Maia-chip-familien

Microsofts rejse med egne AI-chips startede offentligt i november 2023. Sådan sammenlignes generationerne:

• Maia 100 – Annonceret november 2023. Første generation, primært brugt internt i Microsoft til begrænsede Azure AI-opgaver .
• Maia 200 – Præsenteret januar 2026 (kodenavn Braga). Anden generation, udrullet i Microsofts egne datacentre. Chippen ankom seks måneder forsinket i forhold til den oprindelige tidsplan fra midten af 2025 .
• Maia 300 – Tredje generation, forventes offentliggjort til efteråret med bred TSMC-produktion til Azure-kunder i 2027 .

Svær fødsel: Maia 200-forsinkelser og personaleproblemer

Maia-programmet stødte på problemer med 200-generationen. Masseproduktionen af 'Braga'-chippen blev forsinket med mindst seks måneder, fra 2025 til 2026 . Adskillige rapporter, først bragt af The Information, tilskriver forsinkelsen flere sammenfaldende faktorer:

• Designændringer – herunder sene funktionsønske fra OpenAI, der tvang en større redesign . Rapporter indikerer, at nogle udviklingsteams oplevede en udskiftningsrate på op til 20% på grund af ledelsens pres for at færdiggøre designet inden for året .
• Bemandingsproblemer – ingeniørmangel og høj udskiftning i teams bremsede udviklingen betydeligt .
• Præstationsbekymringer – Maia 200 forventedes at præstere dårligere end Nvidias Blackwell-platform, hvilket udvidede det konkurrencemæssige gab .

Tilbageslaget tvang Microsoft til at justere sin overordnede chip-køreplan, herunder at udskyde de mere ambitiøse 'Braga-R'- og 'Cleato'-design til 2028 eller senere .

Strategisk mål: Reduceret afhængighed af Nvidia

Maia 300 markerer et stort skift fra interne eksperimenter til ekstern tilgængelighed. Vigtige detaljer omfatter:

• Microsoft er i forhandlinger med TSMC om at sikre produktionskapacitet til mere end 300.000 Maia 300-enheder, med levering planlagt til 2027 . Det langsigtede mål angiveligt overstiger 1 million chips .
• Chippen forventes at levere over 30% flere tokens per dollar end den nyeste chip i Microsofts flåde, ifølge en intern påstand .
• Microsoft sigter mod at tilbyde Maia 300 bredt til Azure-kunder og målretter store AI-arbejdsbelastninger som Anthropic som potentielle eksterne kunder .
• At reducere afhængigheden af dyre Nvidia-processorer er kernemotivationen – Microsoft er en af Nvidias største kunder, og egne chips giver bedre kontrol over forsyning, omkostningsstruktur og margin .

Konkurrencelandskab: Egne AI-chips fra cloud-rivaler

Microsoft er på bagkant. Både Google og Amazon har allerede modne programmer for egne chips, der er længere fremme i tilgængelighed og skala:

Google (TPU) – Det mest modne program. TPU Trillium (v6e) er bredt tilgængelig på Google Cloud, og TPU v7 'Ironwood' er den nyeste generation. Googles TPU v5p driver Gemini-træning i massiv skala (pods med 8.960 chips) . Google opnår angiveligt ~4× bedre pris/ydelse end H100-instanser til LLM-arbejdsbelastninger og har drevet Cloud-margener til 36% gennem chip-effektivitet .

Amazon (Trainium/Inferentia) – Trainium2 og Trainium3 er produktionsklare på AWS via EC2 Trn-instanser. Trainium3 blev generelt tilgængelig ved re:Invent i december 2025. Amazon vinder gennem distribution – udlejer Trainium-kapacitet til både Anthropic og OpenAI og driver 37% AWS-vækst .

Vigtig forskel for Microsoft: Googles og Amazons egne chips er allerede direkte tilgængelige for cloud-kunder som lejbar regnekraft. Microsofts Maia 100 og 200 var stort set interne – kun brugt til Microsofts egne arbejdsbelastninger . Med Maia 300 er Microsofts mål at lukke dette hul ved at gøre chippen til et offentligt tilgængeligt Azure-tilbud, ikke kun en privat infrastrukturløsning .

Konklusion

Maia 300 ankommer efter en vaklende start – Maia 200-forsinkelserne afslørede svagheder i design, bemanding og udførelse. Microsofts satsning er, at tredjegenerations-chippen endelig når den skala og åbenhed, som Googles TPU'er og Amazons Trainium har. Hvis den når sit mål på 300.000+ enheder og leverer de påståede effektivitetsgevinster, kan det markant ændre Microsofts AI-infrastrukturøkonomi og give Azure-kunder et reelt Nvidia-alternativ. Men Microsoft er fortsat den mindste aktør i et kapløb, hvor Google og Amazon allerede har beviste, bredt tilgængelige programmer for egne chips.

