Maia 300 på vei inn i Azure: Microsoft satser på egen inferensbrikke fra 2027
Microsoft har avduket Maia 300, selskapets tredje generasjon egenutviklet AI-brikke for inferens, med produksjonsutrulling på tvers av Azure-datasentre fra 2027. Mens forgjengeren Maia 200 allerede er i drift, satser Microsoft på at Maia 300 skal bli hovedsystemet for AI-inferens på tvers av egne produkter og tjenester – med påstander om 40 prosent flere tokens per megawatt enn ledende GPU-baserte systemer. Alle ytelsestall er foreløpig virksomhetens egne forventninger, ikke uavhengige målinger.
Hva Microsoft kunngjorde
Kunngjøringen kom midt i oktober 2026, i forkant av Microsoft Ignite 2026 som arrangeres neste måned. Ifølge ETV Bharat (publisert 13. oktober 2026) [kilde: f9d407d8] sier selskapet at Azure Maia-familien skal utvides til utrulling i multi-gigawatt-skala fra 2027, med Maia 300 som hovedsystem for AI-inferens på tvers av Microsofts produkter og tjenester.
Lapaas Voices dekning [kilde: d46e1c4e] beskriver samme budskap: Maia 300 er tredje generasjon egenutviklet inferensbrikke, og selskapet utvider sin tilpassede silisium-infrastruktur på tvers av Azure-datasentre fra 2027. Maia 200 er altså i drift nå; Maia 300 følger neste år.
Spesifikasjonene som er offentliggjort
Detaljene som nå er gjort offentlige, beskriver en brikke dimensjonert for storskala inferens:
- Minne: Åtte HBM4-minnestakker gir en peakbåndbredde på 18 terabyte per sekund, innenfor en effektrampe på 950 watt per akselerator (kilde: f9d407d8).
- Design: Chiplet-arkitektur med beregningschiplets produsert på TSMCs N2P-prosess.
- Nettverk: Ethernet-basert nettverk for datacenterskala – det vil si at akseleratorene kobles sammen med teknologi av samme type som bærer den vanlige datamaskinflokk-trafikken, i stedet for proprietære berrearkitekturer.
- Rack-konfigurasjon: En full rack på 96 akseleratorer er designet med en effektomgivning på rundt 167 kW, totalt 27,6 TB HBM-minne og en samlet båndbredde på 1,7 petabyte per sekund (kilde: d46e1c4e).
Microsoft hevder at en slik full rack kan levere opptil syv ganger rack-skala token-gjennomstrømning sammenlignet med Maia 200. Også dette er et virksomhetsrapportert anslag.
I praksis betyr tallene følgende: Inferens – det vil si å kjøre ferdig trente modeller for å generere svar – er svært minnekrevende, og båndbredden mellom brikken og HBM-minnet er ofte flaskehalsen for hvor raskt en modell kan produsere tokens. 18 TB/s per akselerator og 1,7 PB/s per rack er dimensjonert nettopp for dette arbeidsmønsteret, og effekttallet på 950 watt per brikke og 167 kW per rack sier noe om hvor tett Microsoft planlegger å pakke akseleratorene i datasentrene.
Ytelseskravet på 40 prosent – foreløpig bare et løfte
Det mest aggressive tallet i kunngjøringen er påstanden om at Maia 300 vil levere 40 prosent flere tokens per megawatt enn ledende GPU-baserte systemer (kilde: f9d407d8). ETV Bharat formidler dette uttrykkelig som noe Microsoft «forventer» – ikke som en dokumentert måling.
Det er et viktig skille for leseren: Ingen av de tilgjengelige kildene bygger på uavhengig benchmarking. Lapaas Voice bemerker selv at ytelsestallene er virksomhetsrapporterte spesifikasjoner og forventninger, ikke resultatene av uavhengige målinger, og at de bygger på Microsofts egne arkitekturdokumenter. Tokens per megawatt er likevel en sentral målestokk i bransjen, fordi strømforsyning – ikke plass – ofte er den begrensende faktoren for hvor mye AI-inferens et datasenter kan drive. Hvis tallet holder, ville det bety lavere driftskostnad per enhet AI-arbeid; om det holder, vet ingen utenfor Microsoft foreløpig.
Skala og strategi: multi-gigawatt og mindre avhengighet av Nvidia
Kunngjøringen handler ikke bare om én brikke, men om en utrullingsplan: Azure Maia-familien skal utvides til multi-gigawatt-deployments fra 2027, med Maia 300 som hovedsystem for inferens på tvers av Microsofts produkter og tjenester (kilde: f9d407d8).
ETV Bharats journalister rammeregner den strategiske begrunnelsen slik: Kunngjøringen signaliserer et press for å redusere Microsofts avhengighet av selskaper som Nvidia og AMD for regnekraften AI-oppgavene krever. Dette er en karakterisering fra reporterhånd, ikke et sitat fra Microsoft – men den plasserer nyheten i en velkjent sammenheng: De store hyperscalerne bygger egne brikker fordi GPU-er er dyre, etterspurt og kontrollert av konkurrenter og leverandører de selv er i konflikt med på flere områder.
ETV Bharat nevner også arbeidsbelastninger der Microsoft ifølge egen fremstilling skal bruke inferenssystemet – blant annet GitHub, Microsoft Foundry, MAI og Dragon Copilot. Også disse opplysningene stammer altså fra Microsofts egen fremstilling, formidlet gjennom ETV Bharat, og er ikke uavhengig verifisert.
Hva vi ikke vet
Det finnes ingen primærdokumentasjon fra Microsoft selv i det tilgjengelige kildematerialet – de to artiklene er begge sekundære gjengivelser av selskapets offisielle materiale. Det betyr at det ikke foreligger uavhengig bekreftelse, analytikerreaksjoner eller benchmark-resultater for noen av tallene. Heller ikke det nøyaktige tidspunktet eller stedet for selve avdukningen er presisert i kildene; det som kan fastslås er at ETV Bharat publiserte sin dekning 13. oktober 2026, og at Microsoft løfter frem mer detaljer på Ignite neste måned.
De åpne spørsmålene følger derav: Hvordan måler Microsoft «tokens per megawatt», og på hvilke modeller og arbeidsbelastninger? Hvordan vil 96-akselerator-rackene med Ethernet-nettverk fungere i praksis sammenlignet med mer spesialiserte akseleratornettverk? Og hvilken andel av Microsofts enorme inferensvolum vil faktisk flyttes fra GPU-er til Maia-brikker når utrullingen starter i 2027?
Hva som skjer videre
Microsoft har ifølge ETV Bharat lovet å dele mer om strategi, teknologitrender og kunderesultater på Microsoft Ignite 2026, som går av stabelen neste måned. Det er der de foreløpig virksomhetsrapporterte tallene sannsynligvis vil bli fulgt opp med mer dokumentasjon – og der markedet får anledning til å begynne å vurdere om Maia 300 faktisk leverer det selskapet nå lover.
Kildegrunnlag for artikkelen: Lapaas Voice [kilde: d46e1c4e] og ETV Bharat [kilde: f9d407d8]. Ytelsestallene er Microsofts egne oppgitte forventninger.