У понеділок корпорація Майкрософт представила Azure Maia 300, третє покоління свого сімейства власних прискорювачів штучного інтелекту, і заявила, що чіп закріпить розгортання кількох гігават в Azure, починаючи з 2027 року. Це важливий крок у зусиллях компанії запускати більше робочих навантажень штучного інтелекту на власному процесорі, а не на графічних процесорах Nvidia.
Оголошення, зроблене в блозі Скоттом Гатрі, виконавчим віце-президентом Microsoft групи Cloud + AI, позиціонує Maia 300 як основну систему висновків для власних продуктів і послуг Microsoft. Він з’являється на тлі ширшої індустріальної гонки за створення власних чіпів штучного інтелекту — зміни, яку ми уважно відстежуємо в нашому постійному висвітленні останніх розробок штучного інтелекту, оскільки гіпермасштабувальники працюють над приборканням вартості обслуговування штучного інтелекту в масштабі.
За даними Microsoft, Maia 300 розроблена для доставки на 40% більше токенів на мегават порівняно з провідними системами на основі GPU. У повній конфігурації з 96 прискорювачами, за словами компанії, чіп забезпечує до семи разів більшу пропускну здатність токенів для стійки, ніж його попередник, Maia 200.
Створено для висновків з нуля
Корпорація Майкрософт описує Maia 300 як архітектуру «спочатку висновків», спрямовану на роботу з довгим контекстом, інтенсивним використанням пам’яті та декодуванням — шаблони, які домінують у сучасних помічниках чату, системах міркування та багатоступінчастих агентах ШІ.
Підсистема пам’яті чіпа використовує вісім стеків HBM4, що забезпечує пікову пропускну здатність 18,0 терабайт на секунду всередині теплової оболонки потужністю 950 Вт. On-die SRAM розглядається як блокнот, керований програмним забезпеченням, який, за словами Microsoft, зменшує тиск на HBM і зберігає більше даних поблизу обчислювальних блоків.
Maia 300 також переходить на багаточіплетну конструкцію, яка розділяє обчислення, контролер пам’яті та функції вводу/виводу на окремі матриці, при цьому обчислювальні чіплети виготовляються на вузлі N2P TSMC. Підтримка покращених форматів низької точності MXFP4 призначена для зменшення потреб у обчислювальній пам’яті та сховищі KV-кешу, дозволяючи збільшувати контекстні вікна та вищу пропускну здатність у межах того самого бюджету потужності.
Що стосується мереж, Microsoft розглядає мережу як розширення архітектури потоку даних чіпа. Спеціальний транспорт AI забезпечує масштабований зв’язок між прискорювачами та стійками через інфраструктуру на основі Ethernet, утворюючи те, що компанія описує як уніфіковану топологію, яка масштабується від однієї стійки до розгортань у центрі обробки даних.
Номери стелажних ваг
На рівні стелажа, за словами Microsoft, 96 прискорювачів Maia 300 працюють в межах потужності 167 кіловат, пропонуючи 27,6 терабайт ємності HBM і 1,7 петабайт на секунду сукупної пропускної здатності в домені масштабування. Компанія стверджує, що така щільність дозволяє обслуговувати більше одночасних взаємодій ШІ та більші робочі навантаження з кожної стійки.
Maia 200 вже у виробництві
Maia 300 слідує за Maia 200, яку Microsoft представила в січні 2026 року і яка вже обслуговує виробничі робочі навантаження, включаючи Microsoft Copilot. Згідно з даними компанії, Maia 200 також стане основою для GitHub Copilot і Microsoft Foundry до кінця 2026 року, і вона запускає моделі OpenAI, власні моделі MAI від Microsoft і провідні сімейства моделей з відкритим кодом.
Microsoft повідомляє, що Maia 200 розгортається в США, Європі та Австралії, надаючи до 1,7 разів більше токенів на ват для вбудованих функцій штучного інтелекту в Teams, Copilot і Microsoft 365 порівняно з провідною інфраструктурою GPU, яку вона замінила. Гатрі писав, що досвід роботи з Maia 200 безпосередньо сформував дизайн Maia 300.
Разом ці два покоління призначені для забезпечення широкого набору служб штучного інтелекту Microsoft: багатоетапна агентська робота за інструментами кодування GitHub, обслуговування моделі хмарного масштабу через Microsoft Foundry, висновки та генерація даних для команди моделювання MAI та чутливі до затримки робочі процеси Dragon Copilot, спрямовані на зменшення адміністративного тягаря клініцистів.
Зменшення залежності від Nvidia
Стратегічним підтекстом оголошення є спроба Microsoft зменшити свою залежність від Nvidia, чиї графічні процесори домінують у навчанні ШІ та висновках у всій галузі. Агентство Reuters повідомило, що Microsoft планує «велике розгортання» власних чіпів як спосіб стримування витрат, тоді як CNBC назвав розгортання прямим кроком, спрямованим на скорочення залежності компанії від апаратного забезпечення Nvidia — одних із найдорожчих і обмежених у постачанні компонентів у розробці ШІ.
Потужність ціноутворення Nvidia стала проблемою засідань засідань у хмарній індустрії, і стандартною відповіддю є спеціальний кремній. TPU від Google, лінії Trainium і Inferentia від Amazon і чіпи MTIA від Meta переслідують одну мету: спеціалізоване обладнання, налаштоване відповідно до точних навантажень кожної компанії. Програма Microsoft Maia, яка почалася з Maia 100, представленої в листопаді 2023 року, є її учасником у цій гонці.
Для Microsoft економіка проста: кожен токен, який обслуговується власним чіпом, є токеном, який не несе маржу Nvidia. Зі збільшенням обсягів штучного інтелекту в сервісах Copilot, Microsoft 365, GitHub і Azure AI навіть часткова заміна призводить до значної економії в гіпермасштабуванні.
Що буде далі
Microsoft заявила, що виробництво Maia 300 почнеться в 2027 році, і звернула увагу читачів на опубліковану технічну статтю для архітектурних деталей. Компанія також повідомила, що розповість більше про свою кремнієву стратегію та ширшу дорожню карту інфраструктури на Microsoft Ignite 2026, яку вона проводить у Сан-Франциско та онлайн.
Чи зможе Maia 300 послабити домінування Nvidia, ще невідомо — новітні архітектури Nvidia все ще лідирують у сирій продуктивності, а Microsoft продовжує купувати обладнання Nvidia у величезних масштабах. Але траєкторія зрозуміла: найбільший у світі хмарний оператор має намір обслуговувати все більшу частку світових токенів ШІ на чіпах, які він сам розробив.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
