12 октября 2026 года Microsoft анонсировала третье поколение своего AI-чипа — Maia 300. Компания прямо называет его «основной системой AI-инференса» для своих продуктов и сервисов, а производство на реальных нагрузках начнётся в 2027 году.
Что такое Maia 300 и чем она лучше предшественника
Maia 300 построена на производственном процессе TSMC N2P и использует чиплетную архитектуру (chiplet — подход, при котором чип собирается из отдельных функциональных блоков). Вычислительные блоки, контроллер памяти и I/O-функции разнесены по отдельным кристаллам — это позволяет каждому блоку работать на оптимальной для него технологии и увеличивает площадь кремния, отведённую непосредственно под вычисления.
По словам Скотта Гатри, исполнительного вице-президента облачного подразделения Microsoft, Maia 300 даёт на 40% больше токенов на мегаватт по сравнению с ведущими GPU-системами. В конфигурации из 96 ускорителей пропускная способность на уровне стойки вырастает в 7 раз относительно Maia 200.
Maia 200, для сравнения, была анонсирована лишь в январе 2026 года и уже работает на реальных нагрузках: Microsoft Copilot, GitHub Copilot, Microsoft Foundry и собственные AI-модели компании. Гатри назвал её «лучшей AI-инфраструктурой в нашем флоте по реальным метрикам».
Почему Microsoft хочет уйти от Nvidia
Зависимость от Nvidia — это и дорого, и стратегически уязвимо. GPU H100 и H200 остаются дефицитным и дорогостоящим ресурсом, а любой крупный облачный провайдер, который строит AI-сервисы на чужом железе, отдаёт часть контроля над стоимостью и производительностью стороннему вендору.
Microsoft прямо обозначила цель: с 2027 года масштабировать семейство Azure Maia до многогигаваттных развёртываний и сделать Maia «основной системой AI-инференса для продуктов и сервисов Microsoft». Это не значит, что Nvidia исчезнет из дата-центров Azure — для обучения моделей GPU по-прежнему незаменимы, — но в инференсе (запуске уже обученных моделей для ответа пользователям) компания явно хочет опираться на собственное железо.
Amazon и Google прошли этот путь раньше: AWS использует чипы Trainium и Inferentia, Google — серию TPU. Microsoft догоняет, но с явным акцентом на эффективность, а не просто на независимость.
Для каких задач проектировалась Maia 300
Гатри описывает три ключевых сценария, под которые оптимизирован чип: длинный контекст в reasoning-моделях, разговорные сервисы с низкой задержкой и многошаговые агентные задачи. Это прямой ответ на то, как изменились AI-нагрузки за последние полтора года: старые чипы проектировались под генерацию текста, новые должны тянуть цепочки рассуждений и автономных агентов.
Мустафа Сулейман, CEO Microsoft AI, объяснил стратегический смысл: «Нам нужно работать на всём стеке, вплоть до кремния. В таком масштабе нужна платформа, которой мы владеем и которую совместно проектируем с нашими моделями». Иными словами, Maia 300 — это не просто экономия на GPU, а инструмент для того, чтобы Microsoft могла конкурировать с Google DeepMind, OpenAI и Anthropic на уровне железа.
Что неизвестно и где могут быть риски
Microsoft не раскрыла детальных технических характеристик чипа — ни тактовых частот, ни объёма памяти HBM, ни конкретных бенчмарков на стандартных задачах. Цифра «40% эффективнее ведущих GPU-систем» звучит убедительно, но без указания конкретного GPU для сравнения её сложно проверить.
Переход с 2027 года — это ещё больше года до реальных производственных нагрузок. За это время Nvidia выпустит следующее поколение ускорителей, и разрыв в эффективности может сократиться. История корпоративных чипов знает немало случаев, когда анонсированные преимущества растворялись к моменту реального развёртывания.
Наконец, масштабирование до «многогигаваттных развёртываний» — это колоссальная операционная задача. Maia 200 работает в продакшне, но её охват несопоставим с тем, что планируется для Maia 300.
Что это значит для рынка в 2027 году
Если Microsoft выполнит обещания, к концу 2027 года картина AI-инфраструктуры крупнейших облаков выглядит так: Google — TPU, Amazon — Trainium/Inferentia, Microsoft — Maia. Nvidia при этом остаётся доминирующей платформой для обучения и для всех, кто не строит собственные дата-центры.
Для разработчиков и компаний, которые используют Azure AI, Copilot или GitHub Copilot, это должно означать снижение стоимости инференса и потенциально более низкую задержку — Microsoft напрямую связывает Maia 300 с улучшением пользовательского опыта в своих сервисах. Насколько это отразится на ценах API — пока открытый вопрос.
