Michael JohnsonEm 12 de outubro, a Microsoft informou que ampliará a família Azure Maia para vários gigawatts a partir de 2027. A empresa descreve a Maia 200 como parte da infraestrutura de inferência em produção já em operação: o chip atende cargas de trabalho da Microsoft, incluindo o Copilot, além de modelos da OpenAI, modelos próprios da MAI e famílias de modelos de pesos abertos. Segundo os planos da empresa, GitHub Copilot e Microsoft Foundry virão até o fim de 2026. As implantações de produção da Maia 300 estão previstas para 2027. A Microsoft pretende tornar a Maia o principal sistema de inferência de seus produtos e serviços, dentro de uma infraestrutura aberta e heterogênea, com diferentes modelos e tipos de silício. No anúncio, a empresa não informou um cronograma de disponibilidade da Maia para clientes do Azure.
A Microsoft informa que a Maia 200 está sendo implantada nos Estados Unidos, na Europa e na Austrália. Para os recursos de IA integrados ao Teams, ao Copilot e ao Cowork, a empresa apresenta uma estimativa específica: até 1,7 vez mais tokens por watt em comparação com a infraestrutura de GPU líder. Esse indicador se aplica aos serviços mencionados pela Microsoft e às condições de operação da empresa.
A Maia 300 é projetada para inferência e contexto longo
A Microsoft posiciona a Maia 300 para inferência intensiva em recursos: processamento de contexto longo, tarefas conversacionais sensíveis à latência e cenários agênticos de várias etapas. A empresa descreve uma arquitetura que equilibra computação, largura de banda da memória, comunicação em rede e consumo de energia. A Microsoft aponta a movimentação de dados como um gargalo dos grandes sistemas de inferência; segundo a proposta da empresa, uma arquitetura de processamento de dados definida por software deve melhorar a utilização dos recursos de computação, rede e memória.
O rack com 96 aceleradores Maia 300 foi projetado para 27,6 TB de HBM e uma largura de banda total de memória de 1,7 PB/s, com potência declarada de 167 kW. Segundo a estimativa da Microsoft, uma configuração completa com 96 aceleradores pode oferecer até sete vezes mais largura de banda agregada de tokens no nível do rack do que a Maia 200. Separadamente, a empresa prevê 40% mais tokens por megawatt em relação aos principais sistemas de GPU. Essas estimativas se referem à configuração futura; as implantações de produção da Maia 300 estão previstas para 2027.
O que significa apostar em aceleradores próprios
Um acelerador próprio permite que um provedor de nuvem projete em conjunto chips, rede, software e cargas de serviço. A Microsoft apresenta a Maia como exemplo desse tipo de projeto, levando em conta modelos e aplicações executados em grande escala. Para o negócio de nuvem, essa abordagem pode ampliar as opções de infraestrutura para inferência e ajudar a atender mais solicitações de IA dentro dos limites de potência dos data centers. No anúncio, a empresa não revelou como isso afetará os preços do Azure nem a disponibilidade do chip para cenários de clientes.
Para as equipes que escolhem infraestrutura agora, é importante distinguir as cargas de produção atuais da Maia 200 da futura Maia 300. A Microsoft não anunciou um cronograma de disponibilidade da Maia 300 para clientes, uma lista de serviços de nuvem específicos nem tarifas. Ao planejar a implantação, vale verificar a disponibilidade do acelerador para o modelo e o serviço desejados, a localização geográfica, a latência e o custo da carga de trabalho específica.
A Microsoft especifica para a Maia 300 oito pilhas de HBM4, largura de banda de pico da memória de 18 TB/s com TDP de 950 W e chiplets de computação fabricados no processo TSMC N2P. O sistema também inclui blocos separados de computação, controladores de memória e entrada e saída; para escalar do rack ao data center, utiliza uma rede Ethernet. A empresa detalhou a arquitetura em um artigo técnico sobre a Maia 300. As informações publicadas mostram como a Microsoft desenvolve aceleradores próprios para inferência junto com a infraestrutura de GPU.