Rapporten, som citerade personer med direkt kunskap om planerna, signalerar en acceleration av Microsofts strävan att designa sina egna artificiell intelligensacceleratorer och minska sitt stora beroende av Nvidias dyra processorer. Flytten är en del av en bredare våg av brytande AI-nyheter där världens största molnoperatörer tävlar för att bygga anpassat kisel skräddarsytt för deras egna arbetsbelastningar.
Ett direkt svar på Nvidias prissättning
Nvidias GPU:er driver för närvarande den överväldigande majoriteten av utbildning och slutledning av stora AI-modeller hos molnleverantörer i hyperskala, och det beroendet har kommit till ett högt pris. Microsoft, som Google, Amazon och Meta, har spenderat miljarder på att förvärva Nvidia-hårdvara för att hålla jämna steg med efterfrågan på AI-tjänster som Copilot-assistenten och Azure OpenAI Service.
Maia 300 är placerad som Microsofts bud för att få tillbaka en del av dessa utgifter. Genom att designa chip optimerade specifikt för de typer av arbetsbelastningar som körs i sina egna datacenter, strävar Microsoft efter att stärka sin AI-chipproduktionspipeline och minska sitt beroende av Nvidias utbudsbegränsade och prisvärda hårdvara.
Från Maia 100 till Maia 300
Microsoft tillkännagav först sitt inträde i anpassad AI-kisel i november 2023, och avslöjade den ursprungliga Maia 100 AI-acceleratorn tillsammans med Cobalt 100-centralprocessorn på sin Ignite-utvecklarkonferens. Maia 100 presenterades som ett chip byggt från grunden för att köra stora språkmodeller och andra AI-arbetsbelastningar inuti Azure.
Språnget till Maia 300 representerar en betydande generationsuppgradering. Även om The Informations rapport inte avslöjade detaljerade specifikationer, pekar numreringskonventionen – och det fleråriga gapet sedan den ursprungliga Maia 100 – på avsevärda förbättringar i prestanda och energieffektivitet, de två mätvärden som betyder mest för hyperskala AI-inferens.
Varför Hyperscalers anpassas
Microsoft är långt ifrån ensamma om att sträva efter internt kisel. Strategin har blivit ett avgörande inslag i det nuvarande AI-hårdvarulandskapet:
- Google har upprepat sina Tensor Processing Units (TPU) i ungefär ett decennium och erbjuder dem nu till molnkunder.
- Amazon har investerat mycket i sina Trainium- och Inferentia-chipfamiljer genom sin Annapurna Labs-division.
- Meta utvecklar sin MTIA-linje (Meta Training and Inference Accelerator).
- AMD fortsätter att utöka sin Instinct GPU-serie som det ledande handelsalternativet till Nvidia.
För dessa företag är kalkylen okomplicerad. Anpassat kisel kan ställas in till de exakta modeller och mjukvarustackar som ett företag kör, vilket potentiellt sänker kostnaden per fråga, minskar latensen och lossar Nvidias grepp om AI-beräkningsförsörjningskedjan. Även ett partiellt skifte bort från Nvidias hårdvara kan leda till hundratals miljoner dollar i besparingar i hyperskala.
Vad september kan ge
Om Microsoft avslöjar Maia 300 nästa månad kommer det sannolikt att använda tillfället för att detaljera prestandariktmärken, tillgänglighet inuti Azure och vilka av dess förstaparts AI-produkter som kommer att köras på den nya hårdvaran. Företaget har tidigare utformat sitt anpassade kisel som ett komplement till - snarare än en ersättning i grossistledet för - Nvidia GPU:er, vilket föreslår en hybridmodell där båda chipsfamiljerna samexisterar i Azures AI-infrastruktur.
Branschanalytiker kommer att titta noga efter två saker: om Maia 300 levererar meningsfulla pris-prestandavinster jämfört med Nvidias nuvarande generation, och om Microsoft kan tillverka tillräckligt mycket av dem för att göra ett hack i sina Nvidia-beställningar. Flisproduktion i denna skala beror på avancerad förpackningskapacitet och gjuteripartnerskap som förblir täta inom branschen.
Den större bilden
Maia 300:s framväxt understryker en grundläggande förändring i AI-ekonomin. De företag som bygger och driver de största AI-systemen nöjer sig inte längre med att bara vara de största kunderna till en enskild chipleverantör. De håller på att bli chipdesigners i sin egen rätt och omformar en försörjningskedja som Nvidia har dominerat sedan den generativa AI-boomen började.
För Microsoft är insatserna särskilt höga. Företaget har förbundit sig till enorma kapitalutgifter för att utöka sin AI-infrastruktur, och investerare fokuserar alltmer på om dessa utgifter kommer att översättas till hållbara marginaler. Ett framgångsrikt internt chipprogram är en av de tydligaste spakarna Microsoft har för att förbättra enhetsekonomin i sin AI-verksamhet.
Ligg före AI
Vill du hålla jämna steg med den senaste utvecklingen inom AI-hårdvara, anpassat kisel och företagen som omformar branschen? Bokmärk AI Buzz Wire för daglig täckning av berättelserna som betyder något.
Läs mer AI-nyheter →