Maia-chip-familien

Microsofts rejse med egne AI-chips startede offentligt i november 2023. Sådan sammenlignes generationerne:

• Maia 100 – Annonceret november 2023. Første generation, primært brugt internt i Microsoft til begrænsede Azure AI-opgaver .
• Maia 200 – Præsenteret januar 2026 (kodenavn Braga). Anden generation, udrullet i Microsofts egne datacentre. Chippen ankom seks måneder forsinket i forhold til den oprindelige tidsplan fra midten af 2025 .
• Maia 300 – Tredje generation, forventes offentliggjort til efteråret med bred TSMC-produktion til Azure-kunder i 2027 .

Svær fødsel: Maia 200-forsinkelser og personaleproblemer

Maia-programmet stødte på problemer med 200-generationen. Masseproduktionen af 'Braga'-chippen blev forsinket med mindst seks måneder, fra 2025 til 2026 . Adskillige rapporter, først bragt af The Information, tilskriver forsinkelsen flere sammenfaldende faktorer:

• Designændringer – herunder sene funktionsønske fra OpenAI, der tvang en større redesign . Rapporter indikerer, at nogle udviklingsteams oplevede en udskiftningsrate på op til 20% på grund af ledelsens pres for at færdiggøre designet inden for året .
• Bemandingsproblemer – ingeniørmangel og høj udskiftning i teams bremsede udviklingen betydeligt .
• Præstationsbekymringer – Maia 200 forventedes at præstere dårligere end Nvidias Blackwell-platform, hvilket udvidede det konkurrencemæssige gab .

Tilbageslaget tvang Microsoft til at justere sin overordnede chip-køreplan, herunder at udskyde de mere ambitiøse 'Braga-R'- og 'Cleato'-design til 2028 eller senere .

Strategisk mål: Reduceret afhængighed af Nvidia

Maia 300 markerer et stort skift fra interne eksperimenter til ekstern tilgængelighed. Vigtige detaljer omfatter:

• Microsoft er i forhandlinger med TSMC om at sikre produktionskapacitet til mere end 300.000 Maia 300-enheder, med levering planlagt til 2027 . Det langsigtede mål angiveligt overstiger 1 million chips .
• Chippen forventes at levere over 30% flere tokens per dollar end den nyeste chip i Microsofts flåde, ifølge en intern påstand .
• Microsoft sigter mod at tilbyde Maia 300 bredt til Azure-kunder og målretter store AI-arbejdsbelastninger som Anthropic som potentielle eksterne kunder .
• At reducere afhængigheden af dyre Nvidia-processorer er kernemotivationen – Microsoft er en af Nvidias største kunder, og egne chips giver bedre kontrol over forsyning, omkostningsstruktur og margin .

Konkurrencelandskab: Egne AI-chips fra cloud-rivaler

Microsoft er på bagkant. Både Google og Amazon har allerede modne programmer for egne chips, der er længere fremme i tilgængelighed og skala:

Google (TPU) – Det mest modne program. TPU Trillium (v6e) er bredt tilgængelig på Google Cloud, og TPU v7 'Ironwood' er den nyeste generation. Googles TPU v5p driver Gemini-træning i massiv skala (pods med 8.960 chips) . Google opnår angiveligt ~4× bedre pris/ydelse end H100-instanser til LLM-arbejdsbelastninger og har drevet Cloud-margener til 36% gennem chip-effektivitet .

Amazon (Trainium/Inferentia) – Trainium2 og Trainium3 er produktionsklare på AWS via EC2 Trn-instanser. Trainium3 blev generelt tilgængelig ved re:Invent i december 2025. Amazon vinder gennem distribution – udlejer Trainium-kapacitet til både Anthropic og OpenAI og driver 37% AWS-vækst .

Vigtig forskel for Microsoft: Googles og Amazons egne chips er allerede direkte tilgængelige for cloud-kunder som lejbar regnekraft. Microsofts Maia 100 og 200 var stort set interne – kun brugt til Microsofts egne arbejdsbelastninger . Med Maia 300 er Microsofts mål at lukke dette hul ved at gøre chippen til et offentligt tilgængeligt Azure-tilbud, ikke kun en privat infrastrukturløsning .

Konklusion

Maia 300 ankommer efter en vaklende start – Maia 200-forsinkelserne afslørede svagheder i design, bemanding og udførelse. Microsofts satsning er, at tredjegenerations-chippen endelig når den skala og åbenhed, som Googles TPU'er og Amazons Trainium har. Hvis den når sit mål på 300.000+ enheder og leverer de påståede effektivitetsgevinster, kan det markant ændre Microsofts AI-infrastrukturøkonomi og give Azure-kunder et reelt Nvidia-alternativ. Men Microsoft er fortsat den mindste aktør i et kapløb, hvor Google og Amazon allerede har beviste, bredt tilgængelige programmer for egne chips.