Vì sao thỏa thuận Maia 200 với Anthropic có thể trở thành bước ngoặt cho chiến lược chip AI của Microsoft

Tuy vậy, chỉ riêng khả năng này cũng mang ý nghĩa lớn: lần đầu tiên một phòng thí nghiệm AI hàng đầu có thể chạy khối lượng công việc sản xuất (production workloads) trên chip do Microsoft thiết kế, thay vì phụ thuộc hoàn toàn vào GPU của Nvidia.

Nếu xảy ra, điều đó sẽ biến dự án chip của Microsoft từ một “phương án dự phòng” trước tình trạng khan hiếm GPU thành sản phẩm hạ tầng thương mại thực sự trong hệ sinh thái cloud.

Maia 200 có gì đặc biệt?

Microsoft thiết kế Maia 200 như một bộ tăng tốc AI tập trung vào suy luận (inference) — tức là giai đoạn chạy mô hình đã huấn luyện để tạo câu trả lời cho người dùng.

Trong các dịch vụ AI hiện đại, inference thường trở thành chi phí vận hành lớn nhất, vì mỗi truy vấn của người dùng đều phải chạy qua mô hình.

Một số thông số kỹ thuật đáng chú ý của Maia 200 gồm:

• Sản xuất trên tiến trình 3 nanomet của TSMC
• Tensor cores FP4 và FP8 tối ưu cho mô hình ngôn ngữ lớn
• 216 GB bộ nhớ HBM3e với băng thông khoảng 7 TB/giây
• 272 MB SRAM trên chip để giữ dữ liệu gần khối tính toán
• Hơn 10 petaFLOPS hiệu năng FP4 và hơn 5 petaFLOPS FP8

Microsoft cho biết kiến trúc này giúp giảm chi phí tạo token của mô hình AI, với hiệu năng trên mỗi đô la tốt hơn khoảng 30% so với phần cứng trước đây trong hạ tầng Azure.

Điểm quan trọng là Maia 200 không cố thay thế hoàn toàn GPU đa dụng. Thay vào đó, nó được thiết kế cho các tác vụ inference quy mô lớn — nơi băng thông bộ nhớ, hiệu suất chi phí và thông lượng quan trọng hơn sự linh hoạt trong huấn luyện mô hình.

Quan hệ Microsoft – Anthropic đã rất sâu

Những cuộc thảo luận về Maia diễn ra trong bối cảnh quan hệ giữa hai công ty đã khá chặt chẽ.

Vào năm 2025, Microsoft, Nvidia và Anthropic công bố các thỏa thuận hợp tác chiến lược lớn. Theo đó:

• Anthropic cam kết mua khoảng 30 tỷ USD năng lực tính toán Azure để mở rộng Claude
• Microsoft cam kết đầu tư tối đa 5 tỷ USD vào Anthropic
• Nvidia cam kết đầu tư tối đa 10 tỷ USD và cung cấp kiến trúc GPU cho việc huấn luyện mô hình

Trong cấu trúc này, GPU Nvidia vẫn giữ vai trò trung tâm — đặc biệt cho các hệ thống huấn luyện mô hình quy mô lớn.

Vì vậy, nếu Maia 200 được triển khai, nhiều khả năng nó sẽ bổ sung chứ không thay thế GPU Nvidia: GPU phục vụ training, còn Maia xử lý inference quy mô lớn với chi phí thấp hơn.

Xu hướng lớn: AI đang chuyển sang đa cloud và đa chip

Các cuộc thảo luận này cũng phản ánh một xu hướng rộng hơn trong ngành AI.

Các công ty phát triển mô hình lớn ngày càng tránh phụ thuộc hoàn toàn vào một nhà cung cấp hạ tầng duy nhất. Thay vào đó, họ phân bổ khối lượng công việc trên nhiều nền tảng cloud và nhiều loại chip khác nhau.

Chiến lược này mang lại một số lợi ích rõ ràng:

• Giảm phụ thuộc vào nguồn cung GPU đắt đỏ
• Tăng quyền thương lượng với các nhà cung cấp hạ tầng
• Chọn loại phần cứng phù hợp nhất cho từng loại workload

Để cạnh tranh, các "hyperscaler" lớn đều đang phát triển chip AI riêng:

• Google với TPU
• Amazon với Trainium và Inferentia
• Microsoft với Maia

Mục tiêu của họ là kiểm soát nhiều hơn chuỗi giá trị AI — từ silicon, trung tâm dữ liệu cho đến nền tảng cloud và dịch vụ AI.

Tín hiệu cho cuộc đua hạ tầng AI

Nếu Anthropic triển khai Maia 200 ở quy mô lớn, thông điệp gửi tới thị trường sẽ rất rõ ràng: chip do các hãng cloud tự thiết kế đang trở thành lựa chọn khả thi cho AI quy mô lớn.

Nvidia vẫn là nhà cung cấp sức mạnh tính toán AI thống trị hiện nay. Nhưng các hãng cloud lớn đang nhanh chóng xây dựng hệ sinh thái tích hợp theo chiều dọc — từ chip, hạ tầng đến nền tảng AI — để giành nhiều giá trị hơn từ làn sóng AI.

Trong bối cảnh đó, một hệ thống Azure chạy Claude trên Maia 200 không chỉ là một hợp đồng hạ tầng mới. Nó có thể đánh dấu thời điểm cuộc chiến chip AI bước sang giai đoạn mới, nơi các nhà cung cấp cloud cạnh tranh không chỉ bằng phần mềm và dịch vụ — mà còn bằng chính silicon của họ.