Microsoft a prezentat luni Azure Maia 300, a treia generație a familiei sale de acceleratoare AI interne și a spus că cipul va ancora implementări de mai multe gigawați în Azure începând cu 2027 – un pas major în efortul companiei de a rula mai multe sarcini de lucru AI pe propriul siliciu, mai degrabă decât pe GPU-urile Nvidia.
Anunțul, făcut într-o postare pe blog de Scott Guthrie, vicepreședintele executiv Microsoft al grupului său Cloud + AI, poziționează Maia 300 drept principalul sistem de inferență pentru produsele și serviciile Microsoft. Aterizează pe fondul unei curse mai ample din industrie pentru a construi cipuri personalizate AI, o schimbare pe care o urmărim îndeaproape în acoperirea noastră continuă a celor mai recente dezvoltări AI, deoarece hiperscalerii lucrează pentru a diminua costul servirii AI la scară.
Potrivit Microsoft, Maia 300 este proiectat să livreze cu 40% mai multe jetoane per megawatt în comparație cu sistemele de vârf bazate pe GPU. Într-o configurație completă cu 96 de acceleratoare, compania spune că cipul oferă de până la șapte ori mai mult decât predecesorul său, Maia 200.
Construit pentru a deduce de la zero
Microsoft descrie Maia 300 ca fiind o arhitectură „în primul rând inferenței” care vizează sarcinile de lucru în context lung, de memorie intensă și de decodare - tiparele care domină asistenții de chat, sistemele de raționament și agenții AI în mai mulți pași moderni.
Subsistemul de memorie al cipului folosește opt stive de HBM4 care furnizează 18,0 terabytes pe secundă de lățime de bandă de vârf într-un anvelopă termic de 950 de wați. SRAM on-die este tratat ca un scratchpad gestionat de software, despre care Microsoft spune că ușurează presiunea asupra HBM și păstrează mai multe date aproape de unitățile de calcul.
Maia 300 trece, de asemenea, la un design multi-chiplet care împarte funcțiile de calcul, controler de memorie și I/O în matrițe separate, chipleturile de calcul sunt fabricate pe nodul de proces N2P al TSMC. Suportul pentru formatele îmbunătățite de precizie redusă MXFP4 are scopul de a reduce atât nevoile de memorie de calcul, cât și stocarea KV-cache, permițând ferestre de context mai mari și un debit mai mare în cadrul aceluiași buget de energie.
Pe partea de rețea, Microsoft tratează rețeaua ca pe o extensie a arhitecturii fluxului de date a cipului. Un transport AI personalizat oferă o comunicare extinsă între acceleratoare și rafturi prin infrastructura bazată pe Ethernet, formând ceea ce compania descrie ca o topologie unificată care se extinde de la un singur rack la implementări la scară de centru de date.
Numere la scară rack
La nivel de rack, Microsoft spune că 96 de acceleratoare Maia 300 funcționează într-un ansamblu de putere de 167 de kilowați, oferind 27,6 terabytes de capacitate HBM și 1,7 petabytes pe secundă de lățime de bandă agregată în domeniul extins. Compania susține că această densitate îi permite să servească mai multe interacțiuni AI simultane și sarcini de lucru mai mari de la fiecare rack.
Maia 200 este deja în producție
Maia 300 urmează Maia 200, pe care Microsoft l-a introdus în ianuarie 2026 și care deservește deja sarcinile de producție, inclusiv Microsoft Copilot. Potrivit companiei, Maia 200 va susține, de asemenea, GitHub Copilot și Microsoft Foundry până la sfârșitul anului 2026 și rulează modele OpenAI, propriile modele MAI ale Microsoft și familii de modele open-source de top.
Microsoft spune că Maia 200 este implementat în Statele Unite, Europa și Australia, oferind de până la 1,7 ori mai multe jetoane per watt pentru funcțiile AI încorporate în experiențele Teams, Copilot și Microsoft 365, comparativ cu infrastructura GPU principală pe care a înlocuit-o. Guthrie a scris că experiența operațională de la Maia 200 a modelat direct designul Maia 300.
Împreună, cele două generații sunt menite să alimenteze un set larg de servicii Microsoft AI: lucru agentic în mai mulți pași în spatele instrumentelor de codare GitHub, servirea modelelor la scară în cloud prin Microsoft Foundry, generarea de inferențe și date pentru echipa de modele MAI și fluxuri de lucru Dragon Copilot sensibile la latență, care urmăresc să reducă sarcina administrativă a clinicienilor.
Reducerea dependenței de Nvidia
Subtextul strategic al anunțului este efortul Microsoft de a-și reduce dependența de Nvidia, ale cărei GPU-uri domină instruirea și inferența AI în întreaga industrie. Reuters a raportat că Microsoft intenționează o „implementare uriașă” a propriilor cipuri ca o modalitate de a reduce costurile, în timp ce CNBC a încadrat lansarea ca o mișcare directă de a reduce dependența companiei de hardware-ul Nvidia - unele dintre cele mai scumpe și mai limitate componente din AI.
Puterea de stabilire a prețurilor a Nvidia a devenit o problemă a sălii de consiliu în industria cloud, iar siliciul personalizat este răspunsul standard. TPU-urile Google, liniile Trainium și Inferentia de la Amazon și cipurile MTIA ale Meta urmăresc același obiectiv: hardware specializat adaptat la sarcinile de lucru exacte ale fiecărei companii. Programul Maia al Microsoft, care a început cu Maia 100 dezvăluit în noiembrie 2023, este intrarea sa în cursa respectivă.
Pentru Microsoft, economia este simplă: fiecare token servit de un cip intern este un token care nu poartă marja Nvidia. Odată cu creșterea volumului de inferențe AI în serviciile Copilot, Microsoft 365, GitHub și Azure AI, chiar și înlocuirea parțială se traduce în economii substanțiale la hiperscală.
Ce urmează
Microsoft a declarat că implementările de producție ale Maia 300 vor începe în 2027 și a îndrumat cititorii către o lucrare tehnică publicată pentru detalii arhitecturale. Compania a mai spus că va împărtăși mai multe despre strategia sa de siliciu și foaia de parcurs mai amplă a infrastructurii la Microsoft Ignite 2026, pe care o găzduiește în San Francisco și online.
Rămâne de văzut dacă Maia 300 poate afecta dominația Nvidia – cele mai recente arhitecturi ale Nvidia conduc încă la performanță brută, iar Microsoft continuă să cumpere hardware Nvidia la scară enormă. Dar traiectoria este clară: cel mai mare operator de cloud din lume intenționează să deservească o parte din ce în ce mai mare din jetoanele AI din lume pe cipurile pe care le-a creat singur.
---
Rămâneți înaintea AIObțineți cele mai recente știri, analize și descoperiri despre AI - toate într-un singur loc.
Citiți mai multe știri AI →
