La Storia dei Chip Maia

Il percorso di Microsoft nel silicio AI custom è iniziato pubblicamente nel novembre 2023. Ecco come si confrontano le generazioni:

• Maia 100 — Annunciato a novembre 2023. Prima generazione, utilizzato principalmente internamente da Microsoft per carichi di lavoro Azure AI limitati .
• Maia 200 — Svelato a gennaio 2026 (nome in codice Braga). Seconda generazione, distribuito all'interno dei data center di Microsoft. Il chip è arrivato con sei mesi di ritardo, rispetto alla data prevista di metà 2025 .
• Maia 300 — Terza generazione, il cui annuncio pubblico è atteso per l'autunno, con una produzione di massa affidata a TSMC prevista per il 2027 per i clienti Azure .

Uno Sviluppo Turbolento: I Ritardi del Maia 200 e i Problemi di Personale

Il programma Maia ha incontrato le prime turbolenze con il modello 200. La produzione di massa del chip "Braga" è slittata di almeno sei mesi, passando dal 2025 al 2026 . Diverse fonti, a partire da un'inchiesta di The Information, attribuiscono il ritardo a una serie di fattori concomitanti:

• Modifiche di progettazione — incluse richieste di funzionalità avanzate da parte di OpenAI che hanno imposto una riprogettazione sostanziale . Secondo alcune fonti, la pressione del management per completare il progetto entro l'anno ha portato a un turnover che in alcuni team ha raggiunto il 20% .
• Carenza di personale — la mancanza di ingegneri e un alto tasso di turnover hanno rallentato significativamente lo sviluppo .
• Problemi di performance — c'era il timore che il Maia 200 potesse essere meno performante della piattaforma Blackwell di Nvidia, ampliando il divario competitivo .

Questo scivolone ha costretto Microsoft a ricalibrare la sua roadmap, posticipando i progetti più ambiziosi come il chip "Braga-R" e il "Cleato" al 2028 o oltre .

Obiettivo Strategico: Ridurre la Dipendenza da Nvidia

Il Maia 300 rappresenta un cambiamento radicale, passando da un esperimento interno a una disponibilità esterna. I dettagli chiave includono:

• Microsoft è in trattative con TSMC per assicurarsi una capacità produttiva di oltre 300.000 unità di Maia 300, con consegna prevista per il 2027 . L'obiettivo a lungo termine, secondo le stime, supera 1 milione di chip .
• Il chip dovrebbe offrire oltre il 30% di token in più per dollaro rispetto al silicio più recente nella flotta Microsoft .
• L'azienda mira a offrire il Maia 300 su larga scala ai clienti Azure, con l'obiettivo di attrarre grandi carichi di lavoro AI, inclusi quelli di aziende come Anthropic .
• La motivazione principale è ridurre la dipendenza dai costosi processori Nvidia. Essendo uno dei più grandi clienti di Nvidia, il silicio interno offre a Microsoft un maggiore controllo sulla fornitura, migliori margini e una struttura di costo più favorevole .

Panorama Competitivo: Il Silicio AI Custom dei Colossi del Cloud

Microsoft è in una posizione di rincorsa. Sia Google che Amazon hanno già programmi di chip custom maturi e più avanti in termini di disponibilità e scala:

Google (TPU) — Il programma più maturo. Le TPU Trillium (v6e) sono ampiamente disponibili su Google Cloud, con la TPU v7 "Ironwood" come ultima generazione. La TPU v5p di Google alimenta l'addestramento di Gemini su scala massiccia (podi da 8.960 chip) . Google ottiene un rapporto prezzo-prestazioni circa 4 volte superiore rispetto alle istanze H100 per carichi LLM, portando i margini del Cloud al 36% grazie all'efficienza del silicio .

Amazon (Trainium/Inferentia) — Trainium2 e Trainium3 sono pronti per la produzione su AWS tramite le istanze EC2 Trn. Trainium3 è diventato disponibile a livello generale al re:Invent del dicembre 2025. Amazon vince attraverso la distribuzione, affittando la capacità di Trainium sia ad Anthropic che a OpenAI, alimentando una crescita del 37% di AWS .

Differenza chiave per Microsoft: I chip custom di Google e Amazon sono già direttamente disponibili per i clienti cloud come risorse di calcolo a noleggio. I Maia 100 e 200 di Microsoft erano in gran parte "captive", utilizzati solo per i carichi di lavoro interni di Microsoft . Con il Maia 300, l'obiettivo è colmare questo divario, rendendo il chip un'offerta Azure pubblica, non solo un'infrastruttura privata .

In Sintesi

Il Maia 300 arriva dopo un inizio stentato. I ritardi del Maia 200 hanno messo in luce debolezze nella progettazione, nell'organico e nell'esecuzione. La scommessa di Microsoft è che il chip di terza generazione raggiunga finalmente la scala e l'apertura delle TPU di Google e del Trainium di Amazon. Se raggiungerà l'obiettivo di oltre 300.000 unità e offrirà i guadagni di efficienza promessi, potrebbe rimodellare in modo significativo l'economia dell'infrastruttura AI di Microsoft e offrire ai clienti Azure una valida alternativa a Nvidia. Resta comunque l'ultimo arrivato in una corsa in cui Google e Amazon hanno già programmi di silicio custom consolidati e ampiamente disponibili.

