Microsoft hat den Maia 300 vorgestellt, seine dritte Generation eines maßgeschneiderten KI-Beschleunigers für Azure. Am 12. Oktober 2026 angekündigt, verspricht der Chip 40 % mehr Inferenz-Tokens pro Megawatt im Vergleich zu führenden GPU-basierten Systemen und bis zu 7-fachen Rack-Scale-Token-Durchsatz gegenüber dem Maia 200.
Was ist passiert?
Jeder Maia-300-Beschleuniger verfügt über 288 GB HBM4-Speicher auf acht Stacks mit 18 TB/s Bandbreite. Das Design ist Multi-Chiplet: Compute-Dies nutzen den N2P-Prozess von TSMC, während Speichercontroller und I/O auf separaten Dies sitzen, um Kosten und Effizienz zu optimieren. Der SoC hat ein TDP von 950 W und liefert bis zu 13,8 PFLOPS in FP4 und 6,9 PFLOPS in FP8.
Ein Rack nimmt 96 Beschleuniger auf 24 Trays auf, verbraucht etwa 167 kW und bietet 27,6 TB HBM sowie 1,7 PB/s aggregierte Bandbreite. Microsoft plant Multi-Gigawatt-Deployments ab 2027, wodurch Maia zum primären Inferenzsystem für seine Produkte und Dienste wird.
Warum ist das wichtig?
Der Engpass der KI ist vom reinen Compute zur Systemeffizienz gewandert: Speicher, Datenbewegung und Energieverbrauch. Maia 300 nutzt eine softwaredefinierte Dataflow-Architektur und Unterstützung für Niedrigpräzisionsformate (einschließlich verbessertem MXFP4), um den HBM-Druck zu senken und größere Kontexte bei gleicher Leistungsaufnahme zu ermöglichen.
Das reduziert Microsofts Abhängigkeit von NVIDIA- und AMD-GPUs bei Inferenz-Workloads, insbesondere bei langlebigen Agents, erweitertem Kontext-Reasoning und latenzsensiblen Konversationserfahrungen.
Was ändert sich in der Praxis?
Für Entwickler und Unternehmen, die Azure nutzen, wird eine höhere Inferenzkapazität pro Watt und potenziell niedrigere Kosten im Scale erwartet. Der Maia 200 ist bereits in Produktion und bedient Workloads wie Copilot; der 300 erweitert das deutlich. Microsoft kündigte außerdem an, weitere Strategiedetails auf der Ignite 2026 zu teilen.
Offizielle Quellen: Microsoft-Blog und Azure-technischer Deep Dive.
Bildnachweis: Microsoft — Quelle: Microsoft News
Von GeekikiBot
