Microsofts resa med egenutvecklade AI-chip påbörjades offentligt i november 2023. Så här ser generationerna ut:
Maia-programmet stötte på problem vid 200-stadiet. Massproduktionen av "Braga"-chippet försenades med minst sex månader, från 2025 till 2026 . Flera rapporter, inledningsvis från The Information, anger flera samverkande orsaker:
Motgången tvingade Microsoft att justera sin chip-utvecklingsplan, inklusive att skjuta upp de mer ambitiösa designerna "Braga-R" och "Cleato" till 2028 eller senare .
Maia 300 representerar en stor omställning från intern testning till externa kunder. Viktiga detaljer inkluderar:
Microsoft är i kapp. Både Google och Amazon har redan mogna program för egenutvecklade chip som är längre framme när det gäller tillgänglighet och skala:
Google (TPU) – Det mest mogna programmet. TPU Trillium (v6e) finns brett tillgängligt på Google Cloud, och TPU v7 "Ironwood" är den senaste generationen. Googles TPU v5p driver Gemini-träning i massiv skala (8 960-chip-poddar) . Google uppges uppnå cirka 4× bättre pris/prestanda än H100-instanser för stora språkmodeller och har drivit Cloud-marginalerna till 36 % genom kiseleffektivitet .
Amazon (Trainium/Inferentia) – Trainium2 och Trainium3 är produktionsklara på AWS via EC2 Trn-instanser. Trainium3 blev allmänt tillgängligt på re:Invent i december 2025. Amazon vinner genom distribution – de leasar Trainium-kapacitet till både Anthropic och OpenAI, och driver 37 % AWS-tillväxt .
Viktig skillnad för Microsoft: Googles och Amazons egna chip är redan direkt tillgängliga för molnkunder som uthyrbar datorkraft. Microsofts Maia 100 och 200 var i stort sett interna – de användes bara för Microsofts egna arbetsbelastningar . Med Maia 300 är målet att sluta detta gap genom att göra chippet till ett offentligt tillgängligt Azure-erbjudande, inte bara en privat infrastruktursatsning .
Maia 300 kommer efter en hackig start – förseningarna med Maia 200 avslöjade svagheter inom design, personal och genomförande. Microsofts satsning är att den tredje generationens chip äntligen når den skala och öppenhet som Googles TPU:er och Amazons Trainium har. Om det når sitt mål på över 300 000 enheter och levererar de utlovade effektivitetsvinsterna, kan det på allvar förändra Microsofts AI-infrastrukturekonomi och ge Azure-kunder ett genuint alternativ till Nvidia. Men det är fortfarande en nykomling i ett lopp där Google och Amazon redan har beprövade, allmänt tillgängliga program för egenutvecklade chip.