Microsoft představuje čip Maia 300 s umělou inteligencí a rozšiřuje Azure na několik gigawattů

Microsoft 12. října 2026 představil Azure Maia 300, třetí generaci své vlastní řady akcelerátorů umělé inteligence, a uvedl, že od roku 2027 rozšíří nasazení rodiny Azure Maia na několik gigawattů. Maia se tak stane hlavním systémem pro inferenci napříč jeho produkty a službami.

Scott Guthrie, výkonný viceprezident pro Cloud + AI, oznámil tento čip v příspěvku na oficiálním blogu Microsoftu a popsal Maia 300 jako „kompletní inteligentní systém“ určený pro uvažování nad dlouhým kontextem, konverzační prostředí citlivá na latenci a dlouhotrvající vícekrokové úlohy agentů umělé inteligence. Produkční nasazení Maia 300 začne v roce 2027.

Guthrie napsal, že Microsoft očekává, že díky vyšší efektivitě celého systému nabídne Maia 300 o 40 % více tokenů na megawatt než přední systémy založené na GPU. V plné konfiguraci s 96 akcelerátory podle společnosti Maia 300 dosahuje až sedminásobné propustnosti tokenů na úrovni racku oproti Maia 200.

Architektura systému Maia 300

Maia 300 je navržena s architekturou upřednostňující inferenci, kterou Microsoft optimalizoval pro úlohy umělé inteligence s dlouhým kontextem, vysokými nároky na paměť a intenzivním dekódováním. Podle společnosti tento přístup zahrnuje vyvažování výpočetního výkonu, šířky pásma paměti, síťových možností a energetické účinnosti v měřítku cloudových služeb. Její softwarově definovaná architektura toku dat spolupracuje s optimalizací jader s podporou umělé inteligence, aby data zůstávala na místě, omezil se jejich přesun a zvýšilo využití výpočetních, paměťových a síťových prostředků. Microsoft uvádí, že díky tomu, že je tok dat jedním ze základních principů návrhu, nabízí Maia 300 výrazně vyšší výkon na watt než tradiční architektury GPU.

Paměťový systém využívá osm sad pamětí HBM4, které poskytují špičkovou šířku pásma 18,0 TB/s při TDP 950 wattů. Specializovaná podpora jader využívá SRAM přímo na čipu jako softwarově spravovanou pracovní paměť, čímž snižuje zatížení paměti HBM. Čip také přechází na konstrukci s více čiplety, která odděluje výpočetní funkce, řadiče paměti a vstupně-výstupní funkce; výpočetní čiplety se vyrábějí procesem N2P společnosti TSMC. Podpora pokročilých formátů s nízkou přesností, včetně vylepšeného MXFP4, má snížit nároky na paměť a šířku pásma při výpočtech i ukládání mezipaměti KV. Umožňuje tak větší kontextová okna a vyšší propustnost při zachování stejného příkonu.

V oblasti sítí Maia 300 považuje síť za rozšíření své architektury toku dat, namísto aby data přenášela prostřednictvím oddělených komunikačních vrstev. Propojení akcelerátorů s vysokou šířkou pásma je optimalizováno pro tensorovou paralelizaci a vlastní transportní vrstva pro umělou inteligenci zajišťuje komunikaci pro škálování mezi akcelerátory i racky prostřednictvím infrastruktury založené na Ethernetu. Vzniká tak jednotná topologie, kterou lze škálovat od jediného racku až po nasazení v měřítku datového centra. Na úrovni racku pracuje 96 akcelerátorů Maia 300 při příkonu do 167 kilowattů; v rámci domény pro škálování je k dispozici 27,6 TB paměti HBM a její souhrnná šířka pásma dosahuje 1,7 PB/s. Microsoft uvádí, že taková hustota mu umožňuje z každého racku obsluhovat více souběžných interakcí s umělou inteligencí a větší úlohy.

Maia 200 v produkčním provozu

Maia 300 navazuje na Maia 200, která už zajišťuje produkční úlohy Microsoftu včetně Microsoft Copilot a podporuje tým MAI při vývoji modelů nové generace. Do konce roku 2026 se k nim mají přidat GitHub Copilot a Microsoft Foundry. Při těchto úlohách čip provozuje modely OpenAI, vlastní modely MAI společnosti Microsoft i přední rodiny modelů s otevřeným zdrojovým kódem. Maia 200 se nasazuje ve Spojených státech, Evropě a Austrálii. Microsoft uvádí, že v porovnání s přední infrastrukturou GPU poskytuje až 1,7krát více tokenů na watt pro vestavěné funkce umělé inteligence v prostředích Teams, Copilot a Cowork.

Guthrie napsal, že zkušenosti s provozováním modelů a služeb umělé inteligence Microsoftu na Maia 200 přímo ovlivnily návrh Maia 300. Obě generace mají podle něj společně podporovat širokou škálu dalších služeb umělé inteligence Microsoftu: vícekrokové úlohy agentů umělé inteligence v rámci vývojářských prostředí GitHubu, poskytování modelů v měřítku cloudu prostřednictvím Microsoft Foundry, inferenci a generování dat pro tým MAI a pracovní postupy Dragon Copilot citlivé na latenci, jejichž cílem je snížit administrativní zátěž zdravotnických pracovníků.

Microsoft představil Maia 200 dne 26. ledna 2026 jako akcelerátor pro inferenci vyrobený 3nanometrovým procesem společnosti TSMC, který obsahuje tensorová jádra s nativní podporou FP8 a FP4, 216 GB paměti HBM3e s rychlostí 7 TB/s a 272 MB SRAM na čipu. Čip obsahuje více než 140 miliard tranzistorů a při TDP 750 wattů dosahuje výpočetního výkonu přes 10 petaFLOPS ve FP4 a přes 5 petaFLOPS ve FP8. Jeho dvouúrovňová síť pro škálování je založena na standardním Ethernetu a v clusterech až se 6 144 akcelerátory poskytuje každému akcelerátoru obousměrnou šířku pásma 2,8 TB/s pro škálování. Maia 200 byla poprvé nasazena v oblasti datových center Microsoftu US Central poblíž Des Moines v Iowě. Jako další oblast byla oznámena US West 3 poblíž Phoenixu v Arizoně.

Při uvedení Microsoft popsal Maia 200 jako vlastní čip s nejvyšším výkonem ze všech hyperscalerů. Uvedl, že její výkon ve FP4 je trojnásobný oproti čipu Amazon Trainium třetí generace, ve FP8 překonává TPU sedmé generace od Googlu a její výkon na dolar je o 30 % vyšší než u nejnovějšího hardwaru v jeho nabídce. Společnost také označila Maia 200 za nejúčinnější inferenční systém, který kdy nasadila.

Microsoft uvedl, že na konferenci Microsoft Ignite 2026 v San Franciscu i online sdělí více informací o své strategii a pokroku v rámci iniciativy Frontier Transformation a odkázal čtenáře na technický dokument o Maia 300, který obsahuje další podrobnosti o architektuře.