Главное ограничение ИИ Microsoft — не чипы, а электричество для дата-центров

Иными словами, купленные чипы пока могут оставаться капитальными затратами, а не производственной мощностью.

Maia 200 снижает стоимость, но не создаёт электричество

Maia 200 — собственный ускоритель Microsoft, рассчитанный прежде всего на инференс, то есть на генерацию ответов уже обученными моделями. Microsoft заявляет, что чип обеспечивает более высокую производительность в форматах FP4 и FP8, чем сопоставимые ускорители AWS и Google. Однако это сравнение, представленное самой компанией, а не независимый сквозной тест.

По другим сообщениям, эксплуатация Maia 200 может обходиться Microsoft и OpenAI примерно на 30–40% дешевле, чем использование ведущих решений Nvidia. Это оценка из публикаций, а не гарантированный результат для любой модели, программного стека или уровня загрузки.

Стратегическая логика понятна: если Maia покажет заявленные показатели в промышленном масштабе, Microsoft сможет уменьшить зависимость от Nvidia в отдельных задачах инференса и улучшить экономику Copilot и Azure OpenAI. Но собственный чип не отменяет физических требований к инфраструктуре. Maia всё равно нужны высокоскоростная память, упаковка, сетевое оборудование, стойки, охлаждение и доступные мегаватты электроэнергии.

Maia может сделать работающий дата-центр выгоднее. Но она не способна запустить недостроенный или неподключённый объект.

Maia 300 — ставка на масштаб, а не уже доступная мощность

Reuters сообщило, что Microsoft планирует представить Maia 300 уже этой осенью. По данным публикации, компания обсуждает с TSMC производственные мощности для выпуска более 300 000 чипов с поставками в 2027 году. В долгосрочной перспективе Microsoft, как сообщается, рассчитывает получить мощности более чем для миллиона устройств.

Эти цифры следует воспринимать как планы, находящиеся на стадии переговоров, а не как подтверждённые поставки. Microsoft оспаривает приведённые данные. Кроме того, даже согласованные мощности TSMC не решат задачу полностью: Microsoft ещё предстоит получить память и другие компоненты, интегрировать системы и установить их на объектах с готовым электроснабжением.

Если этот план будет реализован, Maia 300 сможет превратить собственную разработку Microsoft из сравнительно ограниченной внутренней программы в значимый альтернативный источник вычислительной мощности для инференса. Успех будет зависеть от синхронности нескольких этапов: производства чипов, интеграции систем и готовности дата-центров.

AWS и Google получили преимущество на этапе развёртывания

У AWS уже более зрелая линейка собственных ускорителей. Amazon заявляет, что в эксплуатации находятся 1,4 млн чипов Trainium трёх поколений, причём более миллиона Trainium2 используются для работы Claude компании Anthropic, по данным TechCrunch. Кроме того, AWS развивает Inferentia как отдельную линейку ускорителей для инференса. Это даёт Amazon опыт как в обучении моделей, так и в их обслуживании.

У Google программа TPU имеет ещё более длительную историю промышленной эксплуатации. Архитектура Ironwood, например, описывается как масштабируемая до подов на 9 216 чипов. В других публикациях говорится, что Anthropic может получить доступ к миллиону Google TPU, однако это обязательство по предоставлению мощности, а не точное сравнение уже установленного парка.

Публичных данных для корректного сравнения общего количества ИИ-чипов Microsoft, AWS и Google по принципу «один к одному» нет. Компании по-разному считают поколения ускорителей, типы нагрузок, модели владения, а также понятия «установленная», «развёрнутая» и «зарезервированная» мощность.

Осторожный вывод выглядит так: AWS и Google, вероятно, опережают Microsoft по зрелости развёртывания собственных чипов и операционному опыту, а Microsoft пытается сократить разрыв с помощью Maia.

Отраслевой дефицит может увеличить отставание

Microsoft сталкивается с проблемой не в одиночку. Согласно пересказу исследования Ars Technica, около 40% проектов дата-центров в США, запланированных на 2026 год, оказались под угрозой задержки из-за нехватки рабочих рук, электроэнергии и материалов, а также сложностей с разрешениями.

Ещё одним ограничением становится память. Отраслевые прогнозы предполагают, что в 2026 году дата-центры могут потребить более 70% производства высокопроизводительной памяти, тогда как глава Synopsys заявил, что дефицит полупроводников способен продолжаться в 2027 году. Это может повышать стоимость и увеличивать сроки поставок для других отраслей, хотя эффект зависит от типа памяти, поставщика и условий контрактов.

Так формируется разрыв между запланированной и реально доступной ИИ-мощностью. Компании, у которых уже есть подключённые площадки, заранее зарезервированные ресурсы энергосетей, отлаженные цепочки поставок и крупные действующие кластеры, могут продолжать наращивать нагрузки. Новые объекты тем временем ждут трансформаторы, системы охлаждения, квалифицированных специалистов или подключения к сети.

Стратегический вывод

Задержки дата-центров не обнуляют ИИ-стратегию Microsoft, но делают её крайне зависимой от последовательности исполнения. Компания может купить ускорители, спроектировать чипы Maia и заключить соглашения с производителями — ни один из этих шагов сам по себе не создаёт вычислительную мощность для клиентов.

В ближайшей перспективе главный риск — более медленный рост доступных мощностей Azure и более высокая предельная стоимость инференса для Copilot и Azure OpenAI. Конкурентная угроза заключается в том, что AWS и Google смогут использовать уже работающие собственные чипы, чтобы раньше Microsoft предложить более выгодные цены, стабильную доступность и привычные инструменты для разработчиков.

Maia 200 может сократить расходы после масштабного развёртывания. Maia 300 способна диверсифицировать поставки в 2027 году, если заявленный производственный план станет реальностью. Но пока Microsoft должна решить более базовую задачу: превратить купленные чипы и амбициозные планы в подключённую и готовую к промышленной эксплуатации инфраструктуру.