Microsoft הציגה ב־12 באוקטובר 2026 את Maia 300, הדור הבא במשפחת מאיצי הבינה המלאכותית שהיא מפתחת בעצמה. לפי החברה, השבב ייכנס לפריסה החל מ־2027 ויהפוך בהדרגה למערכת ההסקה המרכזית שמאחורי מוצרי ושירותי Microsoft. בדיווח של Reuters נמסר כי החברה מתכננת לפרוס בשנה הבאה פוטנציאלית יותר ממיליון יחידות.
ההכרזה אינה עוד עדכון נקודתי במרוץ השבבים. היא משקפת ניסיון של ענקיות הענן לשלוט ביותר שכבות של תשתית ה־AI: מהחומרה והשרתים, דרך מערכות הרשת והקירור, ועד התוכנה שמריצה את המודלים. עבור Microsoft, זו גם דרך לצמצם תלות בספק יחיד ולהתאים את החומרה לעומסי העבודה של Azure, Copilot ושירותים פנימיים.
מה בדיוק הכריזה Microsoft?
בבלוג הרשמי של החברה נכתב כי Maia 200 כבר נמצא בסביבת ייצור ומשרת עומסים של Microsoft Copilot ושל צוות MAI. שירותים נוספים, ובהם GitHub Copilot ו־Microsoft Foundry, אמורים להצטרף עד סוף 2026. Maia 300 מתוכנן להגיע ב־2027 ולהתרחב לפריסות בהספק כולל של כמה גיגה־ואט.
Microsoft מייעדת את הדור החדש בעיקר לעומסי inference — השלב שבו מודל שכבר אומן מקבל בקשה ומפיק תשובה. החברה מציינת שימושים כמו הסקה על הקשרים ארוכים, שיחות שבהן זמן התגובה חשוב, ומשימות סוכן רב־שלביות שנמשכות לאורך זמן.
לפי Reuters, יחידת העיבוד המרכזית של Maia 300 בנויה מ־chiplets: רכיבי חישוב מרכזיים בתהליך ייצור של 2 ננומטר מתוצרת TSMC, לצד רכיבי 3 ננומטר למשימות כמו העברת נתונים. תצורת rack מלאה כוללת 96 שבבים וצורכת כ־167 קילוואט.
טענת היעילות דורשת הקשר
Microsoft טוענת כי Maia 300 מפיק כ־40% יותר חישוב שימושי לכל מגה־ואט לעומת מערכות GPU מובילות. עם זאת, החברה לא נקבה בשמות המערכות ששימשו להשוואה, והנתון טרם קיבל אימות עצמאי. לכן יש להתייחס אליו כאל טענת ביצועים של היצרן, ולא כאל מבחן השוואתי ניטרלי.
גם הנתון של 167 קילוואט ל־rack אינו אומר לבדו שמערכת אחת חסכונית או יקרה יותר מאחרת. מדידה נכונה תלויה בכמות האסימונים שהמערכת מעבדת, סוג המודל, זמן ההשהיה, שיעור הניצול, צריכת הקירור ועלות התשתית שסביב השרתים.
למה Microsoft מפתחת שבב משלה?
הסיבה הראשונה היא קנה מידה. כשחברה מפעילה מודלים עבור מיליוני משתמשים, אפילו שיפור קטן בעלות של כל תשובה עשוי להצטבר לחיסכון משמעותי. הסיבה השנייה היא התאמה: Microsoft יכולה לתכנן יחד את השבב, הרשת, הזיכרון והתוכנה עבור עומסים שהיא מכירה היטב.
הסיבה השלישית היא גמישות בשרשרת האספקה. שבב פנימי אינו מבטל את הצורך במאיצים של Nvidia או של ספקים אחרים, אך הוא נותן ל־Microsoft חלופה נוספת ומרחב תמרון רחב יותר. גם הביקוש שמניע את תחזיות TSMC ממחיש עד כמה ייצור מתקדם הפך למשאב אסטרטגי עבור תעשיית ה־AI.
מה המשמעות ללקוחות Azure?
בטווח הקצר, רוב לקוחות Azure לא ירכשו שבבי Maia ישירות. ההשפעה צפויה להגיע דרך השירותים: זמינות גבוהה יותר של יכולות AI, שיפור אפשרי בזמן תגובה, והצעות מחיר חדשות אם Microsoft תצליח להוזיל את עלות ההסקה. החברה טרם פרסמה מחירון, אזור זמינות או מפרט מסחרי מלא ללקוחות עבור Maia 300.
למנהלי IT ולמפתחים חשוב לעקוב לא רק אחר נתוני השבב, אלא גם אחר שכבת השירות: אילו מודלים זמינים, באילו אזורים, מהן מגבלות הקיבולת, ומה רמת התאימות לכלי הפיתוח הקיימים. חומרה יעילה אינה מחליפה בדיקה של אבטחה, ניהול זהויות, שמירת מידע ועלויות יציאה.
המהלך משתלב גם במגמה רחבה יותר שבה סוכני AI מקבלים יכולת לבצע פעולות. ב־Windows, לדוגמה, Microsoft מקדמת מכולות ביצוע מבודדות לסוכני AI. החיבור בין חומרה ייעודית, ענן ושכבות בידוד עשוי להיות חלק מרכזי באופן שבו שירותי AI ארגוניים ייבנו בשנים הקרובות.
השורה התחתונה
Maia 300 הוא ניסיון של Microsoft להפוך את תשתית ה־AI שלה למערכת עצמאית ומותאמת יותר, בקנה מידה גדול מאוד. ההבטחה היא יעילות גבוהה יותר בפריסה של מיליוני שבבים, אבל המספרים המרכזיים עדיין מבוססים על נתוני החברה. המבחן האמיתי יגיע ב־2027: בפריסות בפועל, בזמינות ללקוחות וביחס בין ביצועים, צריכת חשמל ועלות כוללת.
צילום: Angel Bena / Pexels. מקור: Pexels, בהתאם לרישיון Pexels.
