Microsoft projektuje własne procesory AI. Maia 300 ma zmniejszyć koszt jednego zapytania

Gdy mówimy o wyścigu sztucznej inteligencji, zwykle padają nazwy modeli i producentów kart graficznych. Tymczasem o tym, ile będzie kosztowało codzienne korzystanie z AI, coraz częściej decyduje coś mniej widowiskowego: ilość prądu potrzebna do wygenerowania odpowiedzi. 12 października 2026 roku Microsoft przedstawił układ Maia 300, który od 2027 roku ma stać się podstawą obsługi modeli AI w jego usługach.

To nie jest zapowiedź kolejnego chatbota, lecz decyzja o projektowaniu procesora, oprogramowania i centrum danych jako jednego systemu. Maia 200, poprzednia generacja, już obsługuje część produkcyjnych usług Microsoftu, w tym Copilot. Maia 300 ma trafić do wdrożeń produkcyjnych w 2027 roku, a cała rodzina układów ma rosnąć do skali wielu gigawatów mocy centrów danych.

Liczby, które trudno sprawdzić

Microsoft deklaruje, że Maia 300 wygeneruje o 40% więcej tokenów na megawat niż „czołowe systemy oparte na GPU", a w pełnej konfiguracji szafy (96 akceleratorów) ma oferować do siedmiu razy większą przepustowość niż szafa z Maia 200. Każdy akcelerator dysponuje 288 GB pamięci HBM4, produkowanej w procesie TSMC N2P. To wszystko są liczby i oczekiwania przedstawione przez producenta — nie wyniki niezależnego testu po wdrożeniu u klientów.

Jeden szczegół zawęża, nie poszerza, pole do weryfikacji: pełna szafa Maia 300 pobiera około 167 kW mocy, czyli więcej niż szafa Nvidia GB300 (72 GPU, około 142 kW). Przewaga Maia 300 musi więc wynikać wyłącznie z wyższej przepustowości na wat, nie z niższego zużycia energii w liczbach absolutnych — a to porównanie też opiera się na danych producenta, nie na wspólnym, niezależnym benchmarku obu systemów w identycznych warunkach.

Koniec zależności od Nvidii? Nie dzisiaj

Microsoft nadal korzysta z procesorów Nvidii i AMD, zwłaszcza do trenowania modeli — Maia 300 jest zaprojektowany przede wszystkim do obsługi już wytrenowanych modeli (inferencji), nie do ich budowania od podstaw. Własny układ daje firmie dodatkową siłę negocjacyjną wobec dostawców GPU, ale nie likwiduje zależności od fabryk półprzewodników — a wedle doniesień Reuters, Microsoft negocjuje właśnie z TSMC zdolności produkcyjne przekraczające 300 tysięcy jednostek na 2027 rok. To nie jest jeszcze potwierdzone, finalne zamówienie.

Warto też pamiętać, że ten sam problem — czy infrastruktura obliczeniowa AI nadmiernie wiąże się z jednym punktem geograficznym — laboratorium opisywało już z perspektywy wąskich gardeł energetycznych (energia-hamulcem-ai.html) i komponentowych, w szczególności niedoboru laserów do połączeń międzychipowych (lumentum-lasery-wasko-gardlo-ai.html). Maia 300 to trzeci, odrębny wymiar tego samego pytania: decyzja hyperscalera o własnym krzemie, nie dostępność energii czy komponentów od zewnętrznych dostawców.

Co to znaczy dla Polski?

Polskie firmy nie kupią szafy Maia 300 — ale będą płacić za usługi Azure działające na podobnej infrastrukturze. Jeśli koszt obsługi modeli faktycznie spadnie, może powstać przestrzeń na tańsze narzędzia i dłuższe zadania agentów. Microsoft nie obiecał jednak wprost, że oszczędność po jego stronie automatycznie przełoży się na niższy cennik dla klienta.

Predykcje, które będziemy sprawdzać

Pełny rejestr predykcji znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi.