Microsoft aposta no Maia 300 para tirar a inferência das mãos da Nvidia

Microsoft anunciou em 13 de outubro o Azure↳Azure76 conteúdosDeploy de Azure Stream Analytics job com CI/CD usando Azure PipelinesDevSecOps · mai 2019Azure – Como criar uma base de dados SQL no Microsoft Azure pronta para ser utilizadaData · abr 2019Azure Static Web Apps com Vue.js e Visual Studio CodeDevSecOps · out 2023Ver tudo em DevSecOps → Maia 300, terceira geração do seu sistema de chips para IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →. A produção começa em 2027. O foco declarado está na inferência dentro dos data centers.

A motivação aparece com clareza. Além disso, a empresa quer reduzir a dependência de fornecedores externos de infraestrutura, especialmente a Nvidia.

Vale lembrar o que significa inferência nesse contexto. No entanto, trata se da fase em que um modelo já treinado gera respostas, como acontece a cada pergunta feita ao Copilot.

Os números que a empresa promete

A comparação com GPUs merece atenção. Segundo a companhia, o chip entrega 40% mais tokens por megawatt que sistemas líderes baseados em GPU.

O ganho entre gerações também apareceu. Além disso, em uma configuração com 96 aceleradores, o volume de tokens por rack chega a sete vezes o do Maia 200.

A escala prevista impressiona. A empresa pretende expandir a família para instalações de vários gigawatts a partir de 2027.

Microsoft desenhou o chip priorizando inferência

A arquitetura segue uma abordagem chamada inference first. Ou seja, o projeto parte das cargas que já dominam o uso real.

Três cenários aparecem na justificativa. Contudo, entram tarefas que analisam grandes volumes de informação e mantêm contexto por períodos longos.

Depois, vêm as conversas sensíveis à latência. Por fim, entram tarefas de agentes que exigem vários passos.

O gargalo atacado é conhecido de quem trabalha com modelos grandes. Além disso, o sistema usa fluxo de dados definido por software, com otimizações para manter os dados perto dos processadores.

Consequentemente, o atraso cai e o aproveitamento do hardware melhora.

Memória e rede sustentam a proposta

Esses dois pontos aparecem como centrais no projeto. O chip usa oito pilhas de HBM4.

A banda de memória chega a 18,0 TB/s. No entanto, o consumo, por sua vez, alcança até 950 watts.

A comunicação completa o desenho. Entram interconexões de alta largura de banda entre aceleradores e um transporte de rede customizado sobre infraestrutura Ethernet.

Repare na escolha da Ethernet. Além disso, ela aproxima o projeto de infraestrutura padrão de data center.

O que o Maia 200 já faz hoje

A geração atual roda em produção. Ela atende cargas como o Microsoft Copilot e dá suporte ao time MAI no desenvolvimento de modelos.

A expansão segue em curso. GitHub Copilot e Microsoft Foundry entram até o fim do ano.

O chip executa modelos de origens variadas. No entanto, a lista inclui modelos da OpenAI, modelos próprios e famílias de código aberto↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) →.

A implantação já alcança três regiões. São Estados Unidos, Europa e Austrália.

Nos recursos embutidos em Teams e Copilot, a empresa cita até 1,7 vez mais tokens por watt em comparação com infraestruturas líderes baseadas em GPU.

Microsoft entra num tabuleiro que já tem Google e Amazon

A estratégia de silício próprio deixou de ser exceção. O Google segue com as TPUs, projetadas para aprendizado de máquina.

A disputa com a Nvidia, portanto, ganha mais um competidor vertical. Cada nuvem passa a oferecer caminho próprio para inferência.

A empresa liga a linha a um movimento mais amplo, chamado de Frontier Transformation. Mais detalhes devem sair no Microsoft Ignite 2026.

O que isso muda para quem desenvolve

Primeiro, pense em portabilidade. Código preso a uma única pilha de aceleradores limita escolha futura.

Segundo, prefira frameworks de alto nível. PyTorch e runtimes de inferência abstraem boa parte das diferenças entre fornecedores.

Terceiro, acompanhe o preço por token na nuvem. Silício próprio tende a pressionar esse valor para baixo.

Além disso, meça tokens por watt quando o custo de energia entrar na conta. Entretanto, essa métrica vem ganhando espaço nas decisões de infraestrutura.

Acompanhe nosso perfil no Instagram!