Microsoft Maia 300 utiliza o processo N2P da TSMC enquanto a Azure aponta para vários gigawatts de capacidade de IA em 2027

Uma rack com 96 aceleradores está no centro da próxima aposta da Microsoft na IA

A Microsoft apresentou a Maia 300, um acelerador de IA cujos chiplets de computação utilizarão o processo N2P da Taiwan Semiconductor Manufacturing Co., com as primeiras implementações em produção previstas para 2027. O anúncio concretiza a ambição da Microsoft de fazer do seu próprio hardware Maia o sistema principal para executar inferência de IA nos seus produtos e serviços.

A rack prevista combina 96 aceleradores, com um limite de potência de 167 quilowatts, 27,6 terabytes de memória de elevada largura de banda e cerca de 1,7 petabytes por segundo de largura de banda agregada da memória. A Microsoft espera que a Maia 300 gere mais 40% de tokens por megawatt do que os principais sistemas baseados em unidades de processamento gráfico, ou GPUs, e até sete vezes mais produção do que uma rack Maia 200.

Estas são afirmações de desempenho da empresa, não resultados de testes independentes. Ainda assim, mostram para onde a Microsoft está a dirigir o investimento: aumentar a quantidade de resultados úteis de IA que cabe nos limites de eletricidade, arrefecimento e espaço de um centro de dados, em vez de simplesmente aumentar a capacidade de processamento de um chip individual.

Scott Guthrie, vice-presidente executivo da área de Cloud + AI da Microsoft, apresentou o plano de implementação no anúncio da Azure Maia, publicado pela empresa em 12 de outubro de 2026.

Vamos expandir a família Azure Maia para implementações de vários gigawatts a partir de 2027, fazendo da Maia o principal sistema de inferência dos produtos e serviços da Microsoft.

O compromisso diz respeito à família Maia, não apenas à Maia 300. As notícias de que a Microsoft poderá implementar mais de um milhão de chips Maia 300 em 2027 vão além do anúncio publicado, que confirma o ano de início, mas não especifica o número de chips nem um prazo para concluir a expansão mais ampla.

O que será fabricado com o processo N2P da TSMC

A confirmação da Microsoft é mais precisa do que uma descrição genérica da Maia 300 como um chip de 2 nanómetros. Os chiplets de computação utilizam o processo N2P, integrado na família de processos de 2 nanómetros da TSMC. Os controladores de memória e as funções de entrada e saída estão em dies separados, permitindo que diferentes partes do encapsulamento utilizem tecnologias de fabrico adequadas às respetivas funções.

Um chiplet é uma peça de silício mais pequena que funciona em conjunto com outros dies dentro de um encapsulamento. Na Maia 300, esta divisão permite à Microsoft colocar as funções de computação num processo avançado, tratando a conectividade, o controlo da memória e os custos como escolhas de conceção distintas. Não significa que todos os dies do encapsulamento utilizem o processo N2P.

A análise da arquitetura da Maia 300, publicada pela Microsoft a 12 de outubro e da autoria de Rani Borkar, presidente de Azure Hardware Systems and Infrastructure, e Saurabh Dighe, vice-presidente corporativo de Systems Planning and Architecture, descreve explicitamente esta divisão.

O documento afirma que as alterações arquitetónicas aumentam em 36% a capacidade de computação do sistema, medida em operações de vírgula flutuante, proporcionam 2,5 vezes mais largura de banda HBM e acrescentam 14% de largura de banda para a comunicação entre aceleradores. Estes valores descrevem recursos diferentes do sistema. Nenhum deles, por si só, explica o aumento de sete vezes na produção de tokens da rack anunciado pela empresa.

Porque é que a memória é tão importante como a capacidade de computação

A Maia 300 foi concebida sobretudo para inferência, o processo de utilização de um modelo já treinado para gerar respostas ou executar tarefas. Entre as cargas de trabalho previstas estão o raciocínio sobre documentos longos, conversas que exigem respostas rápidas e agentes de IA que executam várias etapas e utilizam ferramentas durante períodos prolongados.

Estas cargas de trabalho podem passar muito tempo a movimentar dados do modelo e informações de conversas armazenadas, em vez de fazer cálculos. Por isso, a Microsoft concebeu cada acelerador em torno de oito pilhas de memória HBM4, que proporcionam 288 gigabytes de capacidade e uma largura de banda máxima de 18 terabytes por segundo, dentro de um limite de potência de projeto térmico de 950 watts. A potência de projeto térmico é uma especificação de conceção para potência e arrefecimento, não uma medição do consumo constante de eletricidade.

