Microsoft Maia 300: Nadzieja na przełamanie dominacji Nvidii

Geneza układów Maia: od eksperymentu do strategii

Microsoft oficjalnie ogłosił swój program autorskich układów AI w listopadzie 2023 roku. Oto jak wyglądała ewolucja:

• Maia 100 – ogłoszona w listopadzie 2023, pierwsza generacja używana głównie wewnętrznie przez Microsoft do ograniczonych obciążeń AI w Azure .
• Maia 200 – zaprezentowana w styczniu 2026 roku (o kryptonimie Braga). Druga generacja, wdrożona w centrach danych Microsoftu. Układ trafił na rynek z sześciomiesięcznym opóźnieniem; pierwotnie planowano go na połowę 2025 roku .
• Maia 300 – trzecia generacja, której publiczna premiera spodziewana jest tej jesieni. Produkcja w TSMC ma ruszyć na szeroką skalę, a dostawy do klientów Azure zaplanowano na 2027 rok .

Wyboista droga: opóźnienia Maia 200 i problemy kadrowe

Program Maia poważnie utknął na etapie 200. Produkcja masowa układu "Braga" opóźniła się o co najmniej sześć miesięcy, z 2025 na 2026 rok . Według doniesień, głównie portalu The Information, na opóźnienie złożyło się kilka czynników:

• Zmiany w projekcie – w tym późne prośby o dodanie funkcji ze strony OpenAI, co wymusiło gruntowną przebudowę . Niektóre zespoły programistyczne odnotowały rotację pracowników sięgającą 20% z powodu presji kierownictwa na ukończenie projektu w ciągu roku .
• Problemy kadrowe – niedobór inżynierów i wysoka rotacja w zespołach znacząco spowolniły prace .
• Obawy o wydajność – oczekiwano, że Maia 200 będzie słabsza od platformy Blackwell Nvidii, co pogłębiało dystans konkurencyjny .

Te niepowodzenia zmusiły Microsoft do przeglądu całej drogowskazu układów, w tym przesunięcia bardziej ambitnych projektów "Braga-R" i "Cleato" na rok 2028 lub później .

Cel strategiczny: uniezależnienie się od Nvidii

Maia 300 to zasadnicza zmiana podejścia – z wewnętrznych eksperymentów na szeroką dostępność zewnętrzną. Kluczowe szczegóły:

• Microsoft prowadzi rozmowy z TSMC w sprawie rezerwacji mocy produkcyjnych dla ponad 300 000 układów Maia 300 z planowaną dostawą w 2027 roku . Długoterminowy cel to ponoć ponad 1 milion chipów .
• Układ ma oferować ponad 30% więcej tokenów za dolara niż obecne procesory Microsoftu – wynika z wewnętrznych szacunków .
• Microsoft chce udostępnić Maia 300 szerokiemu gronu klientów Azure, w tym podmiotom realizującym duże projekty AI, takim jak Anthropic .
• Kluczowym motywem jest redukcja zależności od kosztownych procesorów Nvidii – Microsoft jest jednym z największych klientów Nvidii, a własne układy dają mu lepszą kontrolę nad łańcuchem dostaw, kosztami i marżami .

Krajobraz konkurencyjny: własne chipy AI gigantów chmurowych

Microsoft gra rolę doganiającego. Zarówno Google, jak i Amazon mają już dojrzałe programy własnych układów, które są bardziej zaawansowane pod względem dostępności i skali:

Google (TPU) – najbardziej dojrzały program. TPU Trillium (v6e) jest powszechnie dostępny w Google Cloud, a TPU v7 "Ironwood" to najnowsza generacja. TPU v5p napędza trenowanie modeli Gemini na ogromną skalę (klastry po 8 960 chipów) . Google osiąga podobno około 4-krotnie lepszy stosunek wydajności do ceny w porównaniu z instancjami H100, a efektywność krzemowa pomogła firmie podnieść marże Cloud do 36% .

Amazon (Trainium/Inferentia) – Trainium2 i Trainium3 są gotowe do produkcji na AWS poprzez instancje EC2 Trn. Trainium3 został ogólnie udostępniony na konferencji re:Invent w grudniu 2025 roku. Amazon wygrywa dzięki dystrybucji – udostępnia moce obliczeniowe Trainium zarówno Anthropicowi, jak i OpenAI, co napędza 37% wzrostu AWS .

Kluczowa różnica dla Microsoftu: układy Google i Amazon są już bezpośrednio dostępne dla klientów chmurowych jako wynajmowana moc obliczeniowa. Maia 100 i 200 Microsoftu były w dużej mierze zamknięte – używane tylko do wewnętrznych obciążeń . Z Maia 300 Microsoft chce tę lukę zapełnić, oferując układ jako publicznie dostępną usługę Azure, a nie tylko element prywatnej infrastruktury .

Perspektywy

Maia 300 pojawia się po chwiejnym starcie – opóźnienia Maia 200 ujawniły słabości w projektowaniu, kadrach i realizacji. Microsoft stawia na to, że trzecia generacja w końcu osiągnie skalę i otwartość TPU Google'a i Trainium Amazona. Jeśli uda się zrealizować cel 300 000+ sztuk i potwierdzić deklarowaną wydajność, może to znacząco zmienić ekonomikę infrastruktury AI Microsoftu i dać klientom Azure realną alternatywę dla Nvidii. Na razie jednak Microsoft pozostaje najmłodszym graczem w wyścigu, w którym Google i Amazon mają już sprawdzone i powszechnie dostępne programy własnych układów.