Microsoft plant Maia als primäres Inferenzsystem ab 2027
Microsoft stellt Maia 300 vor und will die Azure-Maia-Familie ab 2027 auf mehrere Gigawatt ausbauen. Copilot läuft schon auf dem Vorgänger.
Microsoft hat am 12. Oktober 2026 Maia 300 vorgestellt, die nächste Generation seiner auf Inferenz ausgerichteten KI-Infrastruktur. Die Azure-Maia-Familie soll ab 2027 auf mehrere Gigawatt wachsen und zum primären Inferenzsystem für Microsofts Produkte und Dienste werden.
Das Wichtigste in Kürze
- Maia soll Microsofts wichtigstes Inferenzsystem werden. Ab 2027 plant der Konzern den Ausbau der Azure-Maia-Familie auf mehrere Gigawatt.
- Der Vorgänger trägt bereits Copilot. Maia 200 bedient produktive Microsoft-Arbeitslasten, GitHub Copilot und Microsoft Foundry sollen bis Ende 2026 folgen.
- Die Effizienzangabe ist eine Erwartung. Microsoft rechnet für Maia 300 mit 40 Prozent mehr Token pro Megawatt als bei führenden GPU-basierten Systemen.
Verwandt:Kubermatic-Chef Scheele: KI-Modelle wie Software betreiben / Mistral bringt Europa in Sichtweite der KI-Spitze
Maia 300 und der Ausbauplan
Maia 300 ist Microsofts nächste Generation eigener KI-Infrastruktur. Die Architektur ist nach Angaben des Konzerns vorrangig auf Inferenz ausgelegt. Inferenz bezeichnet den laufenden Betrieb trainierter KI-Modelle, also die Verarbeitung von Anfragen. Das Training neuer Modelle ist ein eigener Arbeitsschritt.
Der Chip ist Teil eines größeren Plans. Microsoft will die Azure-Maia-Familie ab 2027 auf mehrere Gigawatt ausbauen und zum primären Inferenzsystem seiner Produkte und Dienste machen. Gigawatt bezeichnet hier die elektrische Leistung der geplanten Installationen. Nach Angaben der Nachrichtenagentur Anadolu soll Maia 300 ab 2027 produktiv eingesetzt werden.
Was ist Inferenz? Inferenz bezeichnet den Betrieb eines bereits trainierten KI-Modells, das auf neue Eingaben Antworten erzeugt. Jede Anfrage an einen Assistenten wie Copilot löst Inferenz aus. Das Training, in dem ein Modell aus Daten lernt, ist ein getrennter und vorgelagerter Schritt.
Maia 200 trägt bereits Copilot
Die Vorgängergeneration arbeitet schon im Produktivbetrieb. Maia 200 bedient Microsoft-Arbeitslasten einschließlich Microsoft Copilot. Auf den Systemen laufen Modelle von OpenAI, Microsofts eigene MAI-Modelle und führende quelloffene Modellfamilien.
| Fakt | Quelle |
|---|---|
| Maia 200 bedient bereits produktive Microsoft-Workloads einschließlich Microsoft Copilot und führt dabei OpenAI-Modelle, Microsofts MAI-Modelle und führende quelloffene Modellfamilien aus. | Quelle |
| GitHub Copilot und Microsoft Foundry sollen bis Ende 2026 als weitere Maia-200-Workloads folgen. | Quelle |
| Laut der Nachrichtenagentur Anadolu soll Maia 300 ab 2027 produktiv eingesetzt werden. | Quelle |
| Microsoft plant, die Azure-Maia-Familie ab 2027 auf mehrere Gigawatt auszubauen und zum primären Inferenzsystem seiner Produkte und Dienste zu machen. | Quelle |
Microsoft betreibt auf der eigenen Hardware damit Modelle mehrerer Herkunft. Weitere Dienste sollen bis Ende 2026 als Maia-200-Arbeitslasten hinzukommen.
