Microsoft annonce la puce IA Maia 300 et la montée en puissance d’Azure à plusieurs gigawatts

Le 12 octobre 2026, Microsoft a présenté Azure Maia 300, la troisième génération de sa gamme d’accélérateurs d’IA conçus en interne, et a annoncé qu’il ferait passer la famille Azure Maia à des déploiements de plusieurs gigawatts à partir de 2027, faisant de Maia son principal système d’inférence pour l’ensemble de ses produits et services.

Scott Guthrie, vice-président exécutif de Cloud + AI, a annoncé la puce dans un article publié sur le blog officiel de Microsoft, décrivant Maia 300 comme un « système intelligent complet » conçu pour le raisonnement sur de longs contextes, les expériences conversationnelles sensibles à la latence et les tâches agentiques soutenues en plusieurs étapes. Le déploiement de Maia 300 en production commencera en 2027.

En améliorant l’efficacité de l’ensemble du système, Microsoft s’attend à ce que Maia 300 fournisse 40 % de jetons supplémentaires par mégawatt par rapport aux principaux systèmes à GPU, a écrit Guthrie. Dans une configuration complète de 96 accélérateurs, Maia 300 offre un débit de jetons à l’échelle du rack jusqu’à 7 fois supérieur à celui de Maia 200, a indiqué l’entreprise.

Architecture système de Maia 300

Maia 300 repose sur ce que Microsoft appelle une architecture privilégiant l’inférence, optimisée pour les charges de travail d’IA caractérisées par de longs contextes, une forte sollicitation de la mémoire et un décodage intensif. Selon l’entreprise, cette approche consiste à équilibrer le calcul, la bande passante mémoire, le réseau et l’efficacité énergétique à l’échelle du cloud. Son architecture de flux de données définie par logiciel s’associe à une optimisation des noyaux assistée par l’IA afin de conserver les données à proximité, de réduire leurs déplacements et d’accroître l’utilisation des ressources de calcul, de mémoire et de réseau. Microsoft affirme que le fait d’ériger le flux de données en principe de conception fondamental confère à Maia 300 un avantage significatif en matière de performances par watt par rapport aux architectures GPU traditionnelles.

Le système mémoire utilise huit piles HBM4 offrant une bande passante maximale de 18,0 To/s, pour une puissance thermique de conception (TDP) de 950 watts. La prise en charge de noyaux spécialisés permet d’utiliser la SRAM intégrée à la puce comme une mémoire tampon de travail gérée par logiciel, afin de réduire la pression sur la HBM. La puce adopte également une architecture à plusieurs chiplets qui sépare les fonctions de calcul, de contrôleur mémoire et d’E/S ; les chiplets de calcul sont fabriqués selon le procédé N2P de TSMC. La prise en charge de formats avancés à faible précision, dont le format MXFP4 amélioré, vise à réduire les besoins en mémoire et en bande passante pour le calcul comme pour le stockage du cache KV, ce qui permet d’augmenter la taille des fenêtres de contexte et le débit dans les mêmes limites de puissance.

Côté réseau, Maia 300 considère le réseau comme un prolongement de son architecture de flux de données, plutôt que de faire transiter les données par des couches de communication distinctes. Les interconnexions à haut débit entre accélérateurs sont optimisées pour le parallélisme tensoriel, et un transport d’IA personnalisé assure les communications de montée en échelle entre accélérateurs et entre racks sur une infrastructure reposant sur Ethernet. Il en résulte une topologie unifiée qui peut évoluer d’un rack unique à des déploiements à l’échelle d’un centre de données. À l’échelle d’un rack, 96 accélérateurs Maia 300 fonctionnent dans une enveloppe de puissance de 167 kilowatts, avec une capacité HBM de 27,6 To et une bande passante HBM agrégée de 1,7 Po/s dans le domaine de montée en échelle. Selon Microsoft, cette densité lui permet de prendre en charge davantage d’interactions simultanées avec l’IA et des charges de travail plus importantes dans chaque rack.

Maia 200 en production

Maia 300 succède à Maia 200, qui prend déjà en charge des charges de travail de production de Microsoft, notamment Microsoft Copilot, et accompagne l’équipe MAI dans le développement de modèles de nouvelle génération. GitHub Copilot et Microsoft Foundry devraient suivre d’ici la fin de 2026. Pour ces charges de travail, la puce exécute des modèles d’OpenAI, les propres modèles MAI de Microsoft et les principales familles de modèles open source. Maia 200 est en cours de déploiement aux États-Unis, en Europe et en Australie. Microsoft affirme qu’elle fournit jusqu’à 1,7 fois plus de jetons par watt pour les fonctionnalités d’IA intégrées aux expériences Teams, Copilot et Cowork que les principales infrastructures GPU.

Guthrie a écrit que l’expérience acquise en exécutant les modèles et services d’IA de Microsoft sur Maia 200 avait directement éclairé la conception de Maia 300. Ensemble, a-t-il indiqué, les deux générations sont conçues pour prendre en charge un vaste éventail de services d’IA Microsoft supplémentaires : le travail agentique en plusieurs étapes à l’origine des expériences de programmation GitHub, le service de modèles à l’échelle du cloud par l’intermédiaire de Microsoft Foundry, l’inférence et la génération de données pour l’équipe MAI, ainsi que les flux de travail Dragon Copilot sensibles à la latence, destinés à réduire la charge administrative des cliniciens.

Microsoft a présenté Maia 200 le 26 janvier 2026 comme un accélérateur d’inférence fabriqué selon le procédé 3 nanomètres de TSMC, doté de cœurs tenseurs FP8 et FP4 natifs, de 216 Go de mémoire HBM3e offrant un débit de 7 To/s et de 272 Mo de SRAM intégrée. La puce intègre plus de 140 milliards de transistors et fournit plus de 10 pétaFLOPS de calcul FP4 et plus de 5 pétaFLOPS en FP8, dans une enveloppe de puissance thermique de conception (TDP) de 750 watts. Son réseau de montée en échelle à deux niveaux repose sur Ethernet standard et fournit une bande passante bidirectionnelle de montée en échelle de 2,8 To/s par accélérateur dans des grappes pouvant compter jusqu’à 6 144 accélérateurs. Maia 200 a d’abord été déployée dans la région de centre de données US Central de Microsoft, près de Des Moines, dans l’Iowa. L’entreprise a annoncé que la région US West 3, près de Phoenix, en Arizona, serait la suivante.

Lors de ce lancement, Microsoft a décrit Maia 200 comme le silicium maison le plus performant de tous les hyperscalers, en citant des performances FP4 trois fois supérieures à celles du processeur Amazon Trainium de troisième génération, des performances FP8 supérieures à celles du TPU de septième génération de Google et des performances par dollar 30 % meilleures que celles du matériel le plus récent de son parc. L’entreprise a également qualifié Maia 200 de système d’inférence le plus efficace qu’elle ait jamais déployé.

Microsoft a indiqué qu’elle en dirait davantage sur sa stratégie et sur l’avancement de sa transformation Frontier lors de Microsoft Ignite 2026, à San Francisco et en ligne, et a renvoyé les lecteurs vers un document technique sur Maia 300 pour obtenir davantage de détails sur l’architecture.