Il rapporto, che cita persone con conoscenza diretta dei piani, segnala un'accelerazione della spinta di Microsoft a progettare i propri acceleratori di intelligenza artificiale e ridurre la sua forte dipendenza dai costosi processori di Nvidia. La mossa fa parte di un'ondata più ampia di ultime notizie sull'intelligenza artificiale in cui i maggiori operatori cloud del mondo stanno gareggiando per costruire silicio personalizzato su misura per i propri carichi di lavoro.
Una risposta diretta al potere dei prezzi di Nvidia
Le GPU di Nvidia attualmente alimentano la stragrande maggioranza dell'addestramento e dell'inferenza di modelli di intelligenza artificiale di grandi dimensioni presso i fornitori di cloud su vasta scala, e tale dipendenza ha avuto un prezzo elevato. Microsoft, come Google, Amazon e Meta, ha speso miliardi per acquisire hardware Nvidia per tenere il passo con la domanda di servizi AI come il suo assistente Copilot e il servizio Azure OpenAI.
Il Maia 300 è posizionato come il tentativo di Microsoft di recuperare parte di quella spesa. Progettando chip ottimizzati specificamente per i tipi di carichi di lavoro eseguiti all'interno dei propri data center, Microsoft mira a rafforzare la propria pipeline di produzione di chip AI e ridurre la dipendenza dall'hardware di Nvidia con vincoli di fornitura e prezzi premium.
Da Maia 100 a Maia 300
Microsoft ha annunciato per la prima volta il suo ingresso nel silicio AI personalizzato nel novembre 2023, svelando l'originale acceleratore AI Maia 100 insieme al processore centrale Cobalt 100 durante la conferenza degli sviluppatori Ignite. Maia 100 è stato presentato come un chip costruito da zero per eseguire modelli linguistici di grandi dimensioni e altri carichi di lavoro IA all'interno di Azure.
Il salto al Maia 300 rappresenta un significativo upgrade generazionale. Anche se il rapporto di The Information non ha rivelato specifiche dettagliate, la convenzione di numerazione – e il divario pluriennale dall’originale Maia 100 – indica miglioramenti sostanziali nelle prestazioni e nell’efficienza energetica, i due parametri che contano di più per l’inferenza dell’IA su vasta scala.
Perché gli hyperscaler si stanno personalizzando
Microsoft non è la sola a perseguire il silicio interno. La strategia è diventata una caratteristica distintiva dell’attuale panorama dell’hardware AI:
- Google ha perfezionato le sue Tensor Processing Unit (TPU) per circa un decennio e ora le offre ai clienti cloud.
- Amazon ha investito molto nelle famiglie di chip Trainium e Inferentia attraverso la divisione Annapurna Labs.
- Meta sta sviluppando la sua linea MTIA (Meta Training and Inference Accelerator).
- AMD continua ad espandere la sua gamma di GPU Instinct come principale alternativa commerciale a Nvidia.
Per queste aziende il calcolo è semplice. Il silicio personalizzato può essere adattato ai modelli e agli stack software precisi eseguiti da un'azienda, riducendo potenzialmente il costo per query, riducendo la latenza e allentando la presa di Nvidia sulla catena di fornitura del calcolo dell'intelligenza artificiale. Anche un allontanamento parziale dall’hardware Nvidia può tradursi in un risparmio di centinaia di milioni di dollari su vasta scala.
Cosa potrebbe portare settembre
Se Microsoft presenterà Maia 300 il mese prossimo, probabilmente sfrutterà l'occasione per dettagliare i benchmark delle prestazioni, la disponibilità all'interno di Azure e quali dei suoi prodotti AI di prima parte verranno eseguiti sul nuovo hardware. L'azienda ha precedentemente definito il suo silicio personalizzato come complementare, piuttosto che come sostituto all'ingrosso, delle GPU Nvidia, suggerendo un modello ibrido in cui entrambe le famiglie di chip coesistono all'interno dell'infrastruttura AI di Azure.
Gli analisti del settore osserveranno attentamente due cose: se Maia 300 offre significativi guadagni in termini di rapporto qualità-prezzo rispetto all'attuale generazione di Nvidia e se Microsoft può produrne abbastanza da intaccare i suoi ordini Nvidia. La produzione di trucioli su questa scala dipende dalla capacità di confezionamento avanzata e dalle partnership con le fonderie che rimangono strette in tutto il settore.
Il quadro più ampio
L’emergere di Maia 300 sottolinea un cambiamento fondamentale nell’economia dell’intelligenza artificiale. Le aziende che costruiscono e gestiscono i più grandi sistemi di intelligenza artificiale non si accontentano più di essere semplicemente i maggiori clienti di un unico fornitore di chip. Stanno diventando a pieno titolo progettisti di chip, rimodellando una catena di fornitura che Nvidia ha dominato sin dall’inizio del boom dell’intelligenza artificiale generativa.
Per Microsoft la posta in gioco è particolarmente alta. L’azienda si è impegnata a sostenere enormi spese in conto capitale per espandere la propria infrastruttura di intelligenza artificiale e gli investitori sono sempre più concentrati sulla possibilità che tale spesa si traduca in margini durevoli. Un programma di chip interno di successo è una delle leve più chiare a disposizione di Microsoft per migliorare l’economia unitaria della sua attività di intelligenza artificiale.
Stai al passo con l'intelligenza artificiale
Vuoi restare aggiornato sugli ultimi sviluppi dell'hardware AI, del silicio personalizzato e delle aziende che stanno rimodellando il settore? Aggiungi ai preferiti AI Buzz Wire per la copertura quotidiana delle storie che contano.
Leggi altre notizie sull'AI →
