Microsoft доведет ускорители Azure Maia до развертываний мощностью в несколько гигаватт начиная с 2027 года и называет Maia основной системой инференса для своих продуктов и сервисов. Maia 200 уже работает в продакшене и обслуживает Microsoft Copilot, а Maia 300 начнет развертываться в 2027 году с обещанием на 40% больше токенов на мегаватт, чем ведущие системы на GPU. Это обещание важно, поскольку стоимость инференса определяет цены и маржу Copilot, Teams, GitHub Copilot и нагрузок Foundry.
Maia 200 в продакшене, параметры и сеть Maia 300
Maia 200 обслуживает Microsoft Copilot и команду MAI, а GitHub Copilot и Microsoft Foundry подключат до конца года. Развертывание охватывает США, Европу и Австралию, а для встроенного ИИ в Teams и Copilot заявлено до 1,7 раза больше токенов на ватт, чем у ведущей инфраструктуры на GPU. В обоих сообщениях не названы GPU-системы для сравнения, поэтому база для оценки остается открытой. Порядок запуска показывает сначала внутреннее потребление, а о прямом выделении мощностей Maia клиентам не сказано.
Maia 300 ориентирован на инференс с длинным контекстом, большой нагрузкой на память и интенсивным декодированием, а обучение в сообщениях не упомянуто. Каждый ускоритель несет восемь стеков HBM4 с 288 ГБ и 18 ТБ/с при пакете 950 ватт. Стойка включает 96 ускорителей при 167 кВт в 24 лотках по четыре ускорителя, давая 27,6 ТБ памяти HBM и 1,7 ПБ/с совокупной пропускной способности. Вычислительные кристаллы выпускают по TSMC N2P, а контроллеры памяти и ввод-вывод вынесены на отдельные кристаллы, что дает плюс 36% к вычислительной производительности и поддерживает в 2,5 раза большую пропускную способность памяти и примерно вдвое большую пропускную способность HBM на ватт, чем у Maia 200.
В основе сети лежит собственный транспортный протокол ИИ поверх Ethernet, описанный как единая фабрика вместо раздельных доменов scale-up и scale-out. Ускорители сами начинают обмен с любым узлом суперпода без участия хоста или отдельного сетевого адаптера scale-out. Два ускорителя связаны напрямую внутри лотка, коммутатор объединяет все 96 ускорителей стойки, а оптические коммутаторы второго уровня соединяют до 128 стоек в суперпод на 12288 ускорителей. Microsoft выделяет три домена задержек: прямая пара, один хоп внутри пода и три хопа между подами, а трафик с тензорным параллелизмом должен оставаться в самом быстром. Распределение пропускной способности внутри стойки и между стойками задает размещение задач, позволяя до 750 ГБ/с до любого узла, когда лишь часть трафика выходит за стойку.
Что заявление об эффективности дает бизнесу
Для компаний, использующих Copilot, функции ИИ в Teams, GitHub Copilot или приложения на Foundry, такая архитектура нацелена на снижение стоимости токена и рост пропускной способности. Microsoft заявляет до семи раз большую пропускную способность токенов на уровне стойки и более чем в 2,5 раза большую производительность на ватт, чем у Maia 200. Обработчики prefill и decode масштабируют и размещают независимо, а состояние KV передается напрямую обработчикам decode по той же фабрике. Резервный лоток в одной стойке может заменить отказавший лоток в другой незаметно для программных ядер, что обещает более стабильные мощности для длительных агентных нагрузок.
Перед использованием цифры 40% как сигнала для закупок нужно проверить несколько ограничений. Комментаторы оспорили саму единицу: Rick Bullotta назвал токены на ватт несогласованной метрикой, поощряющей многословие, а Michel Floyd предложил токены в секунду на ватт или токены на кВт-ч. Vinay Bansal из UBIQS спросил, на какой длине контекста измерен выигрыш, отметив, что у многошаговых агентов длинные контексты и производительность упирается в память. Microsoft говорит о «полезных токенах на ватт» и «полезных токенах на доллар» без определения полезности, а уверенность различается: одни посты ожидают выигрыш, другой заявляет его как факт.
Ориентиром станет Microsoft Ignite 2026 в Сан-Франциско в следующем месяце, где компания обещает раскрыть больше деталей сверх инженерного поста Rani Borkar и Saurabh Dighe. Подтверждением будут названная система для сравнения, длина контекста и возможность резервировать мощности Maia для внешних клиентов. Phillip Pham уже спросил, приведут ли выигрыши к более дешевым резервированиям пропускной способности или останутся внутри сервисов Microsoft. Эти детали покажут, дойдет ли выгода до бюджетов корпоративного ИИ.
