Maia 300: экономика инференса переходит на собственные чипы

Что анонсировала Microsoft

12 октября 2026 года Microsoft анонсировала Azure Maia 300 — третье поколение семейства собственных ИИ-ускорителей — в публикации официального блога за подписью исполнительного вице-президента по Cloud + AI Скотта Гатри. Производственные развёртывания начнутся в 2027 году; компания заявляет, что масштабирует семейство Maia до развёртываний мощностью в несколько гигаватт, сделав Maia основной системой инференса для продуктов и сервисов Microsoft. Reuters сообщает, что компания говорила о возможном развёртывании более миллиона чипов Maia 300 в следующем году для поддержки собственных ИИ-сервисов.

Maia 300 спроектирован, по словам Microsoft, как «полноценная интеллектуальная система» с архитектурой, ориентированной на инференс, для трёх типов нагрузок: рассуждений с длинным контекстом, чувствительных к задержкам диалоговых сценариев и устойчивых многошаговых агентных задач. Главные цифры — это цифры эффективности: Microsoft ожидает на 40% больше токенов на мегаватт, чем у ведущих GPU-систем, и до семикратного прироста пропускной способности токенов на уровне стойки по сравнению с предшественником Maia 200 в полной конфигурации из 96 ускорителей. Обе цифры — ожидания компании для системы, которая ещё не вышла в производство.

[1] [2]

Внутри системы Maia 300

Архитектура построена вокруг чиплетов. Новая многочиплетная компоновка разделяет функции вычислений, контроллера памяти и ввода-вывода; вычислительные чиплета производятся по техпроцессу TSMC N2P, а Reuters добавляет, что более дешёвая 3-нанометровая технология отвечает за функции перемещения данных. Каждый ускоритель несёт восемь стеков HBM4 с пиковой пропускной способностью памяти 18,0 ТБ/с при TDP 950 Вт; Microsoft также упоминает улучшенные форматы низкой точности MXFP4 и внутрикристальную SRAM в роли программно управляемой scratchpad-памяти, снижающей нагрузку на HBM.

На уровне стойки 96 ускорителей укладываются в энергетический конверт 167 киловатт при 27,6 ТБ ёмкости HBM и 1,7 ПБ/с совокупной пропускной способности HBM в высокоскоростном scale-up домене. Заявленный Microsoft принцип проектирования — программно определяемый поток данных с ИИ-оптимизацией ядер: узким местом крупных систем инференса является эффективная передача данных, а не сырая вычислительная мощность. Сеть рассматривается как продолжение этого потока данных — с ИИ-транспортом на базе Ethernet, охватывающим ускорители и стойки.

[1] [2]

Уже работает, уже поставляется

Анонс лёг на уже работающую систему. Maia 200 уже обслуживает производственные нагрузки Microsoft, включая Microsoft Copilot; GitHub Copilot и Microsoft Foundry последуют до конца 2026 года. Он выполняет модели OpenAI, собственные модели MAI Microsoft и ведущие семейства открытых моделей в развёртываниях в США, Европе и Австралии — и Microsoft заявляет до 1,7-кратного преимущества в токенах на ватт над ведущей GPU-инфраструктурой для встроенных ИИ-возможностей в Teams, Copilot и средах Cowork. Это цифры, сообщённые компанией, а не независимые измерения.

В тот же день на глобальном саммите OCP в Сан-Хосе компания d-Matrix анонсировала Squadron — многостоечные кластеры инференса, масштабирующиеся до более чем 1000 связанных XPU Corsair для вычислений со сверхнизкой задержкой в мегаваттном масштабе, разработанные совместно с Arista, Broadcom и Supermicro. Кластеры уже развёрнуты в дата-центре d-Matrix в Аризоне и теперь поставляются приоритетным клиентам; серверы Corsair и стойки SquadRack уже в общем доступе. Два запуска, одна неделя, один посыл: эффективность инференса как продукт.

[1] [3]

Почему это важно

Читайте спецификацию как аргумент: пропускная способность HBM4 на ватт, форматы MXFP4, SRAM-буферы, чиплета, выделенные под перемещение данных. Каждая ключевая особенность упирается в одно узкое место — доставку весов и KV-кэша к вычислениям, — а значит, инференс тихо превратился в задачу перемещения памяти, а не сырых вычислений. Дефицитным ресурсом стали не FLOPS, а байты, доставленные на ватт.

Вместе с этим меняется единица конкуренции. Выбранные Microsoft метрики — токены на мегаватт, токены на ватт, пропускная способность токенов на уровне стойки — вытесняют пиковые FLOPS как базу сравнения, и именно в этих единицах покупатели в итоге будут считать цену. Это уже не эксперимент одной компании: гиперскейлер и стартап анонсировали ориентированные на память системы инференса на одной неделе. Важен и календарь: Maia 300 — дорожная карта на 2027 год, так что сегодняшние мощности инференса по-прежнему работают на GPU-парках, а цифры 40% и 7x остаются ожиданиями, а не поставленными результатами.

[1] [3]

За чем следить

Командам, строящим на ИИ-инфраструктуре, стоит следить за метрикой «токены на доллар на ватт». Кто контролирует полный стек — кремний, систему, сеть и нагрузки, под которые он совместно проектировался, — тот и установит цену инференса, а выбор модели будет значить меньше, чем то, кому принадлежат мегаватты. Аргумент Microsoft о совместном проектировании, построенный на нагрузках масштаба Copilot и собственной команде моделей MAI, таков: только оператор нагрузки может настроить под неё кремний.

Относитесь к заявлениям об эффективности как к заявлениям дорожной карты, пока не появятся независимые сервисные бенчмарки. Преимущество в 40% токенов на мегаватт — это проектная цель, а не прайс-лист: оно станет реальностью, когда проявится в доступной, оценённой в деньгах мощности, которую третьи стороны смогут измерить. Направление ясно, инженерия серьёзна; проверка ещё впереди.