Microsoft объявила о новом поколении собственных ускорителей искусственного интеллекта (ИИ) Maia 300 и намерена масштабно использовать их в своих сервисах уже в 2027 году. Компания рассматривает возможность развернуть более миллиона таких ИИ-чипов, чтобы снизить расходы на вычисления и уменьшить зависимость от поставщиков графических процессоров, прежде всего NVIDIA.
Maia 300 станет третьим поколением специализированных ИИ-чипов Microsoft. Они предназначены для выполнения ресурсоёмких задач, включая программирование, обработку сложных запросов и работу ИИ-агентов, способных самостоятельно выполнять многоэтапные действия. Предыдущее поколение Maia 200 уже используется для внутренних моделей Microsoft и сервисов, работающих на облачной платформе Azure, включая Copilot.
Источник изображения: Reuters
URL изображенияВ новой разработке компания сделала ставку на модульную архитектуру чиплет (chiplet), при которой процессор состоит из нескольких специализированных кристаллов. Вычислительные компоненты производятся по 2-нанометровому техпроцессу TSMC, а некоторые вспомогательные элементы – по более доступному 3-нанометровому. Такой подход позволяет распределять функции между компонентами и оптимизировать соотношение производительности и стоимости.
По данным Microsoft, стойка с 96 ИИ-ускорителями Maia 300 будет потреблять около 167 киловатт электроэнергии. Компания утверждает, что чипы смогут обеспечивать примерно на 40% больше полезных ИИ-вычислений на каждый мегаватт мощности по сравнению с ведущими системами на базе графических процессоров. Однако Microsoft не уточнила, с какими именно системами проводилось сравнение, поэтому заявленный показатель пока следует рассматривать как субъективную оценку.
Масштабирование собственных ИИ-чипов происходит на фоне стремительного роста затрат на центры обработки данных. Microsoft ожидает капитальные расходы свыше 175 миллиардов долларов в 2026 году, направляя значительные средства на инфраструктуру для ИИ. В компании рассчитывают, что собственные ИИ-ускорители позволят эффективнее распределять вычислительные ресурсы и снизить стоимость обслуживания оборудования.
