مایکروسافت تراشه هوش مصنوعی Maia 300 را برای رقابت با انویدیا و کاهش وابستگی به تأمین‌کنندگان معرفی کرد
مایکروسافت در نشست جهانی OCP از شتاب‌دهنده Azure Maia 300 رونمایی کرد؛ اقدامی که چالشی مستقیم برای سلطه تولیدکنندگان تراشه‌ای محسوب می‌شود که این شرکت مدت‌ها به رشد آن‌ها کمک کرده است.
اسکات گاتری، معاون اجرایی بخش Cloud+AI مایکروسافت، در ۱۲ اکتبر ۲۰۲۶ این تراشه را معرفی کرد و آن را رقیبی جدی برای سامانه‌های پیشرو مبتنی بر پردازنده‌های گرافیکی دانست، نه صرفاً یک پروژه داخلی نمادین.
بر اساس ارقام اعلام‌شده از سوی سازنده، Maia 300 توان پردازشی ۶.۹ پتافلاپس در FP8 و ۱۳.۸ پتافلاپس در FP4 ارائه می‌دهد که در محاسبات متراکم FP8 از تراشه Blackwell B200 شرکت انویدیا پیشی می‌گیرد.
این تراشه دارای ۲۸۸ گیگابایت حافظه HBM4 در هشت پشته ۳۶ گیگابایتی است و طبق اعلام مایکروسافت پهنای باند ۱۸ ترابایت بر ثانیه ارائه می‌کند؛ رقمی که ۲.۲۵ برابر بیشتر از پهنای باند B200 و B300 انویدیا است.
Maia 300 با توان طراحی حرارتی ۹۵۰ وات فعالیت می‌کند که به‌طور قابل توجهی کمتر از ۱۴۰۰ وات مصرف B300 است. این موضوع به مایکروسافت در معیارهای مرتبط با بازدهی استنتاج هوش مصنوعی به ازای هر دلار هزینه انرژی، مزیت قابل توجهی می‌دهد.
مایکروسافت این تراشه را بر پایه فرایند N2P کلاس ۲ نانومتری شرکت TSMC و با طراحی چندچیپله ساخته است. چیپلت‌های ورودی و خروجی نیز در فرایند جداگانه ۳ نانومتری تولید می‌شوند. این شرکت در هر رک ۹۶ شتاب‌دهنده قرار می‌دهد و خوشه‌های مقیاس‌پذیر آن حدود ۱۲ هزار شتاب‌دهنده را هدف قرار داده‌اند.
مایکروسافت ادعا می‌کند Maia 300 نسبت به سامانه‌های پیشرو مبتنی بر پردازنده‌های گرافیکی، ۴۰ درصد توکن بیشتری به ازای هر مگاوات تولید می‌کند و در مقیاس رک نیز تا هفت برابر توان تولید توکن بیشتری نسبت به نسل قبلی Maia 200 دارد.
رویترز گزارش داده است که مایکروسافت در حال مذاکره با TSMC برای دریافت بیش از ۳۰۰ هزار واحد از این تراشه به‌منظور دستیابی به برنامه تولید سال ۲۰۲۷ است. اهداف استقرار چندگیگاواتی، بخش مهمی از برنامه تجاری این تراشه را تشکیل می‌دهند.
شرکت Evercore ISI برآورد کرده است که Maia می‌تواند تا سه‌ماهه نخست سال ۲۰۲۷ حدود ۱۰ درصد از کل هزینه‌های مایکروسافت برای تراشه‌های هوش مصنوعی را به خود اختصاص دهد؛ موضوعی که نشان می‌دهد این تراشه بیشتر یک راهکار پوشش ریسک ساختاری است تا جایگزینی کامل برای تراشه‌های انویدیا.
این رونمایی از نظر مالی نیز اهمیت ویژه‌ای دارد، زیرا فرم S-1 شرکت Anthropic نشان داده است که این شرکت ۳۱.۴ میلیارد دلار تعهد محاسباتی به مایکروسافت برای Azure دارد؛ موضوعی که مایکروسافت را عمیقاً در زنجیره وابستگی به تأمین‌کنندگان محاسباتی قرار داده است، در حالی که اکنون تلاش می‌کند این وابستگی را کاهش دهد.
تعهد تبدیل‌پذیر ۴۲ میلیارد دلاری Broadcom به Anthropic و گزارش‌هایی درباره مذاکرات مالی با OpenAI به ارزش ۵۰ میلیارد دلار یا بیشتر، نمونه‌های برجسته‌ای از مدل «مالکیت زیرساخت محاسباتی» هستند؛ مدلی که در آن مشتریان از طریق تعهدات مالی چندلایه به تأمین‌کنندگان وابسته می‌شوند.
مایکروسافت Maia 300 را به مشتریان خارجی، از جمله Anthropic، پیشنهاد می‌کند، اما تاکنون هیچ استقرار تأییدشده‌ای اعلام نشده و هیچ طرف خارجی نیز این تراشه را آزمایش نکرده است.
اگر Anthropic در کنار زیرساخت‌های فعلی خود شامل تراشه‌های انویدیا و TPUهای گوگل، Maia را نیز به کار بگیرد، به یک گزینه سوم برای تأمین توان محاسباتی دست خواهد یافت؛ گزینه‌ای که می‌تواند با تغییر توازن منافع، وابستگی مالی به تأمین‌کنندگان فعلی تراشه را کاهش دهد.
برخلاف ساختارهای مالی Broadcom که برای پیوند دادن Anthropic به تعهدات محاسباتی استفاده شده‌اند، مایکروسافت Maia را از طریق زیرساخت ابری خود تأمین مالی و مستقر می‌کند و ریسک عملکرد آن را مستقیماً در ترازنامه خود نگه می‌دارد، نه اینکه آن را میان مشتریان خارجی توزیع کند.
بازارها بلافاصله به این خبر واکنش نشان دادند؛ بر اساس داده‌های بازار تأییدشده از سوی Yahoo Finance در ۱۲ اکتبر ۲۰۲۶، سهام مایکروسافت در معاملات روزانه ۱.۰۷ درصد افزایش یافت، در حالی که سهام انویدیا ۱.۲۲ درصد کاهش پیدا کرد.
Maia 300 در عملکرد FP8 تنک (Sparse FP8) به پای B300 نمی‌رسد؛ جایی که معماری هسته‌های Tensor انویدیا ۱۴.۰ پتافلاپس در برابر ۶.۹ پتافلاپس Maia ارائه می‌کند. بنابراین اکوسیستم انویدیا همچنان در برخی کاربردها برتری فنی مهمی دارد.
برای تیم‌های سازمانی که زیرساخت خود را بر پایه سخت‌افزار انویدیا بهینه کرده‌اند، پرسش اصلی این نیست که آیا Maia 300 روی برگه مشخصات برنده می‌شود یا نه، بلکه این است که آیا مایکروسافت می‌تواند این ادعاهای عملکردی را از سال ۲۰۲۷ در مقیاس تولیدی عملی کند.
تمام مشخصات فنی ذکرشده از سوی تأمین‌کننده ارائه شده‌اند و تاکنون هیچ معیارسنجی مستقل از Maia 300 منتشر نشده است. بنابراین، توانایی اجرا و عرضه واقعی در نهایت مشخص خواهد کرد که آیا این تراشه می‌تواند چشم‌انداز رقابتی بازار را تغییر دهد یا خیر.