Microsoft купує чипи для ШІ, але не встигає їх підключати

Copilot особливо чутливий до цього компромісу. Його економіка залежить від обслуговування дуже великої кількості запитів до моделей за передбачуваною ціною. Ефективніший прискорювач може покращити собівартість таких операцій — але лише після того, як чип підключено до повноцінного кластера.

Maia 200 може здешевити інференс, але не виробляє електроенергію

Maia 200 — власний прискорювач Microsoft, орієнтований насамперед на інференс, тобто етап, на якому навчена модель генерує відповіді. Microsoft заявляє, що чип забезпечує вищу продуктивність у форматах FP4 і FP8, ніж зіставні прискорювачі AWS та Google. Водночас це порівняння, наведене виробником, а не незалежний наскрізний тест.

Інші повідомлення оцінюють перевагу Maia 200 в операційних витратах приблизно у 30–40% проти провідних рішень Nvidia для навантажень Microsoft і OpenAI. Це все ще оцінка з повідомлень, а не гарантований результат для кожної моделі, програмного стека чи рівня завантаження.

Стратегічна логіка зрозуміла: якщо Maia працюватиме так, як очікується, у виробничих масштабах, Microsoft зможе зменшити залежність від Nvidia для окремих інференс-навантажень і покращити економіку Copilot та Azure OpenAI.

Але власний кремній не скасовує фізичних вимог. Maia так само потрібні пам’ять із високою пропускною здатністю, сучасне пакування, мережеве обладнання, серверні стійки, охолодження та доступні мегавати електроенергії.

Інакше кажучи, Maia може покращити економіку вже працюючого дата-центру. Вона не здатна запустити недобудований або непідключений до мережі об’єкт.

Maia 300 — ставка на масштаб, а не вже доступна потужність

Reuters повідомило, що Microsoft планує представити Maia 300 уже цієї осені та веде переговори з TSMC щодо виробничих потужностей для понад 300 000 чипів із постачанням у 2027 році. У довшій перспективі, за цими повідомленнями, компанія прагне отримати потужності для понад мільйона таких чипів.

Ці показники слід сприймати як плани, що перебувають на стадії переговорів, а не як підтверджені поставки. Microsoft оскаржує наведені цифри. Навіть укладення угоди з виробником не гарантує доступу до пам’яті та інших компонентів, успішної інтеграції систем або встановлення чипів у готових дата-центрах.

Якщо масштабування відбудеться, Maia 300 може перетворити власну розробку Microsoft із відносно обмеженої внутрішньої програми на вагоме альтернативне джерело інференс-потужності. Її успіх залежатиме від синхронізації кількох етапів: виробництва, інтеграції систем і готовності дата-центрів.

AWS і Google мають перевагу в розгортанні

AWS має зрілішу лінійку власних прискорювачів. Amazon заявляє, що в експлуатації перебуває 1,4 мільйона чипів Trainium трьох поколінь, а понад мільйон Trainium2 використовує Anthropic для роботи Claude, за даними TechCrunch. Окремо AWS розвиває Inferentia — спеціалізовану лінійку для інференсу, — і вже має досвід роботи як із навчанням моделей, так і з їх обслуговуванням.

Програма Google TPU має ще довшу історію виробничої експлуатації. Архітектура Ironwood, зокрема, описується як така, що масштабується до подів на 9 216 чипів. Інші повідомлення говорять про можливість доступу Anthropic до мільйона Google TPU, однак це зобов’язання щодо потужностей, а не точне порівняння встановленого парку чипів.

Публічних даних для чесного порівняння загальної кількості ШІ-чипів Microsoft, AWS і Google немає. Компанії по-різному рахують покоління чипів, типи навантажень, моделі власності, а також розрізняють «встановлену», «розгорнуту» й «зарезервовану» потужність.

Обережніший висновок такий: AWS і Google, схоже, випереджають Microsoft за зрілістю розгортання власного кремнію та операційним досвідом, тоді як Microsoft намагається скоротити відставання за допомогою Maia.

Галузевий дефіцит може збільшити розрив

Microsoft не єдина компанія, яка зіткнулася з цими обмеженнями. У звіті, який узагальнило Ars Technica, зазначалося, що близько 40% дата-центрів у США, запланованих до завершення у 2026 році, могли зіткнутися із затримками через дефіцит працівників, електроенергії та матеріалів, а також складнощі з отриманням дозволів.

Ще одним вузьким місцем стала пам’ять. Галузеві оцінки припускають, що у 2026 році дата-центри можуть спожити понад 70% виробництва високопродуктивної пам’яті, тоді як генеральний директор Synopsys заявив, що дефіцит напівпровідників може тривати у 2027 році. Це здатне підвищити витрати та подовжити терміни постачання для інших галузей, хоча конкретний ефект залежатиме від типу пам’яті, виробника й умов контракту.

Такі умови збільшують розрив між запланованою та реально доступною ШІ-потужністю. Компанії, які вже мають підключені майданчики, заздалегідь зарезервовані енергетичні ресурси, зрілі ланцюги постачання та великі діючі кластери, можуть і далі додавати навантаження. Нові об’єкти тим часом чекають на трансформатори, системи охолодження, кваліфікованих працівників або підключення до мережі.

Стратегічний висновок

Затримки з дата-центрами не перекреслюють стратегію Microsoft у сфері ШІ, але роблять її надзвичайно залежною від послідовності виконання. Компанія може купувати прискорювачі, проєктувати чипи Maia та укладати виробничі угоди — жоден із цих кроків автоматично не створює обчислювальної потужності для клієнтів.

Найближчий ризик — повільніше зростання місткості Azure та вища гранична вартість інференсу для Copilot і Azure OpenAI. Конкурентний ризик полягає в тому, що AWS і Google використають уже розгорнуті власні чипи, щоб раніше запропонувати кращу ціну, доступність і знайоміші для розробників інструменти.

Maia 200 може знизити витрати після масштабного розгортання. Maia 300 здатна диверсифікувати постачання у 2027 році, якщо заявлений план виробництва стане реальністю. Але поки будівництво та доступ до електроенергії не встигають за попитом, головне завдання Microsoft залишається простим у формулюванні й складним у виконанні: перетворити придбані чипи та амбітні плани на підключену, готову до роботи потужність.