Microsoft presenterade Maia 300, den tredje generationen av företagets egen AI-accelerator för inferens, vid OCP Global Summit den 12 oktober 2026. Planen är att börja skala upp Azure Maia till installationer på flera gigawatt från 2027 och göra Maia till det främsta inferenssystemet för Microsofts produkter och tjänster.
2
4
Inferens är när en redan tränad AI-modell används för att skapa ett svar eller utföra en uppgift. Microsoft vill alltså bygga mer av hårdvaran som driver sådana AI-förfrågningar på företagets egna datacenter. Det kan minska beroendet av chip från leverantörer som Nvidia och AMD, men betyder inte att Microsoft har sagt att de ska ersätta all hårdvara från andra tillverkare.
15
22
Storskalig utrullning – men hur många chip?
Reuters rapporterade att Microsoft potentiellt kan sätta in över en miljon Maia 300-chip under 2027 för sina interna AI-tjänster. Det är en prognos om framtida användning, inte ett bekräftat antal tillverkade, levererade eller installerade chip.
20
En annan rapport hänvisade till en tidigare uppgift om en beställning på omkring 300 000 chip. Den redogör inte tydligt för hur den siffran förhåller sig till Reuters uppgift om över en miljon möjliga installationer. Därför bör den ses som en rapporterad uppskattning, inte som en bekräftad produktions- eller leveranssiffra.
7
Microsofts offentliga besked är att bolaget siktar på utrullning i flera gigawatts skala från 2027. De tillgängliga källorna förenar inte de olika volymuppgifterna till ett enda bekräftat antal.
2
7
20
Effektivitetslöften från Microsoft
Microsoft räknar med att Maia 300 ska ge 40 procent fler token per megawatt än ”ledande GPU-baserade system”. Token är de mindre textenheter som språkmodeller bearbetar och producerar. Företaget har inte specificerat vilka system eller arbetsuppgifter som jämförelsen gäller. Siffran bör därför läsas som Microsofts egen förväntan, inte som ett oberoende verifierat testresultat.
2
6
I en full konfiguration med 96 acceleratorer uppges Maia 300 också kunna ge upp till sju gånger så hög tokenkapacitet på racknivå som Maia 200. Det är en jämförelse med Microsofts tidigare chip, inte med Nvidias hårdvara.
4
Enligt Reuters använder ett Maia 300-rack med 96 acceleratorer omkring 167 kilowatt. Ett Nvidia GB300-rack uppges ha 72 GPU:er och använda omkring 142 kilowatt. Siffrorna beskriver olika system, men visar inte i sig vilket som levererar mest användbar AI-kapacitet under jämförbara förhållanden.
20
Minneskapacitet och strömförbrukning
Microsofts arkitekturbeskrivning anger att varje Maia 300-accelerator har åtta HBM4-minnesstackar, med totalt 288 gigabyte minne och en bandbredd på 18 terabyte per sekund.
37 Tekniksajten StorageReview rapporterar att chipet har en strömförbrukning på 950 watt och en beräkningskrets tillverkad med TSMC:s N2P-process.
10
Chipet är inriktat på inferens. Rapporter beskriver tänkta användningsområden som resonemang över långa textunderlag, samtalsbaserad AI och AI-agenter som genomför uppgifter i flera steg. Det visar vilken typ av arbete hårdvaran är byggd för, men är inte i sig ett oberoende belägg för hur väl den presterar i de uppgifterna.
8
Vad beskedet betyder – och inte betyder
Det tydligaste beskedet är strategiskt: Microsoft vill att den egna Maia-hårdvaran ska stå för en större del av AI-inferensen i företagets tjänster, med utrullning i flera gigawatts skala från 2027.
2
4 Ett uttalat motiv är att minska beroendet av externa chipleverantörer och kostnader, men källorna anger ingen verifierad besparing per AI-token.
15
22
Effektivitetsmålet på 40 procent, jämförelsen med Maia 200 och de rapporterade volymerna säger något om Microsofts ambitioner. De ska däremot inte förväxlas med oberoende bekräftad prestanda eller en genomförd utrullning. För tillfället handlar Maia 300:s betydelse främst om Microsofts plan och de mål företaget självt har satt upp – inte om bevis för att chippet slår alla konkurrerande GPU-system.