Michael JohnsonAm 12. Oktober teilte Microsoft mit, dass es die Azure-Maia-Produktfamilie auf mehrere Gigawatt skaliert, beginnend 2027. Das Unternehmen bezeichnet Maia 200 als Teil einer bereits betriebenen Infrastruktur für Inferenz in Produktionsumgebungen: Der Chip bedient Microsoft-Workloads, darunter Copilot, sowie Modelle von OpenAI, eigene MAI-Modelle und Modellfamilien mit offenen Gewichten. GitHub Copilot und Microsoft Foundry sollen laut Unternehmensplanung bis Ende 2026 folgen. Der Produktionsbetrieb mit Maia 300 ist für 2027 vorgesehen. Microsoft will Maia im Rahmen einer offenen, heterogenen Infrastruktur mit unterschiedlichen Modellen und Siliziumtypen zum wichtigsten Inferenzsystem für seine Produkte und Dienste machen. Im Ankündigungstext nannte das Unternehmen keinen Zeitplan für die Verfügbarkeit von Maia für Azure-Kunden.
Microsoft zufolge wird Maia 200 in den USA, Europa und Australien eingesetzt. Für die integrierten KI-Funktionen von Teams, Copilot und Cowork nennt das Unternehmen eine separate Schätzung: bis zu 1,7-mal mehr Token pro Watt im Vergleich zu führender GPU-Infrastruktur. Dieser Wert gilt für die von Microsoft genannten Dienste und deren Betriebsbedingungen.
Maia 300 ist für Inferenz und lange Kontexte ausgelegt
Microsoft positioniert Maia 300 für rechenintensive Inferenz: die Verarbeitung langer Kontexte, latenzempfindliche Dialogaufgaben und mehrstufige agentische Abläufe. Das Unternehmen beschreibt eine Architektur, die Rechenleistung, Speicherbandbreite, Netzwerkaustausch und Energieverbrauch ausbalanciert. Als Engpass großer Inferenzsysteme hebt Microsoft den Datentransfer hervor; eine softwaredefinierte Datenverarbeitungsarchitektur soll die Auslastung von Rechen-, Netzwerk- und Speicherressourcen verbessern.
Ein Rack mit 96 Maia-300-Beschleunigern ist auf 27,6 TB HBM und eine aggregierte Speicherbandbreite von 1,7 PB/s bei einer angegebenen Leistung von 167 kW ausgelegt. Nach Schätzung von Microsoft könnte eine vollständige Konfiguration mit 96 Beschleunigern eine bis zu siebenmal höhere aggregierte Token-Bandbreite auf Rackebene erreichen als Maia 200. Separat prognostiziert das Unternehmen 40 % mehr Token pro Megawatt im Vergleich zu führenden GPU-Systemen. Diese Schätzungen beziehen sich auf die künftige Konfiguration; der Produktionsbetrieb mit Maia 300 ist für 2027 vorgesehen.
Was der Schritt zu eigenen Beschleunigern bedeutet
Ein eigener Beschleuniger ermöglicht es einem Cloudanbieter, Chip, Netzwerk, Software und Service-Workloads gemeinsam zu entwickeln. Microsoft führt Maia als Beispiel für eine solche Entwicklung an, die auf Modelle und Anwendungen im großflächigen Einsatz zugeschnitten ist. Für das Cloudgeschäft kann dieser Ansatz die Auswahl an Infrastrukturen für Inferenz erweitern und dazu beitragen, mehr KI-Anfragen innerhalb der Kapazität von Rechenzentren zu bedienen. In der Ankündigung legte das Unternehmen nicht offen, wie sich dies auf Azure-Preise oder die Verfügbarkeit des Chips für Kundenszenarien auswirken wird.
Teams, die jetzt eine Infrastruktur auswählen, sollten zwischen den aktiven Produktionslasten von Maia 200 und dem künftigen Maia 300 unterscheiden. Microsoft hat weder einen Zeitplan für die Verfügbarkeit von Maia 300 für Kunden noch eine Liste konkreter Cloud-Dienste oder Preise angekündigt. Bei der Planung des Einsatzes sollten Verfügbarkeit des Beschleunigers für das benötigte Modell und den jeweiligen Dienst, geografische Abdeckung, Latenz und Kosten des konkreten Workloads geprüft werden.
Für Maia 300 nennt Microsoft acht HBM4-Stacks, eine Spitzen-Speicherbandbreite von 18 TB/s bei einer TDP von 950 W sowie Compute-Chiplets im TSMC-N2P-Prozess. Das System umfasst außerdem separate Einheiten für Berechnungen, Speichercontroller und Ein-/Ausgabe; für die Skalierung vom Rack bis zum Rechenzentrum kommt ein Ethernet-Netzwerk zum Einsatz. Die Architekturdetails erläutert das Unternehmen in einem technischen Beitrag zu Maia 300. Die veröffentlichten Informationen zeigen, wie Microsoft neben GPU-Infrastruktur eigene Beschleuniger für Inferenz weiterentwickelt.