Microsoft Maia 300 usa o processo N2P da TSMC enquanto Azure mira capacidade de IA na escala de gigawatts em 2027

Um rack com 96 aceleradores sustenta a próxima aposta da Microsoft em IA

A Microsoft apresentou o Maia 300, um acelerador de IA cujos chiplets de computação usarão o processo N2P da Taiwan Semiconductor Manufacturing Co., com implantação em produção prevista para começar em 2027. O anúncio dá forma concreta à ambição da Microsoft de tornar seu próprio hardware Maia o principal sistema para executar inferência de IA em seus produtos e serviços.

O rack planejado reúne 96 aceleradores em um envelope de potência de 167 quilowatts, com 27,6 terabytes de memória de alta largura de banda e cerca de 1,7 petabyte por segundo de largura de banda agregada de memória. A Microsoft espera que o Maia 300 gere 40% mais tokens por megawatt do que os principais sistemas baseados em unidades de processamento gráfico, ou GPUs, e até sete vezes a produção de um rack Maia 200.

Esses números são alegações de desempenho da empresa, não resultados de benchmarks independentes. Ainda assim, mostram para onde a Microsoft está direcionando seus investimentos: aumentar a quantidade de resultados úteis de IA que cabem nos limites de eletricidade, refrigeração e espaço de um data center, em vez de simplesmente elevar o poder de computação de um chip individual.

Scott Guthrie, vice-presidente executivo de Cloud + AI da Microsoft, apresentou o plano de implantação no anúncio do Azure Maia publicado pela empresa em 12 de outubro de 2026.

Vamos ampliar nossa família Azure Maia para implantações de vários gigawatts a partir de 2027, tornando o Maia o principal sistema de inferência dos produtos e serviços da Microsoft.

O compromisso diz respeito à família Maia, e não apenas ao Maia 300. Relatos de que a Microsoft poderia implantar mais de um milhão de chips Maia 300 em 2027 vão além do anúncio publicado, que confirma o ano de início, mas não especifica a quantidade de chips nem um prazo para concluir a expansão mais ampla.

O que o TSMC N2P vai produzir

A confirmação da Microsoft é mais precisa do que uma descrição genérica do Maia 300 como um chip de 2 nanômetros. Os chiplets de computação usam o N2P, um processo da família de 2 nanômetros da TSMC. Controladores de memória e funções de entrada e saída ficam em dies separados, permitindo que diferentes partes do pacote usem tecnologias de fabricação adequadas às suas funções.

Um chiplet é uma peça menor de silício que trabalha com outros dies dentro de um pacote. No Maia 300, essa divisão permite que a Microsoft coloque as funções de computação em um processo avançado e trate conectividade, controle de memória e custo como escolhas de projeto separadas. Isso não significa que todos os dies do pacote usem N2P.

A análise da arquitetura do Maia 300, publicada pela Microsoft em 12 de outubro e escrita por Rani Borkar, presidente de Azure Hardware Systems and Infrastructure, e Saurabh Dighe, vice-presidente corporativo de Systems Planning and Architecture, descreve essa divisão explicitamente.

O documento afirma que as mudanças arquitetônicas aumentam em 36% a capacidade de computação do sistema, medida em operações de ponto flutuante, oferecem 2,5 vezes mais largura de banda de HBM e acrescentam 14% de largura de banda para comunicação entre aceleradores. Esses números descrevem recursos diferentes do sistema. Nenhum deles, por si só, explica o aumento alegado de sete vezes na produção de tokens por rack.

Por que a memória importa tanto quanto o poder de computação

O Maia 300 foi projetado principalmente para inferência, o processo de usar um modelo já treinado para gerar respostas ou executar tarefas. Entre as cargas de trabalho previstas estão a análise de documentos longos, conversas que exigem respostas rápidas e agentes de IA que executam várias etapas e usam ferramentas por períodos prolongados.

Essas cargas de trabalho podem passar bastante tempo movimentando dados do modelo e informações de conversas armazenadas, em vez de fazendo cálculos. Por isso, a Microsoft projetou cada acelerador com oito pilhas de memória HBM4, que oferecem capacidade de 288 gigabytes e largura de banda de pico de 18 terabytes por segundo, dentro de um envelope de potência de projeto térmico de 950 watts. A potência de projeto térmico é uma especificação para dimensionar potência e refrigeração, não uma medição do consumo constante de eletricidade.

Em comparação com o Maia 200, a Microsoft afirma que o Maia 300 oferece 33% mais capacidade de memória e 2,5 vezes mais largura de banda de memória. A comparação de capacidade é compatível com o aumento relatado de 216 para 288 gigabytes, um ganho de 72 gigabytes por acelerador.