La Storia dei Chip Maia

Il percorso di Microsoft nel silicio AI custom è iniziato pubblicamente nel novembre 2023. Ecco come si confrontano le generazioni:

• Maia 100 — Annunciato a novembre 2023. Prima generazione, utilizzato principalmente internamente da Microsoft per carichi di lavoro Azure AI limitati .
• Maia 200 — Svelato a gennaio 2026 (nome in codice Braga). Seconda generazione, distribuito all'interno dei data center di Microsoft. Il chip è arrivato con sei mesi di ritardo, rispetto alla data prevista di metà 2025 .
• Maia 300 — Terza generazione, il cui annuncio pubblico è atteso per l'autunno, con una produzione di massa affidata a TSMC prevista per il 2027 per i clienti Azure .

Uno Sviluppo Turbolento: I Ritardi del Maia 200 e i Problemi di Personale

Il programma Maia ha incontrato le prime turbolenze con il modello 200. La produzione di massa del chip "Braga" è slittata di almeno sei mesi, passando dal 2025 al 2026 . Diverse fonti, a partire da un'inchiesta di The Information, attribuiscono il ritardo a una serie di fattori concomitanti:

• Modifiche di progettazione — incluse richieste di funzionalità avanzate da parte di OpenAI che hanno imposto una riprogettazione sostanziale . Secondo alcune fonti, la pressione del management per completare il progetto entro l'anno ha portato a un turnover che in alcuni team ha raggiunto il 20% .
• Carenza di personale — la mancanza di ingegneri e un alto tasso di turnover hanno rallentato significativamente lo sviluppo .
• Problemi di performance — c'era il timore che il Maia 200 potesse essere meno performante della piattaforma Blackwell di Nvidia, ampliando il divario competitivo .

Questo scivolone ha costretto Microsoft a ricalibrare la sua roadmap, posticipando i progetti più ambiziosi come il chip "Braga-R" e il "Cleato" al 2028 o oltre .

Obiettivo Strategico: Ridurre la Dipendenza da Nvidia

Il Maia 300 rappresenta un cambiamento radicale, passando da un esperimento interno a una disponibilità esterna. I dettagli chiave includono:

• Microsoft è in trattative con TSMC per assicurarsi una capacità produttiva di oltre 300.000 unità di Maia 300, con consegna prevista per il 2027 . L'obiettivo a lungo termine, secondo le stime, supera 1 milione di chip .
• Il chip dovrebbe offrire oltre il 30% di token in più per dollaro rispetto al silicio più recente nella flotta Microsoft .
• L'azienda mira a offrire il Maia 300 su larga scala ai clienti Azure, con l'obiettivo di attrarre grandi carichi di lavoro AI, inclusi quelli di aziende come Anthropic .
• La motivazione principale è ridurre la dipendenza dai costosi processori Nvidia. Essendo uno dei più grandi clienti di Nvidia, il silicio interno offre a Microsoft un maggiore controllo sulla fornitura, migliori margini e una struttura di costo più favorevole .

Panorama Competitivo: Il Silicio AI Custom dei Colossi del Cloud

Microsoft è in una posizione di rincorsa. Sia Google che Amazon hanno già programmi di chip custom maturi e più avanti in termini di disponibilità e scala:

Google (TPU) — Il programma più maturo. Le TPU Trillium (v6e) sono ampiamente disponibili su Google Cloud, con la TPU v7 "Ironwood" come ultima generazione. La TPU v5p di Google alimenta l'addestramento di Gemini su scala massiccia (podi da 8.960 chip) . Google ottiene un rapporto prezzo-prestazioni circa 4 volte superiore rispetto alle istanze H100 per carichi LLM, portando i margini del Cloud al 36% grazie all'efficienza del silicio .

Amazon (Trainium/Inferentia) — Trainium2 e Trainium3 sono pronti per la produzione su AWS tramite le istanze EC2 Trn. Trainium3 è diventato disponibile a livello generale al re:Invent del dicembre 2025. Amazon vince attraverso la distribuzione, affittando la capacità di Trainium sia ad Anthropic che a OpenAI, alimentando una crescita del 37% di AWS .

Differenza chiave per Microsoft: I chip custom di Google e Amazon sono già direttamente disponibili per i clienti cloud come risorse di calcolo a noleggio. I Maia 100 e 200 di Microsoft erano in gran parte "captive", utilizzati solo per i carichi di lavoro interni di Microsoft . Con il Maia 300, l'obiettivo è colmare questo divario, rendendo il chip un'offerta Azure pubblica, non solo un'infrastruttura privata .

In Sintesi

Il Maia 300 arriva dopo un inizio stentato. I ritardi del Maia 200 hanno messo in luce debolezze nella progettazione, nell'organico e nell'esecuzione. La scommessa di Microsoft è che il chip di terza generazione raggiunga finalmente la scala e l'apertura delle TPU di Google e del Trainium di Amazon. Se raggiungerà l'obiettivo di oltre 300.000 unità e offrirà i guadagni di efficienza promessi, potrebbe rimodellare in modo significativo l'economia dell'infrastruttura AI di Microsoft e offrire ai clienti Azure una valida alternativa a Nvidia. Resta comunque l'ultimo arrivato in una corsa in cui Google e Amazon hanno già programmi di silicio custom consolidati e ampiamente disponibili.