Microsoft introduceerde maandag Azure Maia 300, de derde generatie van zijn interne AI-acceleratorfamilie, en zei dat de chip vanaf 2027 multi-gigawatt-implementaties in heel Azure zal verankeren – een belangrijke stap in de inspanningen van het bedrijf om meer van zijn AI-workloads op zijn eigen silicium te laten draaien in plaats van op de GPU’s van Nvidia.
De aankondiging, gedaan in een blogpost van Scott Guthrie, Microsoft's executive vice-president van zijn Cloud + AI-groep, positioneert Maia 300 als het primaire gevolgtrekkingssysteem voor de eigen producten en diensten van Microsoft. Het komt terecht in een bredere industriële race om op maat gemaakte AI-chips te bouwen, een verschuiving die we nauwlettend volgen in onze voortdurende berichtgeving over de nieuwste AI-ontwikkelingen, terwijl hyperscalers proberen de kosten van het op grote schaal aanbieden van AI te beheersen.
Volgens Microsoft is Maia 300 ontworpen om 40% meer tokens per megawatt te leveren in vergelijking met toonaangevende GPU-gebaseerde systemen. In een volledige configuratie met 96 accelerators biedt het bedrijf volgens het bedrijf tot zeven keer de doorvoersnelheid van tokens op rackschaal dan zijn voorganger, Maia 200.
Gebouwd voor gevolgtrekking vanaf de basis
Microsoft beschrijft Maia 300 als een 'inference-first'-architectuur gericht op lange context-, geheugenintensieve en decodeer-zware werklasten - de patronen die moderne chatassistenten, redeneersystemen en meerstaps AI-agenten domineren.
Het geheugensubsysteem van de chip maakt gebruik van acht stapels HBM4 die 18,0 terabytes per seconde aan piekbandbreedte leveren binnen een thermische envelop van 950 watt. On-die SRAM wordt behandeld als een door software beheerd kladblok, wat volgens Microsoft de druk op HBM verlicht en meer gegevens dicht bij de rekeneenheden houdt.
Maia 300 gaat ook over op een ontwerp met meerdere chiplets dat reken-, geheugencontroller- en I/O-functies opsplitst in afzonderlijke dies, waarbij de rekenchiplets worden vervaardigd op TSMC's N2P-procesknooppunt. Ondersteuning voor verbeterde MXFP4-formaten met lage precisie is bedoeld om zowel de computergeheugenbehoeften als de KV-cache-opslag te verkleinen, waardoor grotere contextvensters en een hogere doorvoer mogelijk zijn binnen hetzelfde energiebudget.
Aan de netwerkkant beschouwt Microsoft het netwerk als een verlengstuk van de datastroomarchitectuur van de chip. Een op maat gemaakt AI-transport zorgt voor schaalbare communicatie tussen accelerators en racks via een op Ethernet gebaseerde infrastructuur, en vormt wat het bedrijf beschrijft als een uniforme topologie die kan worden geschaald van een enkel rack naar implementaties op datacenterschaal.
Rekweegschaalnummers
Op rackniveau zegt Microsoft dat 96 Maia 300-accelerators werken binnen een vermogen van 167 kilowatt, wat 27,6 terabytes aan HBM-capaciteit en 1,7 petabytes per seconde aan totale bandbreedte biedt over het opschalingsdomein. Het bedrijf beweert dat deze dichtheid het mogelijk maakt om meer gelijktijdige AI-interacties en grotere werklasten vanuit elk rack te bedienen.
Maia 200 is al in productie
Maia 300 volgt Maia 200 op, die Microsoft in januari 2026 introduceerde en die al productieworkloads bedient, waaronder Microsoft Copilot. Volgens het bedrijf zal Maia 200 tegen eind 2026 ook de basis vormen voor GitHub Copilot en Microsoft Foundry, en draait het OpenAI-modellen, Microsofts eigen MAI-modellen en toonaangevende open-source modelfamilies.
Microsoft zegt dat Maia 200 wordt ingezet in de Verenigde Staten, Europa en Australië en tot 1,7 keer meer tokens per watt levert voor ingebouwde AI-functies in Teams, Copilot en Microsoft 365-ervaringen vergeleken met de toonaangevende GPU-infrastructuur die het heeft vervangen. Guthrie schreef dat de operationele ervaring van de Maia 200 rechtstreeks het ontwerp van de Maia 300 vormde.
Samen zijn de twee generaties bedoeld om een breed scala aan Microsoft AI-services aan te drijven: meerstaps agentisch werk achter GitHub-coderingstools, modellen op cloudschaal die worden aangeboden via Microsoft Foundry, inferentie en gegevensgeneratie voor het MAI-modelteam, en latentiegevoelige Dragon Copilot-workflows die tot doel hebben de administratieve lasten voor artsen te verminderen.
De afhankelijkheid van Nvidia verminderen
De strategische subtekst van de aankondiging is de poging van Microsoft om zijn afhankelijkheid van Nvidia te verminderen, wiens GPU's de AI-training en -conclusie in de hele sector domineren. Reuters meldde dat Microsoft een "enorme inzet" van zijn eigen chips plant als een manier om de kosten in toom te houden, terwijl CNBC de uitrol omschreef als een directe stap om de afhankelijkheid van het bedrijf van Nvidia-hardware te verminderen - enkele van de duurste en aanbodbeperkte componenten in de AI-uitbreiding.
Het prijszettingsvermogen van Nvidia is een bestuursprobleem geworden in de cloudindustrie, en op maat gemaakt silicium is het standaardantwoord. De TPU's van Google, de Trainium- en Inferentia-lijnen van Amazon en de MTIA-chips van Meta streven allemaal hetzelfde doel na: gespecialiseerde hardware die is afgestemd op de exacte werklast van elk bedrijf. Het Maia-programma van Microsoft, dat begon met de Maia 100 die in november 2023 werd onthuld, is de deelname aan die race.
Voor Microsoft zijn de economische aspecten eenvoudig: elk token dat door een interne chip wordt bediend, is een token dat niet de marge van Nvidia draagt. Nu de AI-inferentievolumes binnen Copilot-, Microsoft 365-, GitHub- en Azure AI-services toenemen, vertaalt zelfs gedeeltelijke vervanging zich in aanzienlijke besparingen op hyperscale.
Wat komt erna
Microsoft zei dat de productie-implementaties van Maia 300 in 2027 zullen beginnen, en verwees de lezers naar een gepubliceerd technisch document voor architectonische details. Het bedrijf zei ook dat het meer zal delen over zijn siliciumstrategie en zijn bredere routekaart voor de infrastructuur tijdens Microsoft Ignite 2026, dat het host in San Francisco en online.
Of Maia 300 de dominantie van Nvidia kan aantasten valt nog te bezien; Nvidia's nieuwste architecturen lopen nog steeds voorop op het gebied van ruwe prestaties, en Microsoft blijft Nvidia-hardware op enorme schaal kopen. Maar het traject is duidelijk: 's werelds grootste cloudoperator is van plan een steeds groter deel van 's werelds AI-tokens te serveren op chips die hij zelf heeft ontworpen.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →
