Microsoftilla on tekoälysiruja, mutta ei tarpeeksi paikkoja niiden käyttämiseen

Microsoftin tekoälyinfrastruktuurin ongelma on yhä selvemmin käyttöönotossa. Varastossa olevat sirut eivät tuota käyttökelpoista laskentatehoa ennen kuin ne on asennettu valmiisiin rakennuksiin, joissa on sähköä, jäähdytys, verkkoyhteydet ja niiden ylläpitoon tarvittava henkilöstö. Raporttien mukaan Microsoftilla on tuhansia kehittyneitä tekoälysiruja odottamassa, koska datakeskusten rakentaminen on jäänyt aikataulusta.

Tämä muuttaa suuren laitebudjetin hitaammaksi tieksi liikevaihtoon. Azure-palvelun kysynnän kerrotaan ylittävän saatavilla olevan kapasiteetin, kun taas sähkö ja käyttövalmis datakeskustila rajoittavat sitä, kuinka nopeasti Microsoft voi ottaa uusia tekoälykiihdyttimiä käyttöön.

Mitä pullonkaula merkitsee Azurelle ja Copilotille?

Kyse ei ole siitä, että Azure OpenAI tai Copilot lakkaisivat toimimasta. Ongelma on siinä, että Microsoftilla on vähemmän liikkumavaraa ottaa uusia asiakkaita, kasvattaa palvelujen läpimenoa, avata uusia alueita tai siirtää laskentatehoa kaupallisten asiakkaiden ja omien tuotteidensa välillä.

Azure-asiakkaalle tämä voi näkyä alueellisena kapasiteettipulana, hitaampana käyttöönottona tai suuritehoisen laskennan tiukempana jakamisena. Microsoftille taloudellinen vaikutus on yhtä olennainen: asentamaton kiihdytin ei tuota lainkaan päättelykapasiteettia, ja toimiva työkuorma voi joutua pyörimään kalliimmalla yleiskäyttöisellä raudalla.

Copilot on erityisen riippuvainen tästä yhtälöstä, koska sen kannattavuus perustuu valtavan pyyntömäärän palvelemiseen ennustettavalla kustannuksella. Tehokkaampi kiihdytin voi parantaa taloutta – mutta vasta sen jälkeen, kun siru on liitetty toimivaan laskentaklusteriin.

Maia 200 auttaa kustannuksiin, ei sähkön saatavuuteen

Microsoftin Maia 200 on suunniteltu ennen kaikkea päättelyyn eli vaiheeseen, jossa koulutetut mallit muodostavat vastauksia. Microsoftin mukaan siru tarjoaa parempaa FP4- ja FP8-suorituskykyä kuin AWS:n ja Googlen vastaavat kiihdyttimet. Kyse on kuitenkin yhtiön omista toimittajan ilmoittamista vertailuista, ei riippumattomista päästä päähän -testeistä.

Muun raportoinnin mukaan Maia 200:n käyttökustannusetu olisi Microsoftin ja OpenAI:n työkuormissa noin 30–40 prosenttia verrattuna Nvidian tehokkaimpiin siruihin. Luku on raportoitu arvio, eikä se ole tae samanlaisesta tuloksesta kaikilla malleilla, ohjelmistopinoilla tai käyttöasteilla.

Strateginen ajatus on silti selvä: jos Maia toimii odotetusti tuotantomittakaavassa, Microsoft voi vähentää riippuvuuttaan Nvidiasta tietyissä päättelytehtävissä ja parantaa esimerkiksi Copilotin ja Azure OpenAI:n kustannusrakennetta. Räätälöity piiri ei kuitenkaan poista sen ympärillä olevia fyysisiä vaatimuksia. Maia tarvitsee edelleen suurikaistaista muistia, paketointia, verkkolaitteet, palvelintelineet, jäähdytyksen ja saatavilla olevat megawatit.

Toisin sanoen Maia voi parantaa käynnissä olevan datakeskuksen taloutta. Se ei saa keskeneräistä tai sähköistämätöntä datakeskusta toimimaan.

Maia 300 on mittakaavaveto, ei vielä käytössä olevaa kapasiteettia

Reuters kertoi, että Microsoft aikoo julkistaa Maia 300:n mahdollisesti jo syksyllä ja neuvottelee TSMC:n kanssa yli 300 000 sirun valmistuskapasiteetista vuoden 2027 toimituksiin. Pidemmän aikavälin tavoitteeksi on kuvattu yli miljoona yksikköä.

Lukuja on kuitenkin syytä pitää neuvotteluihin perustuvina suunnitelmina, ei vahvistettuina toimituksina. Microsoft kiistää raportoidut määrät. Vaikka valimokapasiteetti varmistuisi, Microsoftin pitäisi vielä hankkia muisti ja muut komponentit, integroida järjestelmät sekä asentaa ne sähköistettyihin tiloihin.

Jos tuotannon ylösajo onnistuu, Maia 300 voisi muuttaa Microsoftin omien piirien hankkeen rajatummasta sisäisestä ohjelmasta merkittäväksi vaihtoehtoiseksi päättelykapasiteetin lähteeksi. Onnistuminen riippuu ajoituksesta: valmistuksen, järjestelmäintegraation ja datakeskusten valmiuden on edettävä samassa tahdissa.

AWS ja Google ovat käyttöönotossa edellä

AWS:llä on kypsempi omien tekoälykiihdytinten kokonaisuus. Amazon on kertonut, että kolmen sukupolven Trainium-piirejä on käytössä 1,4 miljoonaa ja että Anthropic käyttää Clauden ajamiseen yli miljoonaa Trainium2-piiriä, TechCrunchin mukaan. AWS:llä on lisäksi Inferentia erillisenä päättelyyn keskittyvänä tuoteperheenä, joten yhtiöllä on kokemusta sekä mallien kouluttamisesta että niiden palvelemisesta.

Googlen TPU-ohjelmalla on vielä pidempi tuotantohistoria. Sen Ironwood-arkkitehtuurin kerrotaan skaalautuvan 9 216 sirun pod-kokonaisuuksiin. Muissa raporteissa Anthropicille on kuvattu jopa miljoonan Google TPU:n käyttömahdollisuutta, mutta kyse on kapasiteettisitoumuksesta, eikä sitä pidä tulkita varmaksi vertailuksi asennettujen sirujen määrästä.

Microsoftin, AWS:n ja Googlen tekoälypiirien kokonaismääriä ei voi julkisten tietojen perusteella asettaa siistiin paremmuusjärjestykseen. Yhtiöt laskevat eri sukupolvia, työkuormia, omistusmalleja ja käsitteitä kuten ”asennettu”, ”käytössä” ja ”varattu kapasiteetti”. Varovaisempi johtopäätös on tämä: AWS ja Google vaikuttavat olevan edellä omien piirien kypsässä käyttöönotossa ja operoinnissa, kun taas Microsoft yrittää kuroa eroa umpeen Maialla.

Koko toimialan pula vaikeuttaa kiinnikuromista

Microsoft ei ole rajoitteiden kanssa yksin. Ars Technican referoiman raportin mukaan noin 40 prosenttia Yhdysvaltoihin vuodelle 2026 suunnitelluista datakeskushankkeista oli vaarassa viivästyä. Syiksi mainittiin työvoiman, sähkön ja materiaalien puute sekä lupaprosessien haasteet.

Myös muisti on pullonkaula. Toimialaraporttien mukaan datakeskukset saattavat kuluttaa yli 70 prosenttia huippuluokan muistituotannosta vuonna 2026. Synopsysin toimitusjohtaja puolestaan arvioi CNBC:lle, että puolijohdepula voi jatkua vuosina 2026 ja 2027. Tämä voi nostaa kustannuksia ja pidentää toimitusaikoja myös muilla toimialoilla, vaikka vaikutus vaihtelee muistityypin, toimittajan ja sopimusten mukaan.

Tällaiset olosuhteet voivat kasvattaa kuilua suunnitellun ja tosiasiassa käytettävissä olevan tekoälykapasiteetin välillä. Yritykset, joilla on valmiiksi sähköistettyjä tontteja, aiemmin varattua verkkokapasiteettia, kypsät toimitusketjut ja suuret toimivat klusterit, voivat lisätä työkuormia samalla kun uudemmat hankkeet odottavat muuntajia, jäähdytysjärjestelmiä, ammattitaitoista työvoimaa tai verkkoliitäntää.

Johtopäätös: Microsoftin haaste on toteutusjärjestys

Datakeskusten viivästykset eivät tee Microsoftin tekoälystrategiasta tyhjää, mutta ne tekevät siitä erittäin riippuvaisen toteutuksen järjestyksestä. Yhtiö voi ostaa kiihdyttimiä, suunnitella Maia-piirejä ja neuvotella valmistussopimuksia. Mikään näistä toimista ei yksin tuota asiakkaille tarjottavaa laskentatehoa.

Lyhyellä aikavälillä riskinä on Azuren kapasiteetin hitaampi kasvu ja Copilotin sekä Azure OpenAI:n päättelyn korkeampi rajakustannus. Kilpailuriski syntyy siitä, että AWS ja Google voivat hyödyntää jo käytössä olevia omia piirejään parantaakseen hintaa, saatavuutta ja kehittäjien tuntemusta ennen kuin Microsoftin seuraavat laitokset ja Maia-sirut ovat tuotantokäytössä.

Maia 200 voi pienentää kustannuksia, kun Microsoft pystyy ottamaan sitä käyttöön suuressa mittakaavassa. Maia 300 voi monipuolistaa tarjontaa vuonna 2027, jos raportoitu valmistussuunnitelma toteutuu. Siihen asti Microsoftin keskeinen tekoälyinfrastruktuurin ongelma on yksinkertainen mutta vaikea ratkaista: ostetut sirut ja kunnianhimoiset suunnitelmat on muutettava sähköistetyksi, tuotantovalmiiksi kapasiteetiksi.