Microsoft prosegue nello sviluppo di una propria infrastruttura per l’intelligenza artificiale con il lancio di Maia 300, il chip di nuova generazione progettato per l’inferenza AI. Non solo: è anche prevista l’espansione dell’infrastruttura Azure basata sugli acceleratori Maia, con implementazioni su scala multi-gigawatt previste a partire dal 2027, rendendo Maia 300 il principale sistema di inferenza AI utilizzato per i prodotti e i servizi Microsoft.

Presentato a meno di un anno dal debutto di Maia 200, il nuovo acceleratore prosegue la strategia di Microsoft di progettare congiuntamente hardware, software e infrastruttura cloud, con l’obiettivo di migliorare l’efficienza nell’esecuzione dei modelli AI su larga scala. Nel dettaglio, il sistema Azure Maia è stato sviluppato tenendo conto dei carichi di lavoro che Microsoft gestisce quotidianamente e delle nuove esigenze legate all’evoluzione dell’intelligenza artificiale. Tra queste figurano il ragionamento su contesti estesi, le interazioni conversazionali che richiedono risposte rapide e le attività agentiche complesse, articolate in più passaggi e prolungate nel tempo.

Per rispondere a queste esigenze, fa sapere l’azienda, Microsoft punta sull’ottimizzazione dell’intero sistema, anziché concentrarsi esclusivamente sulle prestazioni del singolo chip. In base alle stime comunicate, Maia 300 potrà generare il 40% di token in più per megawatt rispetto ai principali sistemi basati su GPU. In una configurazione completa con 96 acceleratori, il sistema sarà inoltre in grado di elaborare, a livello di rack, fino a sette volte più token rispetto a Maia 200.

Lo sviluppo di Maia 300 beneficia dell’esperienza maturata con Maia 200, attualmente in fase di implementazione negli Stati Uniti, in Europa e in Australia. Secondo Microsoft, il precedente acceleratore offre fino a 1,7 volte più token per watt per le funzionalità AI integrate in Microsoft Teams, Copilot e nelle esperienze Cowork, utilizzate ogni giorno da centinaia di milioni di persone. L’obiettivo è trasferire questi risultati a una gamma più ampia di applicazioni, facendo leva sulla co-progettazione tra acceleratori e software. Maia 200 e Maia 300 sono infatti destinati a sostenere carichi di lavoro differenti, dall’inferenza su scala cloud alle interazioni che richiedono tempi di risposta ridotti.

Tra gli ambiti applicativi indicati da Microsoft figurano le attività agentiche multi-step, che potranno contribuire a rendere più efficienti le esperienze di coding offerte da GitHub, e l’erogazione di modelli attraverso Microsoft Foundry, con il supporto a diverse architetture e ambienti di deployment. Non solo: gli acceleratori saranno utilizzati anche per l’inferenza e la generazione di dati a supporto del team AI di Microsoft. Un altro ambito riguarda Dragon Copilot, la soluzione destinata al settore sanitario, per la quale le interazioni a bassa latenza dovrebbero contribuire ad ampliare i workflow supportati e a ridurre il carico amministrativo dei professionisti della salute.

L’espansione prevista a partire dal 2027 su scala multi-gigawatt indica la dimensione degli investimenti infrastrutturali necessari per supportare questa evoluzione: per Microsoft, la sfida non riguarda soltanto la capacità di addestrare modelli più avanzati, ma anche quella di renderli disponibili in modo efficiente, affidabile e su larga scala.