Em comparação com a Maia 200, a Microsoft afirma que a Maia 300 oferece mais 33% de capacidade de memória e 2,5 vezes mais largura de banda de memória. A comparação de capacidade é coerente com o aumento anunciado de 216 para 288 gigabytes, uma diferença de 72 gigabytes por acelerador.

É preciso ter cuidado com as unidades de largura de banda. Alguns relatos exprimem a largura de banda do chip anterior em terabits por segundo e a da nova rack em petabits por segundo. A documentação da Maia 300 da Microsoft utiliza terabytes e petabytes por segundo. Bits e bytes diferem por um fator de oito, pelo que estes valores, expressos de formas diferentes, não devem ser tratados como equivalentes.

O software controla o destino dos dados

A Maia 300 expande a arquitetura SDLA (Software Defined Locally Accessed Dataflow Architecture) da Microsoft. Na prática, esta arquitetura dá ao software controlo explícito sobre onde os dados são armazenados, como são movimentados, quando o seu formato é alterado e como as operações são coordenadas entre motores de computação, memória e rede.

A nova conceção utiliza uma organização de memória não uniforme entre chiplets. Parte da memória está mais próxima de uma determinada região de computação do que outra, pelo que o software pode reduzir a movimentação de dados ao colocá-los perto dos motores que deles necessitam. A SRAM, uma memória rápida localizada no die, também funciona como área de trabalho temporária gerida por software, reduzindo as exigências impostas à HBM.

A Microsoft combina estas alterações com um maior suporte para formatos numéricos compactos, incluindo MXFP4 e formatos de armazenamento com menos de três bits. Estas representações reduzem o espaço ocupado pelos dados na memória e o número de bytes que têm de ser transferidos durante a inferência. A sua utilidade depende do suporte do software e dos modelos, não apenas do formato mais pequeno.

A conceção também visa a cache KV, que armazena informações dos tokens já processados pelo modelo, para que este não tenha de voltar a calculá-las em cada etapa. Manter esta cache compacta é importante quando as conversas se prolongam ou quando muitos utilizadores precisam de serviço em simultâneo.

Mustafa Suleyman, diretor executivo da Microsoft AI, relacionou o programa de hardware com o trabalho de desenvolvimento de modelos da empresa, explicando por que motivo a sua equipa quer controlar a plataforma subjacente aos modelos.

A essa escala, precisamos de uma plataforma que nos pertença e que concebamos em conjunto com os nossos modelos. É por isso que a execução dos nossos modelos Microsoft AI sobre o chip Maia é uma prioridade fundamental para a nossa equipa.

De uma rack a 12 288 aceleradores

Uma rack Maia 300 contém 24 tabuleiros, cada um com quatro aceleradores e o respetivo processador anfitrião, memória, armazenamento e sistema de arrefecimento. O número de aceleradores duplica face aos 48 de uma rack Maia 200. A integração do equipamento anfitrião nesses tabuleiros elimina a necessidade de tabuleiros separados para os anfitriões e liberta espaço para aceleradores adicionais.

A conceção de rede da Microsoft permite ligar até 128 racks num superpod com 12 288 aceleradores. Utiliza ligações elétricas dentro das racks e ligações óticas entre racks, com um protocolo de transporte de IA personalizado baseado em Ethernet.

A rede apresenta um modelo de comunicação único ao software em todo o superpod. Os aceleradores podem iniciar transferências para outros aceleradores sem encaminhá-las através de um processador anfitrião nem de uma interface de rede separada para a comunicação entre racks.

Isto é importante quando um modelo é dividido por vários chips. O paralelismo de tensores distribui partes dos cálculos de um modelo por vários aceleradores e exige comunicação frequente entre eles. A Microsoft afirma que o software pode manter dentro de uma rack o tráfego que exige os tempos de resposta mais curtos, distribuindo mais amplamente as restantes tarefas.

A mesma rede pode separar o processamento inicial de um pedido da geração subsequente de uma resposta. Os dados KV armazenados são transferidos diretamente entre os sistemas que executam essas etapas. Aceleradores disponíveis noutra rack também podem assumir o trabalho quando a capacidade fica indisponível, embora o percurso de comunicação mais longo acrescente latência.

O que comparam realmente as afirmações de eficiência

A Microsoft apresenta duas comparações principais que devem ser distinguidas. O aumento previsto de 40% nos tokens por megawatt compara a Maia 300 com os principais sistemas GPU. A afirmação de até sete vezes mais tokens por rack compara uma rack Maia 300 totalmente configurada com uma Maia 200.

Um token é uma unidade de texto processada por um modelo de linguagem, muitas vezes um fragmento de palavra em vez de uma palavra completa. O débito de tokens mede o volume de resultados, mas não determina, por si só, a qualidade das respostas, a velocidade de resposta para cada utilizador nem o desempenho em todos os modelos.

