Microsoft skaliert Azure Maia zu Multi-Gigawatt-Deployments ab 2027
Microsoft kündigte 2026-10-12 an, dass es seine Azure Maia-Familie von maßgeschneiderten KI-Beschleunigern ab 2027 auf Multi-Gigawatt-Deployments skalieren wird, womit Maia als primäres Inferenzsystem für Microsoft-Produkte und -Dienste etabliert wird. Die Ankündigung, veröffentlicht von Scott Guthrie im offiziellen Microsoft-Blog, bestätigte, dass Azure Maia 200 nun Produktionsworkloads bedient und das nächste Maia-300-System einführt.
Maia 200 auf drei Kontinenten produziert
Laut der Ankündigung vom 12. Oktober bedient Maia 200 derzeit Microsoft Copilot-Produktionsworkloads und unterstützt das MAI-Team bei der Entwicklung der nächsten Generation von Modellen. Das System wird in den Vereinigten Staaten, Europa und Australien eingesetzt. Microsoft berichtete, dass Maia 200 bis zu 1.7 Mal mehr Token pro Watt für integrierte KI-Funktionen in Microsoft Teams, Copilot und Cowork liefert im Vergleich zu dem, was das Unternehmen als führende GPU-Infrastruktur bezeichnete. GitHub Copilot und Microsoft Foundry sollen bis Ende 2026 folgen.
Das Maia-200-System läuft laut dem Blogbeitrag mit OpenAI-Modellen, Microsofts eigenen MAI-Modellen und führenden Open-Source-Modellfamilien. Microsoft stellte Maia 200 erstmals auf 2026-01-26 ein und beschrieb es als KI Beschleuniger, der für Inferenz mit 216 GB HBM3e Speicher und 7 TB/s Speicherbandbreite entwickelt wurde.
Maia 300 Architektur und Spezifikationen
Maia 300, bekannt gegeben 2026-10-12, ist für langkontextiges Denken, latenzempfindliche Gesprächserfahrungen und anhaltende mehrstufige agentische Aufgaben konzipiert. Microsoft erklärte, dass es erwartet, dass Maia 300 40 Prozent mehr Token pro Megawatt liefern als führende GPU-basierte Systeme. In einer vollständigen 96-Beschleuniger-Konfiguration berichtete das Unternehmen, dass Maia bis zu sieben Mal den Rack-Scale-Token-Durchsatz von Maia 300 200 liefert.
Das Maia-300-System verfügt über acht HBM4 Stacks, die 18.0 TB/s Spitzenspeicherbandbreite innerhalb einer 950-Watt thermischen Designleistung (TDP) liefern, gemäß den im Oktober 12 veröffentlichten Microsoft-Spezifikationen. Die Architektur verwendet ein Multi-Chiplet-Design, das Rechen-, Speichercontroller- und I/O-Funktionen trennt, wobei Rechenchiplets auf TSMCs N2P Prozessknoten basieren. Maia-300-Racksysteme bringen 96 Beschleuniger innerhalb eines 167-Kilowatt Leistungsbereichs zusammen und liefern laut Microsoft 27.6 TB HBM-Kapazität und 1.7 PB/s aggregierte HBM-Bandbreite über eine Hochgeschwindigkeits-Skalierungsdomäne.
Das System ist mit einer von Microsoft beschriebenen softwaredefinierten Dataflow-Architektur und KI-unterstützter Kernel-Optimierung konzipiert, um die Lokalität zu maximieren und die Datenbewegung zu reduzieren. Die Unterstützung für fortgeschrittene Low-Precision-Formate, einschließlich erweiterter MXFP4, soll den Speicher- und Bandbreitenbedarf sowohl für Berechnung als auch für Key-Value-Cache-Speicher reduzieren.
Multi-Gigawatt-Maßstab und Produktionszeitplan
Microsoft erklärte, dass Maia 300 ab 2027 mit der Produktionsbereitstellung beginnen wird, wenn das Unternehmen plant, die Azure-Maia-Familie auf Multi-Gigawatt-Deployments zu skalieren. In der Ankündigung wurde Azure Maia als grundlegenden Bestandteil von Microsofts Ansatz für das sogenannte "Frontier Transformation" beschrieben, das Modell- und Siliziumwahl auf einer offenen, heterogenen Plattform betont.
Scott Guthrie schrieb im Blogbeitrag vom 12. Oktober, dass Erkenntnisse aus dem Umfang der Microsoft-KI-Dienste das gemeinsame Design zwischen Hardwaresystemen und Softwareanwendungen ermöglichen, um reale Anwendungsfälle zu optimieren. Er erklärte, dass die Erfahrung im Betrieb KI Modelle und Dienste auf Maia 200 direkt das Design von Maia 300 beeinflusst habe. Die zwei Generationen sind darauf ausgelegt, mehrstufige agentische Arbeit für GitHub, Cloud-Modell-Bereitstellung für Microsoft Foundry, Inferenz und Datengenerierung für das MAI-Team sowie latenzsensitive Interaktionen für Dragon Copilot zu unterstützen, um die administrative Belastung der Kliniker zu verringern, so die Ankündigung.
Microsofts Effizienz- und Durchsatzvergleiche sind von Anbietern berichtete Behauptungen, die auf internen Tests und Prognosen des Unternehmens basieren. Die Ankündigung bezog sich auf ein technisches Papier über Maia 300 architektonischen Details, die im Azure-Blog verfügbar sind. Microsoft Ignite 2026, geplant für nächsten Monat in San Francisco, wird voraussichtlich weitere Informationen zur KI Strategie des Unternehmens und zu den Trends zur Technologieakzeptanz liefern.
Quelle: blogs.microsoft.com.