Ein Maia-300-Rack fasst 96 Beschleuniger
Für Maia 300 hat Microsoft die Architektur im Detail beschrieben. Ein Rack, also ein Serverschrank, nimmt 96 Beschleuniger in 24 Einschüben auf. Der Leistungsrahmen eines Racks liegt bei 167 Kilowatt. Beschleuniger sind Spezialchips für KI-Berechnungen.
Jeder Beschleuniger besitzt acht HBM4-Speicherstapel mit zusammen 288 GB Kapazität. Die Speicherbandbreite liegt bei 18 TB/s. HBM steht für High Bandwidth Memory, einen gestapelten Speicher mit hoher Datenrate direkt am Chip.
In der vollständigen Konfiguration mit 96 Beschleunigern beziffert Microsoft den Token-Durchsatz auf Rack-Ebene auf bis zum Siebenfachen von Maia 200. Den Chip selbst baut der Konzern aus mehreren Chiplets, also kleineren Einzelbausteinen in einem gemeinsamen Gehäuse. Die Rechenfunktionen sind dabei von Speichercontroller und Ein-/Ausgabe getrennt.
Was Token pro Megawatt aussagen
Für den Vergleich mit anderer Hardware wählt Microsoft eine Effizienzgröße. Token sind die Textbausteine, in die Sprachmodelle Ein- und Ausgaben zerlegen. Die Kennzahl misst, wie viele Token pro eingesetztem Megawatt elektrischer Leistung entstehen.
Microsoft erwartet für Maia 300 40 Prozent mehr Token pro Megawatt als bei führenden GPU-basierten Systemen. Solche Systeme nutzen Grafikprozessoren als Beschleuniger. Welche GPU-Systeme Microsoft für die 40-Prozent-Angabe heranzieht, nennt der Konzern nach Angaben von Investing.com nicht. Die Zahl bezieht sich auf eine Hardwaregeneration, deren Ausbau ab 2027 geplant ist.
Chipauswahl bleibt Teil der Strategie
Neben dem Maia-Ausbau hält Microsoft ausdrücklich an der Auswahl bei Modellen und Chips fest. Beides nennt der Konzern als Bestandteile seiner Strategie für eine offene, heterogene Plattform. Heterogen bedeutet hier, dass unterschiedliche Hardware und unterschiedliche Modelle nebeneinander betrieben werden.
Ab 2027 soll Maia zugleich das primäre Inferenzsystem für Microsofts eigene Produkte und Dienste stellen.
Häufige Fragen
Wer fertigt die Rechenbausteine von Maia 300?
Die Compute-Chiplets von Maia 300 entstehen im Fertigungsprozess N2P von TSMC. Speichercontroller und Ein-/Ausgabe sind in der Multi-Chiplet-Architektur von diesen Rechenbausteinen getrennt.
Wie groß kann ein Maia-300-Verbund werden?
Ein Maia-300-Superpod verbindet bis zu 128 Racks mit insgesamt 12.288 Beschleunigern. Als Netzwerk nutzt Microsoft einen eigenen KI-Transport auf Basis von Ethernet. Ethernet ist der gängige Standard für kabelgebundene Netzwerke.
Welche Dienste sollen als Nächstes auf Maia 200 laufen?
GitHub Copilot und Microsoft Foundry sollen bis Ende 2026 als weitere Maia-200-Arbeitslasten hinzukommen. Microsoft Copilot läuft bereits produktiv auf Maia 200.
Lesetipps der Redaktion
cloudmagazinDenodo: Datenlücke bremst KI in BehördencloudmagazinPhotoshop-Nachbau in einer Woche: Closed Source wanktcloudmagazinReply verkürzt Porsches Fehlersuche per KontextgraphMehr aus dem MBF Media Netzwerk
MyBusinessFutureVersicherer und KI: Sind die Daten schon AI-ready?Digital ChiefsCIOs sollten KI-Lernzeit fest in die Arbeitszeit einplanenSecurityTodayWenn gekaufte KI-Router Schadcode einschleusenBildquelle: KI-generiert (Oktober 2026)
