Bis zu siebenmal mehr KI-Durchsatz pro Rack: Microsoft will mit seinem Maia-System die Infrastruktur für Copilot, GitHub und weitere KI-Dienste ausbauen.
Microsoft will seine KI-Infrastruktur deutlich ausbauen und setzt dafür auf eigene Chips. Mit Maia 300 hat der Konzern die nächste Generation seines KI-Beschleunigers vorgestellt. Ab 2027 soll das System in großem Maßstab in Azure-Rechenzentren eingesetzt werden. Ziel ist es, mehr KI-Anfragen effizient zu verarbeiten und Dienste wie Copilot, GitHub und Microsoft Foundry zu unterstützen.
Bis zu siebenmal mehr KI-Durchsatz
Maia 300 ist laut Microsoft speziell für sogenannte Inferenzaufgaben ausgelegt. Dabei werden bereits trainierte KI-Modelle eingesetzt, um etwa Texte zu erstellen, Fragen zu beantworten oder mehrstufige Aufgaben zu erledigen. Der Chip soll vor allem lange Kontexte, schnelle Gesprächsreaktionen und KI-Agenten unterstützen, die mehrere Arbeitsschritte selbstständig miteinander verknüpfen.
"Heute" auf Google als bevorzugte Quelle festlegen
Microsoft verspricht gegenüber führenden GPU-basierten Systemen 40 Prozent mehr verarbeitete Tokens pro Megawatt. Tokens sind Einheiten, in die ein KI-Modell Texte und andere Eingaben zerlegt.
Noch größer fällt der angekündigte Leistungszuwachs auf Rack-Ebene aus: In einer Konfiguration mit 96 Beschleunigern soll Maia 300 laut Microsoft bis zu siebenmal mehr Tokens verarbeiten als die Vorgängergeneration Maia 200.
Eigene Chips für Copilot und GitHub
Microsoft entwickelt Maia, um Hardware, Software und KI-Anwendungen besser aufeinander abzustimmen. Der Konzern will dadurch die Abhängigkeit von allgemeinen Grafikprozessoren für bestimmte KI-Aufgaben verringern und seine Rechenzentren effizienter betreiben.
Die Vorgängergeneration Maia 200 ist laut Microsoft bereits bei internen Produktivsystemen im Einsatz, darunter Copilot. Auch die Entwicklung eigener KI-Modelle wird damit unterstützt. Maia 300 soll diesen Ansatz erweitern: GitHub könnte damit KI-gestützte Programmieraufgaben effizienter ausführen, Microsoft Foundry unterschiedliche KI-Modelle flexibler bereitstellen und Dragon Copilot Arbeitsabläufe im Gesundheitswesen unterstützen.
Microsoft startet KI-Chip Maia 200
?
Mehr Speicherbandbreite für große KI-Modelle
Für Maia 300 hat Microsoft auch den Aufbau des Systems überarbeitet. Der Chip verwendet acht HBM4-Speicherstapel. HBM steht für "High Bandwidth Memory" und bezeichnet besonders schnellen Speicher, der große Datenmengen rasch an den Prozessor liefern kann. Microsoft gibt eine maximale Speicherbandbreite von 18 Terabyte pro Sekunde bei einer Leistungsaufnahme von 950 Watt an. Eine neue Chiplet-Architektur trennt Rechen-, Speichersteuerungs- und Ein-/Ausgabefunktionen in einzelne Bausteine. Das soll die Effizienz und Skalierbarkeit verbessern.
Die Rechen-Chiplets werden laut Microsoft im N2P-Fertigungsverfahren von TSMC hergestellt. Ein vollständiges Maia-300-Rack soll 96 Beschleuniger enthalten und eine Leistungsaufnahme von 167 Kilowatt haben. Zusammen bieten sie 27,6 Terabyte HBM-Speicher und eine aggregierte Speicherbandbreite von 1,7 Petabyte pro Sekunde. Damit sollen größere KI-Aufgaben und mehr gleichzeitige Anfragen in einem Rechenzentrum bewältigt werden.
Microsoft plant, die Azure-Maia-Systeme ab 2027 auf eine Größenordnung von mehreren Gigawatt auszuweiten. Die Angabe beschreibt die elektrische Leistung, die für den Betrieb der Infrastruktur bereitgestellt werden soll, nicht die Rechenleistung eines einzelnen Chips. Der Ausbau verdeutlicht, wie viel Energie und Hardware für den wachsenden Einsatz von KI benötigt werden.
Maia 300 soll 2027 in den Produktivbetrieb gehen. Microsoft will damit seine KI-Dienste weiter skalieren und mehr Rechenleistung für Anwendungen bereitstellen, die auf schnelle Antworten und komplexere Aufgaben angewiesen sind.
