Microsoft beabsichtigt, die Familie der Azure-Maia-Systeme ab 2027 auf den Betrieb in Deployments mit Multi-Gigawatt-Leistung auszuweiten. Damit sollen diese Systeme zur zentralen Inferenzplattform für die Produkte und Dienste des Unternehmens werden. Das Unternehmen bestätigte, dass Azure Maia 200 in die Produktionsphase eingetreten ist und derzeit reale Workloads ausführt, darunter Microsoft Copilot.
Maia 200 verwendet OpenAI-Modelle, die MAI-Modelle von Microsoft sowie Modellfamilien aus dem Open-Source-Bereich. Das System unterstützt außerdem das MAI-Team bei der Entwicklung der nächsten Modelle und soll vor Ende 2026 auf GitHub Copilot und Microsoft Foundry ausgeweitet werden. Die aktuellen Deployments von Maia 200 befinden sich in den Vereinigten Staaten, Europa und Australien.
Was bringt Microsoft auf den Markt?
Das Unternehmen stellte Maia 300 als vollständig integriertes intelligentes System der dritten Generation vor. Es wurde für Inferenz-Workloads mit langem Kontext, dialogorientierte Anwendungen mit hohen Anforderungen an die Latenz sowie mehrstufige agentische Aufgaben entwickelt. Nach Zahlen von Microsoft soll das System pro Megawatt 40 % mehr Tokens liefern als Systeme auf Basis führender GPU-Einheiten. Eine vollständige Konfiguration mit 96 Beschleunigern soll auf Rack-Ebene bis zu die siebenfache Tokenrate im Vergleich zu Maia 200 erreichen.
Die produktiven Deployments von Maia 300 sollen 2027 beginnen. Microsoft nannte in der Mitteilung weder einen detaillierteren Zeitplan noch kommerzielle Preise für das System.
Auf Inferenz und Energieeffizienz ausgerichtetes Design
Maia 300 basiert auf einer primär auf Inferenz ausgerichteten Architektur, die Rechenkapazität, Speicherbandbreite, Netzwerke und Energieverbrauch ausbalanciert. Microsoft zufolge sollen eine softwaredefinierte Datenflussarchitektur und mithilfe von KI optimierte Kerne den Datentransfer reduzieren und die Auslastung der Rechen-, Speicher- und Netzwerkressourcen erhöhen.
Das System verfügt über acht HBM4-Einheiten, die innerhalb eines thermischen Designlimits von 950 Watt eine Spitzenbandbreite von 18,0 Terabyte pro Sekunde bereitstellen. Außerdem verwendet es eine Multi-Chip-Architektur, die Rechenfunktionen sowie Speichersteuerungs- und I/O-Einheiten voneinander trennt, wobei die Rechenchips im TSMC-N2P-Verfahren gefertigt werden. Formate mit niedriger Genauigkeit, darunter das optimierte MXFP4, verringern die Anforderungen an Speicher und Bandbreite für Modelle und den KV-Cache.
Was ändert sich in der Praxis?
Das Rack-System von Maia 300 bündelt rund 96 Beschleuniger in einem Leistungsbereich von 167 Kilowatt, mit einer HBM-Kapazität von 27,6 Terabyte und einer aggregierten Bandbreite von 1,7 Petabyte pro Sekunde. Microsoft setzt auf diese Dichte, um mehr parallele KI-Interaktionen und größere Workloads pro Rack auszuführen, was die Skalierbarkeit von Rechenzentren erhöhen könnte.
Das Unternehmen entwickelte außerdem das Skalierungsnetzwerk so, dass sich Datenflussvorgänge über Rechenleistung, Speicher und Netzwerk hinweg als ein einheitliches System erstrecken. Dabei kommen Verbindungen mit hoher Bandbreite zwischen den Beschleunigern und ein spezieller KI-Transport auf Basis einer Ethernet-Architektur zum Einsatz. Diese Architektur soll die Skalierung von einem einzelnen Rack auf die Ebene des Rechenzentrums ermöglichen.
Warum ist diese Nachricht wichtig?
Der Schritt zeigt, dass Microsoft Inferenz nicht lediglich als Frage des Kaufs einzelner Beschleuniger betrachtet, sondern als System aus Silizium, Speicher, Netzwerken, Software und realen Service-Workloads. Nach Angaben des Unternehmens hat der Betrieb von Maia 200 in Teams, Copilot und Cowork bis zu 1,7-mal mehr Tokens pro Watt im Vergleich zu einer führenden GPU-Architektur gezeigt. Diese Erfahrungen flossen direkt in das Design von Maia 300 ein.
Die neuen Systeme sollen laut Mitteilung Microsoft-Dienste, GitHub Copilot, Microsoft Foundry, MAI-Modelle und Dragon Copilot betreiben. Die hier genannten Leistungs- und Effizienzwerte sind jedoch Schätzungen und von Microsoft veröffentlichte Ergebnisse. Die Mitteilung enthält keine unabhängigen Tests oder vollständigen Vergleichsdaten zu Konkurrenzsystemen. Daher bleibt die praktische Überprüfbarkeit von den tatsächlichen Tests nach Beginn der Deployments im Jahr 2027 abhängig.