Microsoft stellt KI-Beschleuniger Maia 300 für Inferenz vor
-
Daniel Böhmel -
12. Oktober 2026 um 17:45 -
164 Mal gelesen -
0 Kommentare
Microsoft setzt bei KI-Inferenz auf eigene Chips und hat dafür den Beschleuniger Azure Maia 300 vorgestellt. Die Präsentation erfolgte am 12. Oktober 2026. Produktionsbereitstellungen sollen 2027 beginnen, gleichzeitig soll die Azure-Maia-Familie ab diesem Jahr auf Multi-Gigawatt-Umfänge wachsen.
Maia 300 soll dabei nicht bloß als weitere Hardware-Option neben GPUs existieren. Microsoft will den Chip als primäres Inferenzsystem für eigene Produkte und Dienste einsetzen. Der Konzern baut sich damit also eine eigene Rechenbasis für Aufgaben, bei denen trainierte KI-Modelle Antworten erzeugen, statt sie erst zu trainieren.
Maia 300 zielt auf lange Gespräche und agentische Aufgaben
Laut Microsoft ist Maia 300 auf lange Kontexte, latenzkritische Dialoge und mehrstufige agentische Aufgaben ausgerichtet. Gemeint sind damit Anwendungen, bei denen ein Modell viele Informationen im Blick behalten und mehrere Schritte nacheinander abarbeiten muss. Schnell soll es dabei ebenfalls zugehen, denn gerade bei Dialogen wartet niemand gern auf eine Antwort, während im Hintergrund offenbar ein sehr teurer Taschenrechner nachdenkt.
Microsoft erwartet gegenüber führenden GPU-basierten Systemen 40 Prozent mehr Token pro Megawatt. Die Kennzahl beschreibt, wie viel Textverarbeitung sich mit einer bestimmten Energiemenge erledigen lässt. Der Anspruch ist damit klar auf den Betrieb großer KI-Dienste gerichtet, bei denen nicht nur die Rechenleistung, sondern auch der Stromverbrauch zählt.
Eine vollständige Rack-Konfiguration von Maia 300 umfasst 96 Beschleuniger. Auf Rack-Ebene soll sie bis zu siebenmal den Token-Durchsatz von Maia 200 erreichen. Dafür arbeitet das System innerhalb eines Leistungsrahmens von 167 Kilowatt. Das ist keine kleine Box für den Schreibtisch, sondern Infrastruktur, die ihren Platz und ihre Energieversorgung ziemlich deutlich anmeldet.
Viel Speicher soll die großen Kontexte versorgen
Microsoft nennt für die Speicherarchitektur von Maia 300 acht HBM4-Stacks. Pro Beschleuniger werden eine Spitzen-Speicherbandbreite von 18,0 Terabyte pro Sekunde und eine TDP von 950 Watt angegeben. HBM steht für High Bandwidth Memory und beschreibt einen besonders schnell angebundenen Speicher, der für die Verarbeitung großer Datenmengen eingesetzt wird.
Im 96-Beschleuniger-Rack summiert sich die HBM-Kapazität laut Microsoft auf 27,6 Terabyte. Die aggregierte HBM-Bandbreite soll 1,7 Petabyte pro Sekunde erreichen. Gerade für lange Kontexte und anspruchsvollere Abläufe ist das relevant, weil die Modelle nicht nur rechnen, sondern auch viele Informationen schnell bereitstellen müssen.
Die Recheneinheiten der Chiplet-Architektur werden auf TSMCs N2P-Prozess gefertigt. Microsoft verbindet dabei mehrere Bausteine zu einem System, das auf hohe Speicherbandbreite und den Betrieb im Rack ausgelegt ist. Der große Sprung soll also nicht nur aus einem einzelnen Chip kommen, sondern aus dem Zusammenspiel von Beschleunigern, Speicher und kompletter Systemkonfiguration.
Maia 200 läuft bereits in Microsofts Diensten
Maia 300 folgt auf Maia 200, den Microsoft als bereits produktiv genutzte Vorgängergeneration beschreibt. Nach Angaben des Unternehmens läuft Maia 200 für Copilot und unterstützt das MAI-Team. GitHub Copilot und Microsoft Foundry sollen bis Jahresende folgen.
Maia 200 ist laut Microsoft in den USA, Europa und Australien im Einsatz. Für integrierte KI-Funktionen in Teams, Copilot und Cowork soll die Generation bis zu 1,7-mal mehr Token pro Watt liefern als führende GPU-Infrastruktur.
Mit Maia 300 verschiebt Microsoft den Maßstab nun von einzelnen Anwendungen hin zu größeren Bereitstellungen. Ab 2027 soll die Familie auf Multi-Gigawatt-Umfänge ausgebaut werden, während die neue Generation für die produktive Inferenz in den eigenen Produkten vorgesehen ist. Der Name bleibt derselbe, die Größenordnung wird allerdings deutlich weniger bescheiden.
Quellen
Mehr von uns in den Google-Suchergebnissen sehen: Lege uns als bevorzugte Quelle fest.
Bei Google als bevorzugte Quelle festlegenGeschrieben von
Daniel Böhmel entwickelt seit über 20 Jahren Software und ist seit 2007 selbstständig. Angefangen hat er mit interaktivem Webdesign zu Flash-Zeiten, später baute er eigene Onlineprojekte wie ein Fitnessforum und einen Supplementeshop auf, inklusive der redaktionellen Inhalte. Heute liegt sein…
Zum Profil von Daniel BöhmelJetzt mitmachen!
Du hast noch kein Benutzerkonto auf unserer Seite? Registriere dich kostenlos und nimm an unserer Community teil!