Microsoft Maia 300 packt 288 GB HBM4, um die Abhängigkeit von Nvidia zu verringern

Nachrichtenzusammenfassung

Microsoft kündigte am 12. Oktober 2026 (US-Pazifikzeit, basierend auf den Veröffentlichungsdaten der Berichterstattung) Azure Maia 300 an, seinen KI-Beschleuniger der dritten Generation aus eigener Entwicklung. Der Chip ist dafür ausgelegt, große KI-Workloads in Microsofts eigener Cloud auszuführen und die Abhängigkeit des Unternehmens von Nvidia-GPUs zu verringern. Die Produktionsbereitstellung soll 2027 beginnen, und Microsoft gibt an, die Maia-Familie auf Multi-Gigawatt-Niveau skalieren zu wollen. Alle unten genannten Leistungszahlen sind Microsofts eigene Angaben und wurden nicht unabhängig getestet.

Was Microsoft angekündigt hat

Maia 300 folgt auf Maia 100 und Maia 200 als dritte Generation der kundenspezifischen Beschleunigerlinie von Microsoft. Microsoft positioniert die Familie als Haupt-Inferenzplattform für seine eigenen Produkte, also die Hardware, die Benutzeranfragen beantwortet, sobald ein KI-Modell trainiert wurde. Maia 200 läuft bereits in Produktionsumgebungen, einschließlich Microsoft Copilot, und unterstützt das MAI-Team des Unternehmens bei der Entwicklung von Modellen der nächsten Generation. Microsoft plant, GitHub Copilot und Microsoft Foundry Workloads bis Ende 2026 auf Maia 200 zu bringen, wobei die Einführungsregionen die USA, Europa und Australien umfassen.

Wichtige Hardwarespezifikationen

Jeder Maia-300-Beschleuniger kombiniert acht HBM4-Speicherstapel und bietet damit 288 GB Speicher und 18 TB/s Bandbreite. Die Rechen-Chiplets werden im N2P-Prozess von TSMC gefertigt, die Leistungsaufnahme wird mit etwa 950 W angegeben. Auf Rack-Ebene zieht ein Rack mit 96 Beschleunigern etwa 167 kW und bietet rund 27,6 TB Hochbandbreitenspeicher mit einer aggregierten Speicherbandbreite von etwa 1,7 PB/s.

Zum Vergleich: Die Berichterstattung über Maia 200 beschreibt ein TSMC-3nm-Design mit 216 GB HBM3e, 7 TB/s Bandbreite und etwa 750 W Leistungsaufnahme. Einige sekundäre Zahlen unterscheiden sich zwischen den Medien, daher sollten Leser feinere Details als vorläufig betrachten, bis Microsoft vollständige Dokumentation veröffentlicht.

Behauptete Verbesserungen gegenüber Maia 200

Microsoft beansprucht bis zu 7-fachen Token-Durchsatz auf Rack-Ebene und mehr als 2,5-fache Leistung pro Watt im Vergleich zu Maia 200. Die Berichterstattung nennt außerdem 36 % mehr Rechenleistung, 33 % mehr Speicherkapazität, 2,5-fache Speicherbandbreite und 14 % mehr Scale-up-Bandbreite. Microsoft gibt weiterhin an, dass Maia 300 etwa 40 % mehr Tokens pro Megawatt liefert als führende GPU-basierte Systeme – eine Kennzahl, die wichtig ist, weil Strom und Kühlung inzwischen die größten Begrenzungen für das Wachstum von Rechenzentren darstellen.

Warum Speicher und Effizienz wichtig sind

Moderne Sprachmodelle verbringen einen Großteil ihrer Zeit mit dem Verschieben von Daten statt mit Rechenoperationen. Hochbandbreitenspeicher versorgt den Prozessor mit Modellgewichten, sodass mehr Kapazität und Bandbreite es einem Chip ermöglichen, größere Modelle oder mehr Benutzer gleichzeitig zu bedienen. „Tokens pro Watt“ misst, wie viel Text ein System pro Leistungseinheit erzeugen kann, was sich direkt auf die Kosten für den Betrieb von KI-Diensten in großem Maßstab auswirkt.

Lieferkette und Stückzahlen

Vor der Ankündigung berichteten Medien unter Berufung auf The Information, dass Microsoft Gespräche über die Sicherung von TSMC-Kapazitäten für mehr als 300.000 Maia-300-Chips für die Lieferung im Jahr 2027 geführt habe, mit einer langfristigen Ambition von über einer Million. Andrew Wall, General Manager von Azure Maia, sagte, die berichteten Zahlen spiegelten nicht den Umfang des Programms wider, ohne Produktionsmengen zu nennen. Branchenbeobachter merken an, dass fortschrittliche Verpackung und HBM-Versorgung das Tempo beeinflussen könnten.

Auswirkungen auf Nvidia und den KI-Chip-Markt

Nvidia-GPUs bleiben die dominierende Hardware für KI-Training, und Analysten erwarten kein schnelles Ende dieser Position. Dennoch ermöglicht kundenspezifische Siliziumtechnologie großen Cloud-Anbietern, Kosten und Versorgung für ihre eigenen Dienste zu kontrollieren, und Microsoft plant Berichten zufolge, Maia-Kapazitäten auch externen Kunden wie Anthropic anzubieten. Maia 200 wurde als weniger ausgereift als konkurrierende Hardware angesehen und fand nur langsam Abnehmer, daher wird Maia 300 an realen Bereitstellungen im Jahr 2027 gemessen werden und nicht an Zahlen vom Starttag.

Worauf man als Nächstes achten sollte

Zu den wichtigsten Signalen gehören unabhängige Benchmarks, der für Entwickler verfügbare Software-Stack, der Anteil des Copilot- und Foundry-Datenverkehrs, der von Maia bedient wird, sowie die Frage, ob externe Kunden es übernehmen. Microsofts Multi-Gigawatt-Ziel unterstreicht auch, wie Strominfrastruktur im KI-Zeitalter ebenso wichtig wird wie Chipdesign.

Quellen

Zur Berichterstattung gehören The Verge, Unite.AI, Techzine Global, Neowin, Converge Digest, Notebookcheck, Moor Insights & Strategy, eWeek und TheNextWeb.