hat, um die Stückökonomie seines KI-Geschäfts zu verbessern.
Bleiben Sie der KI immer einen Schritt voraus
Möchten Sie über die neuesten Entwicklungen bei KI-Hardware, kundenspezifischem Silizium und den Unternehmen, die die Branche neu gestalten, auf dem Laufenden bleiben? Setzen Sie ein Lesezeichen auf AI Buzz Wire, um täglich über die wichtigen Geschichten zu berichten.
Weitere KI-Neuigkeiten lesen →
