W poniedziałek Microsoft przedstawił Azure Maia 300, trzecią generację własnej rodziny akceleratorów sztucznej inteligencji, i powiedział, że chip zakotwiczy wielogigawatowe wdrożenia na platformie Azure począwszy od 2027 r. — co będzie stanowić ważny krok w wysiłkach firmy zmierzających do uruchamiania większej liczby obciążeń związanych ze sztuczną inteligencją na własnym krzemie, a nie na procesorach graficznych Nvidia.
Oświadczenie opublikowane w poście na blogu przez Scotta Guthrie, wiceprezesa wykonawczego grupy Cloud + AI w Microsoft, pozycjonuje Maia 300 jako główny system wnioskowania dla własnych produktów i usług Microsoftu. Pojawia się w kontekście szerszego wyścigu branżowego o tworzenie niestandardowych chipów AI. Zmianę tę uważnie śledzimy w naszych bieżących relacjach z najnowszych osiągnięć w dziedzinie sztucznej inteligencji, w miarę jak hiperskalownicy pracują nad ograniczeniem kosztów obsługi sztucznej inteligencji na dużą skalę.
Według Microsoftu Maia 300 ma dostarczać o 40% więcej tokenów na megawat w porównaniu z wiodącymi systemami opartymi na procesorach graficznych. Firma twierdzi, że w pełnej konfiguracji z 96 akceleratorami chip zapewnia nawet siedmiokrotnie większą przepustowość tokena w skali stojakowej niż jego poprzednik, Maia 200.
Zbudowane z myślą o wnioskowaniu od podstaw
Microsoft opisuje Maia 300 jako architekturę „opartą na wnioskowaniu” przeznaczoną do obciążeń wymagających długiego kontekstu, wymagających dużej ilości pamięci i dekodowania — wzorców dominujących we współczesnych asystentach czatu, systemach wnioskowania i wieloetapowych agentach AI.
Podsystem pamięci chipa wykorzystuje osiem stosów HBM4 zapewniających szczytową przepustowość 18,0 terabajtów na sekundę w obudowie termicznej o mocy 950 W. Wbudowana pamięć SRAM jest traktowana jak zarządzany programowo notatnik, co według Microsoftu zmniejsza obciążenie HBM i pozwala przechowywać więcej danych blisko jednostek obliczeniowych.
Maia 300 przechodzi również na konstrukcję wielochipletową, która dzieli funkcje obliczeniowe, kontrolera pamięci i wejścia/wyjścia na osobne moduły, przy czym chiplety obliczeniowe są wytwarzane w węźle procesowym N2P firmy TSMC. Obsługa udoskonalonych, mało precyzyjnych formatów MXFP4 ma na celu zmniejszenie zarówno zapotrzebowania na pamięć obliczeniową, jak i pamięć podręczną KV, umożliwiając większe okna kontekstowe i wyższą przepustowość przy tym samym budżecie mocy.
Od strony sieciowej Microsoft traktuje sieć jako rozszerzenie architektury przepływu danych chipa. Niestandardowy transport AI zapewnia komunikację w trybie skalowania między akceleratorami i szafami za pośrednictwem infrastruktury opartej na sieci Ethernet, tworząc coś, co firma opisuje jako ujednoliconą topologię, która umożliwia skalowanie od pojedynczej szafy do wdrożeń na skalę centrum danych.
Liczby w skali stojaka
Microsoft twierdzi, że na poziomie szafy 96 akceleratorów Maia 300 działa w ramach mocy 167 kilowatów, oferując 27,6 terabajtów pojemności HBM i 1,7 petabajtów na sekundę łącznej przepustowości w domenie skalowania. Firma twierdzi, że taka gęstość pozwala na obsługę większej liczby jednoczesnych interakcji AI i większych obciążeń z każdej szafy.
Maia 200 jest już w produkcji
Maia 300 podąża za Maia 200, którą Microsoft wprowadził w styczniu 2026 roku i która już obsługuje obciążenia produkcyjne, w tym Microsoft Copilot. Według firmy Maia 200 do końca 2026 r. będzie również stanowić podstawę GitHub Copilot i Microsoft Foundry i będzie obsługiwać modele OpenAI, własne modele MAI firmy Microsoft oraz wiodące rodziny modeli open source.
Microsoft twierdzi, że Maia 200 jest wdrażana w Stanach Zjednoczonych, Europie i Australii, dostarczając do 1,7 razy więcej tokenów na wat dla wbudowanych funkcji AI w aplikacjach Teams, Copilot i Microsoft 365 w porównaniu z wiodącą infrastrukturą GPU, którą zastąpiła. Guthrie napisał, że doświadczenie operacyjne Maia 200 bezpośrednio ukształtowało projekt Maia 300.
Razem obie generacje mają obsługiwać szeroki zestaw usług Microsoft AI: wieloetapową pracę agenta za narzędziami do kodowania GitHub, udostępnianie modeli w skali chmury za pośrednictwem Microsoft Foundry, wnioskowanie i generowanie danych dla zespołu modelującego MAI oraz wrażliwe na opóźnienia przepływy pracy Dragon Copilot, których celem jest zmniejszenie obciążeń administracyjnych lekarzy.
Zmniejszanie zależności od Nvidii
Strategicznym podtekstem ogłoszenia są wysiłki Microsoftu zmierzające do zmniejszenia swojej zależności od Nvidii, której procesory graficzne dominują w branży w zakresie szkoleń i wnioskowania AI. Reuters poinformował, że Microsoft planuje „wielkie wdrożenie” własnych chipów w celu ograniczenia kosztów, podczas gdy CNBC określiło to wdrożenie jako bezpośredni krok mający na celu zmniejszenie zależności firmy od sprzętu Nvidia – jednych z najdroższych i ograniczonych dostaw komponentów w budowie sztucznej inteligencji.
Siła ustalania cen firmy Nvidia stała się problemem w zarządach całej branży chmurowej, a niestandardowe rozwiązania krzemowe są standardową reakcją. Wszystkie procesory TPU firmy Google, linie Trainium i Inferentia firmy Amazon oraz chipy MTIA firmy Meta mają ten sam cel: specjalistyczny sprzęt dostosowany do konkretnych obciążeń każdej firmy. Program Microsoftu Maia, który rozpoczął się wraz z zaprezentowaniem Maia 100 w listopadzie 2023 r., stanowi jego udział w tym wyścigu.
Dla Microsoftu ekonomia jest prosta: każdy token obsługiwany przez wewnętrzny chip jest tokenem, który nie jest obciążony marżą Nvidii. Wraz ze wzrostem liczby wnioskowań AI w usługach Copilot, Microsoft 365, GitHub i Azure AI nawet częściowe zastąpienie przekłada się na znaczne oszczędności w hiperskali.
Co będzie dalej
Microsoft powiedział, że wdrożenia produkcyjne Maia 300 rozpoczną się w 2027 roku i wskazał czytelnikom opublikowany dokument techniczny dotyczący szczegółów architektonicznych. Firma poinformowała również, że podczas konferencji Microsoft Ignite 2026, którą organizuje w San Francisco oraz w Internecie, opowie więcej o swojej strategii dotyczącej krzemu i szerszym planie działania dotyczącym infrastruktury.
Czas pokaże, czy Maia 300 przełamie dominację Nvidii — najnowsze architektury Nvidii nadal przodują w zakresie surowej wydajności, a Microsoft w dalszym ciągu kupuje sprzęt Nvidii na ogromną skalę. Ale trajektoria jest jasna: największy na świecie operator chmury zamierza obsługiwać coraz większą część światowych tokenów AI na chipach, które sam zaprojektował.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