É preciso atenção às unidades de largura de banda. Alguns relatos expressam a largura de banda do chip anterior em terabits por segundo e a do novo rack em petabits por segundo. A documentação da Microsoft sobre o Maia 300 usa terabytes e petabytes por segundo. Bits e bytes diferem por um fator de oito, portanto esses números, expressos de maneiras diferentes, não devem ser tratados como equivalentes.

O software controla para onde os dados vão

O Maia 300 amplia a Software Defined Locally Accessed Dataflow Architecture, ou SDLA, da Microsoft. Na prática, isso dá ao software controle explícito sobre onde os dados são armazenados, como são movimentados, quando seu formato muda e como as operações são coordenadas entre mecanismos de computação, memória e rede.

O novo projeto usa uma organização de memória não uniforme entre os chiplets. Parte da memória fica mais perto de determinada região de computação do que outra, permitindo que o software reduza a movimentação ao posicionar os dados perto dos mecanismos que precisam deles. A SRAM, uma memória rápida localizada no die, também funciona como área de trabalho temporária gerenciada por software, reduzindo a demanda por HBM.

A Microsoft combina essas mudanças com suporte ampliado a formatos numéricos compactos, incluindo MXFP4 e formatos de armazenamento com menos de três bits. Essas representações reduzem o espaço ocupado pelos dados na memória e a quantidade de bytes que precisa ser movimentada durante a inferência. Sua utilidade depende do suporte do software e dos modelos, e não apenas do formato menor.

O projeto também mira o cache KV, que armazena informações dos tokens já processados por um modelo para que elas não precisem ser recalculadas a cada etapa. Manter esse cache compacto é importante quando as conversas ficam mais longas ou muitos usuários precisam ser atendidos ao mesmo tempo.

Mustafa Suleyman, CEO da Microsoft AI, relacionou o programa de hardware ao trabalho de desenvolvimento de modelos da empresa e explicou por que sua equipe quer controlar a plataforma que os sustenta.

Nessa escala, precisamos de uma plataforma que seja nossa e que projetemos em conjunto com nossos modelos. É por isso que executar nossos modelos da Microsoft AI no chip Maia é uma prioridade fundamental para a nossa equipe.

De um rack a 12.288 aceleradores

Um rack Maia 300 contém 24 bandejas, cada uma com quatro aceleradores, além do processador anfitrião correspondente, memória, armazenamento e refrigeração. Isso dobra a quantidade de aceleradores em relação aos 48 de um rack Maia 200. Integrar os equipamentos anfitriões às bandejas elimina a necessidade de bandejas separadas para eles e libera espaço para mais aceleradores.

O projeto de rede da Microsoft pode conectar até 128 racks em um superpod com 12.288 aceleradores. Ele usa conexões elétricas dentro dos racks e conexões ópticas entre eles, com um transporte de IA personalizado baseado em Ethernet.

A rede oferece ao software um único modelo de comunicação em todo o superpod. Os aceleradores podem iniciar transferências para outros aceleradores sem encaminhá-las por um processador anfitrião ou por uma interface de rede separada para a comunicação entre racks.

Isso é importante quando um modelo é dividido entre vários chips. O paralelismo de tensores distribui partes dos cálculos de um modelo entre aceleradores e exige comunicação frequente entre eles. A Microsoft afirma que o software pode manter em um mesmo rack o tráfego que exige os menores tempos de resposta e distribuir outras tarefas de forma mais ampla.

A mesma rede pode separar o processamento inicial de um prompt da geração posterior de uma resposta. Os dados KV armazenados são transferidos diretamente entre os trabalhadores responsáveis por essas etapas. Aceleradores disponíveis em outro rack também podem assumir o trabalho quando a capacidade fica indisponível, embora o percurso de comunicação mais longo acrescente latência.

O que as alegações de eficiência realmente comparam

A Microsoft apresenta duas comparações principais que devem ser consideradas separadamente. O aumento esperado de 40% em tokens por megawatt compara o Maia 300 com os principais sistemas de GPU. A alegação de até sete vezes mais produção de tokens por rack compara um rack Maia 300 totalmente configurado com um Maia 200.

Um token é uma unidade de texto processada por um modelo de linguagem, muitas vezes um fragmento de palavra, e não uma palavra inteira. A taxa de processamento de tokens mede o volume de saída, mas, por si só, não determina a qualidade das respostas, a velocidade para cada usuário nem o desempenho em todos os modelos.

O documento de arquitetura também usa descrições diferentes para a eficiência em relação ao Maia 200. A seção sobre racks fala em até 2,5 vezes mais desempenho por watt, enquanto a comparação final diz mais de 2,5 vezes. Sem condições detalhadas de teste, essas descrições não devem ser reduzidas a um único resultado garantido.

