Microsoft anuncia Maia 300: 40% mais tokens por megawatt do que GPUs

A Microsoft anunciou a terceira geração de seu acelerador de IA próprio, o Maia. O Maia 300 deve se tornar o «principal sistema de inferência» dos produtos e serviços da empresa. O número de destaque: segundo a expectativa da Microsoft, o chip vai gerar 40% mais tokens por megawatt do que os principais sistemas baseados em GPU. A implantação do Maia 300 em produção começa em 2027. Para a companhia, é um passo para reduzir a dependência da Nvidia, embora não signifique abrir mão das placas de vídeo da fornecedora.

Megawatts em vez de teraflops

A métrica não foi escolhida por acaso. Scott Guthrie, vice-presidente executivo da divisão de nuvem da Microsoft, mede eficiência em tokens por megawatt. Para os data centers, o principal limite é cada vez menos o número de chips e cada vez mais a potência elétrica disponível. Se o mesmo megawatt gera 40% mais tokens, a receita de cada unidade cresce com o orçamento de energia fixo. Ou, então, o custo de cada resposta do modelo cai.

Há uma ressalva. Guthrie fala do que a Microsoft espera («we expect»), e não de resultados de testes independentes. A comparação é feita com «sistemas de GPU líderes» não identificados. As condições da medição não são reveladas na parte publicada do material. Trata-se de uma declaração do fabricante, não de um benchmark.

Foco em modelos de raciocínio e agentes

A Microsoft afirma que o Maia 300 lida melhor com os modelos de raciocínio atuais e com cenários de agentes. Essas cargas geram muitos tokens por requisição: o modelo «pensa» em cadeias, e o agente faz uma série de chamadas. É a inferência, e não o treinamento, que se torna o principal item de custo. Um chip feito sob medida para ela ataca justamente o ponto mais caro da IA na nuvem.

A escala dos planos aparece no título do blog corporativo: a Microsoft fala em expandir o sistema Azure Maia para implantações de vários gigawatts. A citação de Guthrie sobre a configuração completa de 96 aceleradores é interrompida no trecho disponível, então os detalhes da arquitetura de rack terão de ser buscados na fonte original.

Principais parâmetros do anúncio:

• Geração: terceira da linha de chips de IA próprios da Microsoft
• Papel: «principal sistema de inferência» dos produtos e serviços da empresa
• Eficiência declarada: 40% mais tokens por megawatt em comparação com os principais sistemas de GPU
• Cargas-alvo: modelos de raciocínio e tarefas com agentes
• Início da implantação em produção: 2027
• Escala: expansão do Azure Maia para capacidades de vários gigawatts

O que acompanhar até 2027

Faltam mais de um ano para o lançamento em escala, e ainda não há nada para comprar com o Maia 300. As questões práticas são estas.

Primeira: quando a Microsoft vai abrir o chip aos clientes do Azure, e não apenas aos próprios serviços. Por enquanto, ele é descrito como infraestrutura interna para os produtos da empresa. Se chegar às instâncias públicas, é possível esperar uma nova pressão de preço sobre a inferência.

Segunda: quais modelos e frameworks vão rodar sem uma portabilidade dolorosa. Todo chip próprio esbarra no stack de software. Vale os desenvolvedores verificarem desde já o quanto seus pipelines dependem do CUDA.

Terceira: medições independentes. Os 40% precisam ser conferidos em testes reais com modelos reais antes de entrarem no planejamento de custos.

Equipes que constroem produtos com modelos de raciocínio e agentes devem passar a calcular desde já o custo em tokens por tarefa e a energia por token. São esses indicadores que vão definir qual provedor de nuvem terá a inferência mais barata primeiro.