O documento de arquitetura também utiliza formulações diferentes ao comparar a eficiência com a Maia 200. A secção sobre a rack fala em até 2,5 vezes mais desempenho por watt, enquanto a comparação final refere mais de 2,5 vezes. Sem condições de teste detalhadas, estas descrições não devem ser reduzidas a um único resultado garantido.

O número de aceleradores explica parte do aumento da produção da rack: a Maia 300 duplica o número de chips. Assim, a afirmação de um débito sete vezes superior não se deve apenas à densidade: combina mais aceleradores com alterações na memória, no software, na rede e na eficiência de execução. Não deve ser interpretada como uma melhoria de sete vezes em cada chip individual.

A especificação de 950 watts por acelerador também é diferente do limite de potência de 167 quilowatts da rack. Multiplicar 96 por 950 watts resulta em 91,2 quilowatts. O valor da rack abrange um sistema mais amplo, que inclui anfitriões, memória, rede e distribuição de energia, pelo que os dois valores se referem a limites diferentes.

O arrefecimento e a eletricidade condicionam a implementação

Com 167 quilowatts por rack, a Maia 300 exige uma abordagem integrada à energia e ao calor. A Microsoft afirma que o arrefecimento líquido remove mais de 80% da carga térmica da rack proveniente dos aceleradores, reguladores de tensão e chips de comutação de rede. O arrefecimento a ar trata da memória, do armazenamento e de outros componentes.

A rack pode ligar-se diretamente à rede de água das instalações, quando disponível, ou utilizar um permutador de calor num centro de dados que recorra ao arrefecimento a ar. Duas alimentações elétricas e um comutador de transferência automática permitem manter o funcionamento quando uma delas é desligada para manutenção.

As medições de potência ao nível da rack e da fila alimentam as operações do centro de dados. A Microsoft afirma que esta informação ajuda os seus algoritmos a distribuir a potência, posicionar as cargas de trabalho e ajustar a densidade de implementação em função da capacidade disponível de eletricidade e arrefecimento.

Alistair Speirs, diretor-geral da Microsoft, explicou a relação com os custos operacionais ao falar da nova arquitetura.

Precisamos de novas arquiteturas que nos proporcionem, essencialmente, um melhor desempenho e uma melhor utilização da energia de que dispomos.

O objetivo de implementação de vários gigawatts é, portanto, mais do que um plano de compra de chips. Representa um compromisso de grande escala com infraestruturas, que envolve racks, redes, capacidade elétrica e arrefecimento. O anúncio publicado não identifica os locais, a distribuição regional nem o calendário de conclusão dessa capacidade.

A Maia 200 serve de ponto de partida

A Microsoft afirma que a Maia 200 já executa cargas de trabalho em produção, incluindo o Microsoft Copilot, e apoia a equipa MAI no desenvolvimento de novos modelos. Executa modelos da OpenAI, modelos MAI da própria Microsoft e famílias de modelos de código aberto de referência, com implementação nos Estados Unidos, na Europa e na Austrália.

Os relatos divergem quanto à implementação do GitHub Copilot e do Microsoft Foundry. Um deles afirma que ambos já executam cargas de trabalho em produção na Maia 200. Na declaração de 12 de outubro, a Microsoft diz que a sua implementação está prevista até ao final de 2026. Esse calendário oficial é a base mais sólida para descrever o seu estado.

A Microsoft indica que as funções de IA integradas no Teams, Copilot e nas experiências Cowork geram até 1,7 vezes mais tokens por watt do que a principal infraestrutura GPU. Aponta também possíveis utilizações futuras na assistência à programação, no alojamento de modelos na cloud, na inferência e geração de dados para a MAI e nos fluxos de trabalho clínicos através do Dragon Copilot.

A sequência de anúncios e marcos previstos é a seguinte:

• 2023: a Microsoft apresenta a Maia 100, o seu primeiro acelerador de IA personalizado.
• Janeiro de 2026: a Microsoft anuncia a Maia 200.
• 12 de outubro de 2026: a Microsoft apresenta a arquitetura da Maia 300 e confirma cargas de trabalho de produção na Maia 200.
• Até ao final de 2026: prevê-se que o GitHub Copilot e o Microsoft Foundry também passem a utilizar a Maia 200.
• 2027: começam as implementações da Maia 300 em produção e a expansão da família Maia para vários gigawatts.

Jim Kleewein, responsável técnico da Microsoft, afirma que algumas funções do Microsoft 365 Copilot deverão ficar mais rápidas com a Maia 300. Não foi anunciado qualquer aumento quantificado nos tempos de resposta para os utilizadores.

