Microsoft może wkrótce pokazać kolejną generację własnego akceleratora sztucznej inteligencji. Microsoft Maia 300, o którym pojawiają się nowe doniesienia branżowe, ma być następnym etapem programu budowy wyspecjalizowanych układów dla infrastruktury Azure. Wedbush Securities ocenia, że powodzenie projektu byłoby korzystne nie tylko dla samego Microsoftu, lecz również dla firm uczestniczących w projektowaniu i produkcji zaawansowanych półprzewodników, Santeos.pl podaje, powołując się na seekingalpha.com.
Nowy układ nie został jeszcze oficjalnie zaprezentowany przez Microsoft. Według informacji przytoczonych 11 sierpnia 2026 roku Maia 300 może zostać ujawniony już jesienią, natomiast rozmowy dotyczące przyszłej produkcji mają obejmować ponad 300 tys. jednostek przeznaczonych na 2027 rok. To skala, która w przypadku realizacji planów mogłaby mieć zauważalne znaczenie dla dostawców technologii półprzewodnikowych.
Microsoft przyspiesza rozwój własnych chipów AI
Program Maia nie jest nowym eksperymentem firmy. Microsoft przedstawił pierwszą generację własnego akceleratora Maia 100 w listopadzie 2023 roku jako element budowanej od podstaw infrastruktury AI dla Azure. Układ projektowano z myślą o dużych obciążeniach związanych zarówno z trenowaniem, jak i obsługą modeli sztucznej inteligencji.
Kolejny duży etap nastąpił 26 stycznia 2026 roku, gdy koncern oficjalnie zaprezentował Maia 200. Tym razem nacisk został wyraźnie położony na inference, czyli wykonywanie gotowego modelu i generowanie odpowiedzi po zakończeniu kosztownego procesu trenowania. Maia 200 powstał w procesie technologicznym 3 nm TSMC i został wyposażony między innymi w 216 GB pamięci HBM3e.
Maia 300 może być więc trzecią dużą odsłoną programu rozwijanego od kilku lat. Każda kolejna generacja daje Microsoftowi więcej doświadczenia w projektowaniu własnego krzemu. Jednocześnie firma może coraz dokładniej dopasowywać sprzęt do konkretnych zadań wykonywanych w swoich centrach danych.
Dla Microsoftu stawka jest wysoka. Azure obsługuje ogromne zapotrzebowanie na moc obliczeniową dla generatywnej AI, a koszt infrastruktury stał się jednym z najważniejszych elementów ekonomii całego sektora. Własne akceleratory mogą pozwolić firmie zmniejszać zależność od jednego typu procesorów i optymalizować sprzęt pod obciążenia występujące najczęściej we własnej chmurze.
Wedbush wskazuje Marvell i TSMC jako potencjalnych beneficjentów
Analityk Wedbush Matt Bryson zwrócił uwagę, że historia sprzętowych projektów Microsoftu nie zawsze odpowiadała wcześniejszym oczekiwaniom rynku. Jednocześnie program Maia znajduje się już na etapie, na którym kilka kolejnych generacji może zacząć przynosić korzyści wynikające z doświadczenia projektowego.
„Jeżeli pojawi się duże zamówienie, Marvell i TSMC powinny bezpośrednio skorzystać na sukcesie Microsoftu” – ocenił Matt Bryson z Wedbush.
W przypadku Marvell Technology znaczenie ma rozwijany biznes niestandardowych układów ASIC przeznaczonych między innymi dla centrów danych i infrastruktury AI. Firma oferuje technologie pozwalające budować procesory dostosowane do konkretnych wymagań dużych operatorów chmurowych, w tym rozwiązania bazujące na zaawansowanych procesach 3 nm.
TSMC znajduje się w innym miejscu łańcucha dostaw. Tajwański producent odpowiada za fizyczną produkcję wielu najbardziej zaawansowanych procesorów projektowanych przez firmy technologiczne. Microsoft już korzysta z procesu TSMC przy Maia 200, dlatego wzrost skali własnego programu chipowego może przełożyć się na dodatkowe zapotrzebowanie na zaawansowane moce produkcyjne.
Ponad 300 tys. chipów w 2027 roku byłoby ważnym sygnałem
Według medialnych doniesień Microsoft miał rozmawiać z TSMC o zabezpieczeniu zdolności produkcyjnych pozwalających dostarczyć ponad 300 tys. układów Maia 300 w 2027 roku. Sama liczba pozostaje na tym etapie elementem nieoficjalnych informacji, ponieważ Microsoft nie przedstawił publicznego zamówienia na taką skalę.
