مایکروسافت در مسیر خود برای دستیابی به استقلال زیرساختی در حوزه هوش مصنوعی، نقشه راه بلندپروازانه‌ای را ترسیم کرده است. طبق اعلام رسمی، از سال ۱۴۰۶ (۲۰۲۷ میلادی)، تراشه‌های اختصاصی این شرکت با نام Maia 300 به عنوان هسته اصلی و پیشران زیرساخت ابری Azure برای اجرای سرویس‌های هوش مصنوعی جایگزین خواهند شد. این اقدام نه تنها پاسخی به تقاضای فزاینده برای قدرت پردازشی است، بلکه تلاش جدی غول نرم‌افزاری برای کاهش وابستگی به تولیدکنندگان شخص ثالث مانند انویدیا محسوب می‌شود.
معماری تراشه Maia 300 و نوآوری در طراحی چیپلت
تراشه Maia 300 که سومین نسل از تلاش‌های اختصاصی مایکروسافت در حوزه سیلیکون است، با تمرکز ویژه بر فرآیند استنتاج (Inference) طراحی شده است. برخلاف مرحله آموزش (Training) که نیازمند حجم عظیمی از محاسبات موازی است، استنتاج برای اجرای مدل‌های هوش مصنوعی پس از آموزش کاربرد دارد؛ جایی که تعاملات طولانی، استدلال‌های پیچیده و عوامل هوشمند (AI Agents) نقش اصلی را ایفا می‌کنند.
از نظر فنی، این پردازنده با استفاده از فناوری پیشرفته TSMC N2P تولید شده و از معماری نوآورانه Chiplet بهره می‌برد. با تقسیم تراشه به بخش‌های کوچک‌تر اختصاصی برای محاسبات، مدیریت حافظه و انتقال داده، مایکروسافت موفق شده است چگالی عملیاتی را به شکل چشمگیری افزایش دهد. علاوه بر این، تعبیه هشت پشته حافظه HBM4 در هر واحد تراشه، پهنای باند حافظه مورد نیاز برای اجرای مدل‌های زبانی بزرگ را تضمین می‌کند.
بهره‌وری انرژی و خروجی عملیاتی؛ رقابت با استانداردهای فعلی
یکی از شاخص‌های حیاتی در دیتاسنترهای مدرن، میزان تولید توکن به ازای هر مگاوات برق مصرفی است. طبق داده‌های مایکروسافت، Maia 300 قادر است در مقایسه با سیستم‌های GPU فعلی، تا ۴۰ درصد بازدهی بیشتری در تولید توکن داشته باشد. هر رک سرور Maia 300 شامل ۹۶ تراشه است که مجموعاً حدود ۱۶۷ کیلووات توان مصرف می‌کنند. این در حالی است که هر رک استاندارد با ۷۲ واحد GPU، توان مصرفی حدود ۱۴۲ کیلووات دارد. این تفاوت عملکردی نشان‌دهنده بهینه‌سازی دقیق در لایه فیزیکی و نرم‌افزاری توسط تیم سخت‌افزار Azure به رهبری رانی بورکار است.
مشخصات فنی کلیدی Maia 300:
- فرآیند تولید: TSMC N2P
- حافظه: 8 پشته حافظه HBM4
- چگالی رک: 96 تراشه در هر رک
- مصرف انرژی: 167 کیلووات در هر رک
- تمرکز عملیاتی: بهینه‌سازی اختصاصی برای Inference و مدل‌های زبانی
استراتژی کاهش وابستگی و چشم‌انداز بازار
مایکروسافت تنها شرکتی نیست که به سمت تولید سیلیکون اختصاصی حرکت کرده است. گوگل با پردازنده‌های TPU و آمازون با سری Trainium و Inferentia مسیر مشابهی را طی کرده‌اند. با این حال، مقیاس برنامه‌ریزی مایکروسافت برای سال ۱۴۰۶، که شامل استقرار بیش از یک میلیون تراشه Maia 300 است، نشان از یک چرخش استراتژیک بزرگ دارد. در حالی که نسل فعلی یعنی Maia 200 هم‌اکنون برای سرویس‌هایی نظیر Copilot و مدل‌های OpenAI به کار گرفته می‌شود، نسل سوم یعنی 300 قرار است به استاندارد جدید دیتاسنترهای ابری مایکروسافت تبدیل شود.
این تغییرات نشان‌دهنده پایان دوران انحصار مطلق GPUهای سنتی در دیتاسنترهای مقیاس بزرگ مایکروسافت است. با توجه به مذاکرات گسترده با TSMC برای تأمین ظرفیت تولید، می‌توان انتظار داشت که مایکروسافت در کنفرانس Ignite ماه آینده، جزئیات بیشتری از نحوه ادغام این سخت‌افزار با لایه نرم‌افزاری Microsoft Azure ارائه دهد.