Um papel mais importante para a TSMC e a indústria de servidores de Taiwan

A Maia 300 confirma o papel da TSMC no hardware avançado de IA de outra grande empresa de serviços na cloud. A Microsoft concebe o acelerador, enquanto a TSMC fabrica os seus chiplets de computação N2P. Reduzir a dependência de GPUs adquiridas a terceiros não elimina, portanto, a dependência da capacidade de fabrico de semicondutores.

A TSMC afirmou que cinco instalações que utilizam o seu processo de 2 nanómetros aumentarão a produção durante 2026: duas em Hsinchu e três em Kaohsiung. A produção em volume do N2P está prevista para o segundo semestre de 2026, antes das implementações da Microsoft planeadas para 2027.

As estimativas de mercado apontam para uma capacidade mensal da TSMC para o processo de 2 nanómetros de cerca de 90 000 a 100 000 wafers até ao final de 2026 e superior a 110 000 em meados de 2027. As previsões de que o processo poderá representar perto de 10% das receitas do segundo semestre são estimativas, não receitas confirmadas de encomendas Maia.

Os objetivos anunciados pela TSMC incluem uma produção de wafers 45% superior no primeiro ano do processo de 2 nanómetros à registada no primeiro ano de produção de 3 nanómetros, em 2023, e uma taxa de crescimento anual composta de 70% da capacidade de 2 nanómetros entre 2026 e 2028. Nenhum destes objetivos determina qual será a quota da Microsoft nessa produção.

Previsões mais abrangentes do mercado apontam a Foxconn, a Quanta, a Wistron, a Wiwynn, a Pegatron, a Inventec, a Compal e a MiTAC como potenciais beneficiárias do aumento da procura de servidores de IA. As previsões apontam para expedições de 3,5 milhões de servidores de IA em 2026 e 5,2 milhões em 2027. Estes totais arredondados implicam um crescimento de cerca de 49%, ligeiramente acima da previsão de 46% citada separadamente.

As previsões projetam ainda um crescimento de 96% no investimento de capital dos principais fornecedores norte-americanos de serviços na cloud em 2026, com cerca de metade do aumento a dever-se à construção de centros de dados. A Foxconn prevê mais do que duplicar as expedições anuais de racks de IA, enquanto a Quanta mantém o objetivo de crescer pelo menos 100% nos servidores de IA. São expectativas mais amplas do setor, não uma confirmação de contratos de fornecimento da Maia 300.

A Nvidia continua a fazer parte do plano

O objetivo da Microsoft é fazer da Maia o principal sistema de inferência para os seus próprios produtos e serviços, não substituir todas as GPUs em toda a Azure. O treino de novos modelos continua a ser uma necessidade distinta, e a Microsoft mantém a colaboração com a Nvidia e a AMD para esse fim.

Na chamada sobre os resultados de julho, a Microsoft afirmou esperar ser um dos primeiros fornecedores de cloud a implementar sistemas Nvidia Vera Rubin e AMD Helios. A Evercore ISI estima que a Maia poderá representar cerca de 10% da despesa da Microsoft com chips de IA no primeiro trimestre de 2027. A percentagem da despesa não corresponde à percentagem das tarefas de inferência executadas, pelo que esta estimativa não mede diretamente o progresso rumo ao objetivo operacional da Microsoft.

Atualmente, os aceleradores Maia não estão disponíveis para aluguer à hora por outras empresas. Isso limita a avaliação externa e significa que as afirmações de desempenho publicadas não demonstram o que um cliente independente conseguiria alcançar com um determinado modelo.

Entre as incertezas que subsistem estão o número de unidades a implementar, o calendário para atingir a capacidade total de vários gigawatts, as condições detalhadas dos testes de desempenho e a futura distribuição das cargas de trabalho entre a Maia e as GPUs adquiridas. A Microsoft afirma que partilhará mais informações sobre a estratégia na Ignite 2026, em São Francisco e online, em novembro.

Principais pontos

• Os chiplets de computação da Maia 300 utilizam o processo N2P da TSMC, com as primeiras implementações em produção previstas para 2027.
• Cada acelerador dispõe de 288 GB de memória HBM4 e de uma largura de banda máxima de memória de 18 TB/s.
• Uma rack completa contém 96 aceleradores, com um limite de potência de 167 kW.
• A Microsoft espera gerar mais 40% de tokens por megawatt do que os principais sistemas GPU e até sete vezes mais tokens por rack do que a Maia 200.
• A expansão das implementações da família Maia para vários gigawatts começa em 2027, sem prazo de conclusão anunciado.
• O anúncio da Microsoft não confirma as notícias de que serão implementadas mais de um milhão de unidades Maia 300.
• A Microsoft continua a planear a implementação de sistemas Nvidia e AMD em paralelo com o seu próprio hardware.