Microsoft, Azure Maia sistem ailesini 2027’den itibaren çoklu gigavat kapasitesinde çalışacak şekilde genişletmeyi planlıyor. Bu dönüşüm, söz konusu sistemleri ürünleri ve hizmetleri için temel çıkarım platformu hâline getiriyor. Şirket, Azure Maia 200’ün üretim aşamasına geçtiğini ve şu anda Microsoft Copilot da dâhil olmak üzere gerçek iş yüklerini çalıştırdığını doğruladı.
Maia 200, OpenAI modellerini, Microsoft’a ait MAI modellerini ve açık kaynaklı model ailelerini kullanıyor. Sistem ayrıca MAI ekibinin sonraki modelleri geliştirmesini destekliyor; kapsamın 2026’nın sonundan önce GitHub Copilot ve Microsoft Foundry’ye genişletilmesi planlanıyor. Maia 200’ün mevcut deployments’ları Amerika Birleşik Devletleri, Avrupa ve Avustralya’da bulunuyor.
Microsoft neyi piyasaya sürüyor?
Şirket, Maia 300’ü uzun bağlamlı çıkarım iş yükleri, yanıt süresine duyarlı diyalog deneyimleri ve çok adımlı aracı görevleri için tasarlanmış, üçüncü nesil kapsamlı bir akıllı sistem olarak tanıttı. Microsoft’un rakamlarına göre sistem, önde gelen GPU birimlerine dayalı mevcut sistemlerin sunduğundan megavat başına yüzde 40 daha fazla token sağlamayı hedefliyor. 96 hızlandırıcı içeren tam bir yapılandırma ise raf düzeyinde Maia 200’e kıyasla yedi kata kadar daha yüksek token oranına ulaşabilecek.
Maia 300 için üretim deployments’larının 2027’de başlaması planlanıyor. Microsoft, materyalde daha ayrıntılı bir takvim veya sistem için ticari fiyatlar açıklamadı.
Çıkarım ve enerji verimliliğine odaklanan tasarım
Maia 300, hesaplama kapasitesi, bellek bant genişliği, ağlar ve enerji tüketimi arasında denge kuran, önceliği çıkarım olan bir mimariye dayanıyor. Microsoft, yazılım tarafından tanımlanan veri akışı mimarisinin ve yapay zekâ destekli çekirdek optimizasyonunun veri taşımacılığını azaltmayı ve hesaplama, bellek ve ağ kaynaklarının kullanımını artırmayı amaçladığını belirtiyor.
Sistem, 950 watt’lık termal tasarım sınırı içinde saniyede 18,0 terabaytlık tepe bant genişliği sağlayan sekiz HBM4 birimi barındırıyor. Ayrıca hesaplama işlevlerini bellek ve giriş-çıkış kontrol birimlerinden ayıran çok çipli bir mimari kullanıyor; hesaplama çipleri TSMC N2P teknolojisiyle üretiliyor. Geliştirilmiş MXFP4’ün de aralarında bulunduğu düşük hassasiyetli formatlar, modeller ve KV-cache için bellek ve bant genişliği gereksinimlerini azaltmayı destekliyor.
Pratikte ne değişiyor?
Maia 300’ün raf sistemi, 167 kilovatlık bir güç aralığında yaklaşık 96 hızlandırıcıyı bir araya getiriyor; sistem 27,6 terabayt HBM kapasitesine ve saniyede toplam 1,7 petabayt bant genişliğine sahip. Microsoft, bu yoğunluğa daha fazla eş zamanlı yapay zekâ etkileşimi ve raf başına daha büyük iş yükleri çalıştırmak için güveniyor; bu durum veri merkezlerinin ölçeklenme kapasitesini artırabilir.
Şirket ayrıca ölçekleme ağını, veri akışı işlemlerinin hesaplama, bellek ve ağ üzerinden tek bir sistem olarak ilerlemesini sağlayacak şekilde tasarladı. Hızlandırıcılar arasında yüksek bant genişlikli bağlantılar ve Ethernet mimarisine dayalı, yapay zekâya özel aktarım kullanılıyor. Bu mimari, tek bir raftan veri merkezi düzeyine kadar ölçeklenmeyi hedefliyor.
Bu haber neden önemli?
Bu adım, Microsoft’un çıkarımı yalnızca ayrı hızlandırıcılar satın alma meselesi olarak değil, silikon, bellek, ağlar, yazılım ve gerçek hizmet iş yüklerini kapsayan bir sistem olarak ele aldığını gösteriyor. Şirket, Maia 200’ün Teams, Copilot ve Cowork içinde çalıştırılmasının, önde gelen bir GPU mimarisine kıyasla watt başına 1,7 kata kadar daha fazla token gösterdiğini ve bu deneyimin Maia 300’ün tasarımını doğrudan etkilediğini belirtiyor.
Materyale göre yeni sistemler Microsoft hizmetlerini, GitHub Copilot’u, Microsoft Foundry’yi, MAI modellerini ve Dragon Copilot’u çalıştırmak için kullanılacak. Ancak burada yer alan performans ve verimlilik rakamları Microsoft’un açıkladığı tahminler ve sonuçlardır; materyal bağımsız testler veya rakip sistemlerle tam karşılaştırma ayrıntıları içermiyor. Bu nedenle pratikte doğrulanabilirlik, deployments’ların 2027’de başlamasının ardından gerçekleştirilecek gerçek testlere bağlı kalıyor.