‏مایکروسافت تراشه‌ی Maia رو در مقیاس گیگاوات میاره

مایکروسافت تو یه پست از Scott Guthrie اعلام کرده که خانواده‌ی تراشه‌های Azure Maia رو از ۲۰۲۷ به استقرار چند گیگاواتی می‌رسونه. یعنی Maia می‌شه سیستم اصلی inference (یعنی اجرای مدل آموزش‌دیده برای جواب دادن به درخواست‌ها) برای محصولات و سرویس‌های مایکروسافت.

Maia 200 الان در حال کاره و Microsoft Copilot رو اجرا می‌کنه. تا آخر سال هم GitHub Copilot و Microsoft Foundry بهش اضافه می‌شن. روی این تراشه مدل‌های OpenAI، مدل‌های MAI خود مایکروسافت و مدل‌های متن‌باز اجرا می‌شن. به گفته‌ی مایکروسافت، Maia 200 تو آمریکا، اروپا و استرالیا مستقر شده و برای قابلیت‌های هوش مصنوعی Teams و Copilot تا ۱.۷ برابر توکن بیشتری به ازای هر وات نسبت به GPUهای برتر تولید می‌کنه.

Maia 300 نسل سوم این برنامه‌ست و از اول برای inference طراحی شده، مخصوصاً برای context طولانی و تسک‌های چندمرحله‌ای ایجنت‌ها. مایکروسافت انتظار داره ۴۰ درصد توکن بیشتر به ازای هر مگاوات نسبت به سیستم‌های GPU بده. یه رک کامل با ۹۶ شتاب‌دهنده هم تا ۷ برابر throughput یه رک Maia 200 رو داره.

مایکروسافت می‌گه تو inference بزرگ، گلوگاه اصلی جابه‌جا کردن داده‌ست نه قدرت محاسبه. برای همین Maia 300 یه معماری dataflow نرم‌افزاری داره که داده رو نزدیک محل محاسبه نگه می‌داره. هر تراشه هشت stack حافظه‌ی HBM4 داره که ۱۸ ترابایت بر ثانیه پهنای باند تو توان ۹۵۰ وات می‌ده. از SRAM روی خود تراشه هم به‌عنوان حافظه‌ی موقت استفاده می‌شه تا فشار روی HBM کم بشه.

معماری Maia 300 چند chiplet داره، یعنی محاسبه، کنترل حافظه و I/O روی تکه‌های جدا ساخته می‌شن. chipletهای محاسبه با فرایند N2P شرکت TSMC تولید می‌شن. پشتیبانی از فرمت‌های کم‌دقت مثل MXFP4 هم حافظه‌ی لازم برای محاسبه و KV-cache (یعنی حافظه‌ای که مدل برای نگه داشتن context استفاده می‌کنه) رو کم می‌کنه. نتیجه‌ش پنجره‌ی context بزرگ‌تر با همون مصرف برقه.

هر رک Maia 300 تو توان ۱۶۷ کیلووات، ۹۶ شتاب‌دهنده، ۲۷.۶ ترابایت حافظه‌ی HBM و ۱.۷ پتابایت بر ثانیه پهنای باند داره. ارتباط بین تراشه‌ها با یه پروتکل انتقال اختصاصی روی شبکه‌ی Ethernet انجام می‌شه که از یه رک تا کل دیتاسنتر مقیاس می‌گیره. جزئیات بیشتر قراره تو Microsoft Ignite 2026 ماه بعد گفته بشه.

نکات کلیدی:

• Maia 200 الان Microsoft Copilot رو اجرا می‌کنه و تا ۱.۷ برابر توکن به ازای هر وات بیشتر از GPU می‌ده
• Maia 300 از ۲۰۲۷ در مقیاس چند گیگاوات مستقر می‌شه
• ادعای ۴۰ درصد توکن بیشتر به ازای هر مگاوات نسبت به سیستم‌های GPU
• هر تراشه: هشت stack حافظه‌ی HBM4، پهنای باند ۱۸ ترابایت بر ثانیه، توان ۹۵۰ وات
• هر رک: ۹۶ شتاب‌دهنده، ۱۶۷ کیلووات، ۲۷.۶ ترابایت HBM
• chipletهای محاسبه روی فرایند TSMC N2P ساخته می‌شن