Gdyby jednak plan został zrealizowany, oznaczałby przejście od rozwijania własnego układu do wdrażania go w znaczących ilościach. W centrach danych liczy się nie tylko wydajność pojedynczego procesora, lecz także możliwość dostarczenia dziesiątek lub setek tysięcy egzemplarzy, połączenia ich w większe klastry oraz zapewnienia odpowiedniej pamięci, sieci i systemów chłodzenia.
Najważniejsze elementy, które rynek będzie obserwował wokół Maia 300, to:
- termin oficjalnej prezentacji nowego układu;
- wydajność w zadaniach inference;
- koszt generowania tokenów w porównaniu z obecnymi rozwiązaniami;
- skalę zamówień produkcyjnych na 2027 rok;
- udział własnych chipów w infrastrukturze Azure;
- współpracę Microsoftu z partnerami półprzewodnikowymi;
- tempo wdrażania Maia 300 w centrach danych.
Sama produkcja procesora jest bowiem tylko jednym z etapów. Akceleratory AI wymagają pamięci HBM, szybkich połączeń pomiędzy układami, zaawansowanego pakowania i oprogramowania, które pozwala wykorzystać ich możliwości w rzeczywistych obciążeniach.
Maia 100, Maia 200 i Maia 300 – jak rozwija się projekt?
Kolejne generacje pokazują zmianę podejścia Microsoftu do własnego sprzętu. Maia 100 otworzył program, Maia 200 został wyraźnie zoptymalizowany pod inference, a chip Maia 300 ma według doniesień kontynuować walkę o obniżenie kosztu działania dużych modeli.
| Układ | Moment prezentacji | Status | Główne znaczenie |
|---|---|---|---|
| Maia 100 | listopad 2023 | oficjalnie zaprezentowany | pierwsza generacja własnego akceleratora AI Microsoftu |
| Maia 200 | styczeń 2026 | wdrożony | akcelerator skoncentrowany na inference |
| Maia 300 | możliwa jesień 2026 | nieoficjalne informacje | kolejny etap redukcji kosztów inference |
| Maia 300 w 2027 | planowana większa skala | według doniesień | możliwa produkcja liczona w setkach tysięcy sztuk |
Microsoft podaje, że Maia 200 oferuje ponad 30 proc. lepszą relację liczby generowanych tokenów do kosztu w porównaniu z najnowszym krzemem znajdującym się wcześniej w jego własnej infrastrukturze. Wiosną 2026 roku układy Maia 200 działały już w centrach danych firmy w Iowa i Arizonie.
Te dane pokazują, dlaczego rozwój następcy budzi zainteresowanie inwestorów. Jeżeli następna generacja dodatkowo poprawi ekonomię inference, własny krzem może odpowiadać za coraz większą część obciążeń uruchamianych przez Microsoft.
Dlaczego inference jest tak ważne dla Microsoftu?
W początkowej fazie boomu na generatywną AI dużą uwagę skupiał koszt trenowania największych modeli. To proces wymagający ogromnych klastrów procesorów pracujących przez długi czas. Wraz ze wzrostem liczby użytkowników coraz większe znaczenie zyskuje jednak inference AI, czyli codzienne uruchamianie już wytrenowanych modeli.
Każde pytanie skierowane do asystenta AI, wygenerowany tekst, analiza dokumentu lub kolejne wywołanie modelu oznacza obliczenia wykonywane w centrum danych. Przy milionach użytkowników niewielka różnica w koszcie pojedynczego zadania może w skali roku przekładać się na bardzo duże kwoty.
Strategia Microsoftu przy Maia 200 została podporządkowana poprawie ekonomii generowania tokenów, czyli jednego z podstawowych kosztów działania usług generatywnej AI.
Oficjalna dokumentacja Maia 200 pokazuje, że Microsoft projektuje nie tylko sam procesor. Firma rozwija jednocześnie system pamięci, komunikację pomiędzy chipami, sieć i całe środowisko centrum danych. Architektura może łączyć tysiące akceleratorów w większą infrastrukturę przeznaczoną dla bardzo wymagających modeli.
Wyścig o chipy AI coraz mniej przypomina prostą rywalizację na liczbę operacji na sekundę. Liczy się koszt każdego wygenerowanego tokenu, zużycie energii oraz dostępność sprzętu w dużej skali. To właśnie w tych obszarach własny procesor może być dla operatora chmurowego najbardziej wartościowy.
