Microsoft fará dos chips Maia a base da inferência e chegará à escala de gigawatts até 2027

A Microsoft vai tornar, a partir de 2027, seus aceleradores próprios Azure Maia o principal sistema de inferência em todos os seus produtos e os implantará em escala de vários gigawatts. A principal esperança da empresa está no chip Maia 300: segundo a companhia, ele entregará 40% mais tokens por megawatt que os sistemas com GPU líderes. O CEO Satya Nadella chamou a decisão de "nossa maior aposta em silício próprio".

Por que contar tokens por megawatt

A métrica não foi escolhida por acaso. Em grandes data centers, o principal limite é cada vez mais a energia elétrica disponível, e não a quantidade de chips: conexão à rede, subestações, refrigeração. Se cada megawatt rende mais tokens, o mesmo orçamento de energia atende a mais requisições. Para serviços de inferência em massa, como o Copilot, isso afeta diretamente o custo de cada resposta.

O anúncio tem uma ressalva. A comparação com os "sistemas com GPU líderes" não cita a configuração específica, e ainda não existem benchmarks independentes do Maia 300. Os 40% continuam sendo uma promessa do fabricante, que também será o próprio usuário do chip.

O que se sabe sobre o plano

• Prazo: a transição começa em 2027.
• Papel: o Maia passa a ser o principal sistema de inferência nos produtos da Microsoft.
• Escala: implantação em vários gigawatts.
• Chip: Maia 300, a próxima geração da linha Azure Maia.
• Vantagem declarada: 40% mais tokens por megawatt que os sistemas com GPU líderes.
• Posição da diretoria: Nadella descreve o plano como a maior aposta da empresa em silício próprio.

Vale atentar à formulação sobre inferência. O anúncio trata da geração de respostas dos modelos, e não do treinamento. O que acontecerá com as compras de GPUs para treinamento não se deduz do comunicado.

Contexto: todas as grandes nuvens caminham para o silício próprio

A Microsoft apresentou a primeira geração do Maia em 2023, junto com o processador Cobalt. Na época, parecia um experimento diante das compras massivas de chips da Nvidia. O Google desenvolve TPUs há tempos, a AWS tem Trainium e Inferentia, e a Meta tem seus aceleradores MTIA. A lógica é a mesma para todos: a inferência é um custo constante e crescente, e não compensa pagar o sobrepreço de uma GPU de uso geral quando a carga de trabalho é conhecida de antemão.

A escala do novo plano é diferente. Uma coisa é manter chips próprios como complemento ao parque da Nvidia; outra é torná-los a base de todos os produtos. Isso exige uma pilha de software madura, fornecimento estável por parte do fabricante e volumes suficientes de memória para os aceleradores. O anúncio não traz detalhes sobre nenhum desses pontos, e são eles que vão definir se a vantagem declarada se sustentará em modelos reais.

A Microsoft tem ainda outra alavanca: ela mesma controla quais modelos rodam em seus produtos e em que modos. Isso permite ajustar o hardware a uma carga específica, algo que um fornecedor de GPUs de uso geral não pode fazer.

O que fazer: clientes do

Azure e equipes que constroem sobre ele

• Acompanhe o preço por token. Se a economia de energia for real, ela deve aparecer, cedo ou tarde, nas tarifas do Azure OpenAI e de outros serviços gerenciados.
• Teste latência e vazão com os seus próprios prompts, e não com as médias divulgadas. Uma troca de infraestrutura por baixo dos panos pode mudar o comportamento do serviço em velocidade.
• Não amarre a arquitetura a um hardware específico. Para quem implanta modelos próprios, a questão do suporte ao Maia nos frameworks habituais se tornará prática já em 2027.
• Para investidores e compradores: o sinal é que parte da demanda por inferência está saindo da Nvidia e indo para os chips proprietários das nuvens. O tamanho dessa parcela depende de os 40% se confirmarem na prática.

A promessa só poderá ser verificada quando o Maia 300 começar a atender tráfego real. Até lá, o número continua sendo uma meta para a qual a Microsoft está disposta a reformular sua infraestrutura.