Microsoft ukázal Maia 300, třetí generaci svého vlastního AI čipu. Nejde přitom o demonstraci hardwaru do vitríny: firma ho plánuje od roku 2027 nasazovat do produkčních AI služeb a označuje ho za budoucí hlavní systém pro AI inference napříč svými produkty.
Čipy obvykle nechávám lidem, kteří se vyznají v křemíku lépe než já a pravděpodobně mají doma víc grafů než pokojových rostlin. Tohle oznámení mě ale zaujalo, protože je to ve skutečnosti zpráva o tom, kdo bude platit účet za provoz Copilotu, AI agentů a dalších modelů.
Nejde o trénování, ale o každodenní provoz
Maia 300 je určená hlavně pro inference, tedy okamžik, kdy už hotový model odpovídá na dotaz, shrnuje dokument nebo plní jiný úkol. Trénování modelu je jeho dlouhé učení nad velkým množstvím dat; inference je pak každé běžné použití, které následuje. A právě těchto jednotlivých požadavků se při provozu služeb typu Copilot nasčítá opravdu hodně.
Microsoft píše, že Maia 300 zvládne o 40 % více tokenů na megawatt než přední systémy postavené na GPU. Token je malý kousek textu, na který si jazykový model větu rozděluje. Firma také uvádí až sedminásobnou propustnost tokenů v konfiguraci s 96 akcelerátory oproti Maia 200. Jsou to samozřejmě vlastní čísla Microsoftu, takže bych z nich zatím nedělala definitivní žebříček čipů. Směr je ale čitelný: za stejnou energii obsloužit více AI odpovědí.
Microsoft chce mít víc věcí pod vlastní střechou
Nejdůležitější věta celého oznámení pro mě není technický údaj, ale plán nasadit rodinu Maia ve vícegigawattovém měřítku od roku 2027. Microsoft tím míří k tomu, aby se Maia stala primárním systémem pro AI inference v jeho produktech a službách.
To logicky znamená menší závislost na akcelerátorech od Nvidie a AMD. Neznamená to nutně, že jejich hardware z datacenter přes noc zmizí; z podkladu ani neplyne, v jakém poměru Microsoft vlastní a cizí čipy využije. Vlastní čip ale dává firmě větší kontrolu nad cenou, dostupností i tím, pro jaké modely je hardware vyladěný. U obřích cloudových služeb to není drobný detail, ale součást celé obchodní strategie.
Čip pro modely, které přemýšlejí déle
Maia 300 má být připravená na dlouhý kontext, rychlé konverzační odpovědi i vícekrokové agentní úlohy. Dlouhý kontext znamená, že model pracuje s větším množstvím textu v rámci jednoho zadání. Agentní úloha je pak práce, při níž AI nerozdá jen jednu odpověď, ale postupně plánuje a vykonává více kroků.
Právě tady mi dává vlastní hardware největší smysl. Modely pro uvažování a agenti mohou generovat hodně tokenů, opakovaně sahat do nástrojů a držet kontext déle než obyčejný chat. Pokud se mají používat masově, je potřeba hlídat nejen výkon, ale také zpoždění a spotřebu. Jinak se z chytrého asistenta snadno stane drahý asistent, který si dává na odpověď až příliš na čas.
Maia 200 už podle Microsoftu běží v produkci pro Microsoft Copilot, GitHub Copilot, Microsoft Foundry a vlastní modely firmy. Maia 300 tak nepřichází jako osamělý experiment, ale jako další krok ve stejné infrastrukturní řadě. Nová architektura navíc rozděluje výpočetní část, paměťový řadič a vstupně-výstupní funkce do chipletů, tedy menších specializovaných částí jednoho procesoru.
Co bude potřeba ověřit v praxi
Microsoft mluví o úsporách a výkonu přesvědčivě, ale do skutečného nasazení zbývá čas: Maia 300 má do produkčních zátěží nastoupit až v roce 2027. Nevíme ani, kolik bude provoz na tomto hardwaru stát zákazníky Azure, ani jak bude čip obstávat ve srovnatelných nezávislých testech proti konkrétním GPU.
Mně osobně připadá podstatné už to, že se souboj v AI nevede jen o lepší model a hezčí chatovací okno. Čím víc AI firma obsluhuje, tím víc záleží i na tom, co jí běží hluboko pod kapotou. Maia 300 možná nebude čip, o kterém si běžný uživatel někdy přečte v nastavení Copilotu, ale jeho dopad by mohl poznat na rychlosti a ceně služeb.
Microsoft si tak nestaví jen další čip. Staví si větší prostor pro vlastní rozhodování — a Nvidia tím získává dalšího zákazníka, který by jednou nemusel nakupovat tak ochotně jako dosud.