Co Maia 300 może oznaczać dla Nvidii?
Wedbush zwraca uwagę również na Nvidię, ponieważ Maia 300 byłby kolejnym własnym układem dużego operatora chmurowego projektowanym jako alternatywa dla części zadań wykonywanych obecnie przez zewnętrzne akceleratory.
Nie oznacza to jednak automatycznego odebrania Nvidii dużej części rynku. Firma zbudowała pozycję nie tylko na wydajnych GPU, ale również na oprogramowaniu, bibliotekach, sieciach i gotowych systemach dla centrów danych. Dla klientów ważna jest także dostępność urządzeń w skali odpowiadającej gwałtownie rosnącemu zapotrzebowaniu.
Według Brysona Nvidia radziła sobie szczególnie dobrze z zapewnianiem znaczących dostaw sprzętu. Z tego powodu nawet przy dalszym rozwoju procesorów projektowanych przez Microsoft własne chipy mogą przez długi czas funkcjonować obok GPU Nvidii, a nie całkowicie je zastępować.
Taki model jest już widoczny w strategii dużych firm chmurowych. Własny krzem daje możliwość dopasowania architektury do określonych obciążeń, podczas gdy dostępne komercyjnie GPU pozostają bardziej uniwersalnym rozwiązaniem dla wielu modeli, klientów i środowisk programistycznych.
Marvell rozwija biznes niestandardowych procesorów AI
Możliwy udział Marvella jest interesujący w szerszym kontekście zmian w branży półprzewodnikowej. Najwięksi operatorzy centrów danych coraz częściej zamawiają układy zaprojektowane dla własnych potrzeb zamiast opierać całą infrastrukturę na standardowych procesorach dostępnych dla każdego klienta.
Marvell rozwija rozwiązania custom ASIC i technologie związane z pamięcią HBM, pakowaniem oraz szybkimi interfejsami. Firma przewiduje, że w kolejnych latach znaczenie niestandardowych akceleratorów AI będzie rosło wraz z próbami ograniczania kosztów obliczeń w największych centrach danych.
Dla producentów takich rozwiązań najważniejsze są wieloletnie programy obejmujące kolejne generacje procesorów. Projekt pojedynczego zaawansowanego układu kosztuje setki milionów dolarów, dlatego dopiero przejście do większej produkcji pozwala wykorzystać pełny potencjał ekonomiczny inwestycji.
Z tej perspektywy informacja o Maia 300 ma znaczenie nie tylko dla Microsoftu. Jeżeli skala programu rzeczywiście wzrośnie do setek tysięcy procesorów, wpływ może objąć cały ekosystem dostawców odpowiedzialnych za projektowanie, produkcję, pamięci, pakowanie oraz infrastrukturę sieciową.
Rynek czeka na oficjalną prezentację Maia 300
Najważniejsza niewiadoma dotyczy obecnie terminu premiery oraz parametrów kolejnej generacji. Doniesienia wskazują na możliwość prezentacji jesienią 2026 roku, ale Microsoft nie ogłosił jeszcze oficjalnie Maia 300 ani jego pełnej specyfikacji.
Nie ma więc potwierdzonych danych dotyczących procesu technologicznego, pojemności pamięci, poboru energii czy dokładnej przewagi wydajnościowej nad Maia 200. Informacje o potencjalnej produkcji ponad 300 tys. egzemplarzy w 2027 roku również pozostają doniesieniem dotyczącym planów, a nie oficjalnie potwierdzonym zamówieniem.
Pewne jest natomiast, że Microsoft intensywnie rozwija własny krzem. Maia 200 został zaprezentowany w styczniu 2026 roku, działa już w wybranych centrach danych Azure i jest nastawiony na poprawę ekonomii inference. Kolejna generacja byłaby naturalną kontynuacją tej strategii.
Jeżeli Maia 300 Microsoftu trafi do masowej produkcji w zapowiadanej skali, najważniejszym testem nie będzie sama premiera procesora, lecz jego rzeczywista rola w Azure. Dla Marvella i TSMC oznaczałoby to potencjalnie większy biznes związany z własnym krzemem Microsoftu, a dla Nvidii kolejny dowód, że najwięksi klienci inwestują w alternatywne akceleratory przeznaczone do najbardziej kosztownych obciążeń AI.
