Microsoft Maia 300: Der KI-Chip, der Nvidia endlich herausfordern könnte

Die Maia-Chip-Familie

Microsofts Reise in die Welt der eigenen KI-Halbleiter begann öffentlich im November 2023. Die Generationen im Überblick:

• Maia 100 – Angekündigt im November 2023. Erste Generation, die hauptsächlich intern für begrenzte Azure-KI-Workloads genutzt wurde .
• Maia 200 – Vorgestellt im Januar 2026 (Codename Braga). Zweite Generation, die in den eigenen Rechenzentren von Microsoft zum Einsatz kommt. Der Chip kam mit einer Verspätung von einem halben Jahr, ursprünglich war er für Mitte 2025 geplant .
• Maia 300 – Dritte Generation, die Medienberichten zufolge im Herbst 2026 öffentlich vorgestellt werden soll. Eine breite Produktion bei TSMC für Azure-Kunden wird für 2027 erwartet .

Holprige Entwicklung: Verzögerungen und Personalprobleme beim Maia 200

Das Maia-Programm geriet mit dem 200er-Modell ins Stocken. Die Massenproduktion des "Braga"-Chips verzögerte sich um mindestens sechs Monate, von 2025 auf 2026 . Mehrere Berichte, die ursprünglich von The Information veröffentlicht wurden, führen die Verzögerung auf mehrere Faktoren zurück:

• Designänderungen – darunter späte Funktionswünsche von OpenAI, die eine grundlegende Überarbeitung des Designs erzwangen . Berichten zufolge verzeichneten einige Entwicklungsteams aufgrund des Drucks der Geschäftsleitung, das Design innerhalb eines Jahres abzuschließen, eine Fluktuation von bis zu 20 % .
• Personalprobleme – Ingenieurmangel und eine hohe Fluktuation in den Teams bremsten die Entwicklung erheblich aus .
• Leistungsbedenken – Es wurde erwartet, dass der Maia 200 im Vergleich zu Nvidias Blackwell-Plattform leistungsschwächer sein würde, was die Wettbewerbslücke vergrößerte .

Der Rückschlag zwang Microsoft, seine gesamte Chip-Roadmap zu überdenken. Dies beinhaltete auch die Verschiebung des ambitionierteren "Braga-R"-Designs und des "Cleato"-Chips auf 2028 oder später .

Strategisches Ziel: Weniger Abhängigkeit von Nvidia

Der Maia 300 stellt eine bedeutende Kehrtwende dar: vom internen Experiment zur externen Verfügbarkeit. Die wichtigsten Details:

• Microsoft führt Gespräche mit TSMC, um Fertigungskapazitäten für mehr als 300.000 Maia-300-Einheiten zu sichern, deren Auslieferung für 2027 geplant ist . Das langfristige Ziel liegt Berichten zufolge bei über einer Million Chips .
• Es wird erwartet, dass der Chip über 30 % mehr Tokens pro Dollar liefert als die aktuell beste Silizium-Generation in Microsofts Flotte, so ein berichteter interner Anspruch .
• Microsoft will den Maia 300 einem breiten Kreis von Azure-Kunden anbieten und zielt dabei auf große KI-Workloads ab – beispielsweise von Anthropic als potenzielle externe Kunden .
• Die Verringerung der Abhängigkeit von teuren Nvidia-Prozessoren ist der Kern der Motivation. Microsoft ist einer der größten Nvidia-Kunden, und eigene Chips verschaffen ihm eine bessere Kontrolle über die Lieferkette, die Kostenstruktur und die Margen .

Wettbewerbsumfeld: Kundenspezifische KI-Chips der Cloud-Rivalen

Microsoft spielt auf diesem Feld derzeit noch Aufholjagd. Sowohl Google als auch Amazon verfügen bereits über ausgereifte Programme für kundenspezifische Chips, die in Bezug auf Verfügbarkeit und Skalierung weiter fortgeschritten sind:

Google (TPU) – Das ausgereifteste Programm. Der TPU Trillium (v6e) ist auf Google Cloud weit verbreitet, und der TPU v7 "Ironwood" ist die neueste Generation. Googles TPU v5p betreibt das Training von Gemini in enormem Maßstab (Pods mit 8.960 Chips) . Google erreicht Berichten zufolge ein etwa viermal besseres Preis-Leistungs-Verhältnis als H100-Instanzen für LLM-Workloads und hat die Cloud-Margen durch Silizium-Effizienz auf 36 % gesteigert .

Amazon (Trainium/Inferentia) – Trainium2 und Trainium3 sind auf AWS über EC2-Trn-Instanzen produktionsbereit. Trainium3 wurde auf der re:Invent im Dezember 2025 allgemein verfügbar. Amazon punktet durch seine Vertriebsstärke – es vermietet Trainium-Kapazität sowohl an Anthropic als auch an OpenAI und treibt damit 37 % des AWS-Wachstums an .

Der entscheidende Unterschied für Microsoft: Die kundenspezifischen Chips von Google und Amazon sind bereits direkt für Cloud-Kunden als mietbare Rechenleistung verfügbar. Microsofts Maia 100 und 200 waren dagegen weitgehend gefangen – sie wurden nur für die eigenen internen Workloads von Microsoft genutzt . Mit dem Maia 300 will Microsoft diese Lücke schließen, indem der Chip zu einem öffentlich verfügbaren Azure-Angebot wird, und nicht nur eine private Infrastrukturlösung bleibt .

Fazit

Der Maia 300 kommt nach einem holprigen Start – die Verzögerungen beim Maia 200 legten Schwächen im Design, bei der Personalausstattung und in der Umsetzung offen. Microsoft wettet darauf, dass der Chip der dritten Generation endlich die Skalierung und Offenheit von Googles TPUs und Amazons Trainium erreicht. Wenn er das Ziel von über 300.000 Einheiten erreicht und die behaupteten Effizienzsteigerungen liefert, könnte dies die KI-Infrastruktur-Ökonomie von Microsoft spürbar verändern und Azure-Kunden eine echte Alternative zu Nvidia bieten. Dennoch bleibt Microsoft der Nachzügler in einem Rennen, in dem Google und Amazon bereits über erwiesenermaßen leistungsfähige und breit verfügbare kundenspezifische Siliziumprogramme verfügen.