A quantidade de aceleradores explica parte do ganho de produção por rack: o Maia 300 dobra o número de chips. Portanto, a alegação de sete vezes mais capacidade de processamento vai além da densidade e combina aceleradores adicionais com mudanças em memória, software, rede e eficiência de execução. Ela não deve ser interpretada como uma melhora de sete vezes em cada chip individual.

A especificação de 950 watts por acelerador também é diferente do envelope de 167 quilowatts do rack. Multiplicar 96 por 950 watts resulta em 91,2 quilowatts. O valor do rack abrange um sistema maior, que inclui equipamentos anfitriões, memória, rede e fornecimento de energia; portanto, os dois números descrevem limites diferentes.

Refrigeração e eletricidade moldam a implantação

Com 167 quilowatts por rack, o Maia 300 exige uma abordagem integrada para energia e calor. A Microsoft afirma que a refrigeração líquida remove mais de 80% da carga térmica do rack proveniente dos aceleradores, reguladores de tensão e chips de comutação de rede. A refrigeração a ar cuida da memória, do armazenamento e de outros componentes.

O rack pode ser conectado diretamente à água da instalação, quando disponível, ou usar um trocador de calor em um data center que dependa de refrigeração a ar. Duas alimentações de energia e uma chave de transferência automática ajudam a manter a operação quando uma das alimentações é desligada para manutenção.

As medições de energia no nível do rack e das fileiras são integradas às operações do data center. A Microsoft afirma que essas informações ajudam seus algoritmos a distribuir energia, posicionar cargas de trabalho e ajustar a densidade das implantações de acordo com a capacidade disponível de eletricidade e refrigeração.

Alistair Speirs, gerente-geral da Microsoft, explicou a relação com os custos operacionais ao comentar a nova arquitetura.

Precisamos de novas arquiteturas que nos ofereçam essencialmente melhor desempenho e melhor aproveitamento da energia que temos.

A meta de implantações na escala de gigawatts, portanto, é mais do que um plano de compra de chips. Ela representa um grande compromisso com infraestrutura, envolvendo racks, redes, capacidade elétrica e refrigeração. O anúncio publicado não identifica os locais, a distribuição regional nem o cronograma de conclusão dessa capacidade.

O Maia 200 serve como ponto de partida

A Microsoft afirma que o Maia 200 já atende cargas de trabalho em produção, incluindo o Microsoft Copilot, e dá suporte à equipe MAI no desenvolvimento de novos modelos. Ele executa modelos da OpenAI, modelos próprios da MAI e importantes famílias de modelos de código aberto, com implantações nos Estados Unidos, na Europa e na Austrália.

Os relatos divergem sobre a implantação do GitHub Copilot e do Microsoft Foundry. Um deles afirma que ambos já executam cargas de trabalho em produção no Maia 200. A declaração da Microsoft de 12 de outubro diz que a previsão é que eles sejam integrados até o fim de 2026. Esse cronograma oficial é a base mais sólida para descrever a situação.

A Microsoft relata até 1,7 vez mais tokens por watt em funções de IA integradas às experiências do Teams, Copilot e Cowork, em comparação com a principal infraestrutura baseada em GPUs. A empresa também aponta usos futuros em assistência à programação, oferta de modelos na nuvem, inferência e geração de dados para a MAI e fluxos de trabalho clínicos com o Dragon Copilot.

A sequência de anúncios e marcos previstos é:

• 2023: a Microsoft apresenta o Maia 100, seu primeiro acelerador de IA personalizado.
• Janeiro de 2026: a Microsoft anuncia o Maia 200.
• 12 de outubro de 2026: a Microsoft apresenta a arquitetura do Maia 300 e confirma cargas de trabalho de produção no Maia 200.
• Até o fim de 2026: a previsão é que o GitHub Copilot e o Microsoft Foundry também passem a usar o Maia 200.
• 2027: começam as implantações do Maia 300 em produção e a expansão da família Maia rumo a vários gigawatts.

Jim Kleewein, pesquisador técnico da Microsoft, afirma que algumas funções do Microsoft 365 Copilot devem ficar mais rápidas com o Maia 300. Não foi divulgado nenhum ganho quantificado nos tempos de resposta para os usuários.

Um papel maior para a TSMC e o setor de servidores de Taiwan

O Maia 300 confirma o papel da TSMC no hardware avançado de IA de outra grande empresa de computação em nuvem. A Microsoft projeta o acelerador, enquanto a TSMC fabrica seus chiplets de computação N2P. Reduzir a dependência de GPUs compradas, portanto, não elimina a dependência da capacidade de fabricação de semicondutores.

A TSMC informou que cinco fábricas que usam seu processo de 2 nanômetros entrarão em operação em 2026: duas em Hsinchu e três em Kaohsiung. A produção em volume do N2P está prevista para o segundo semestre de 2026, antes das implantações planejadas pela Microsoft para 2027.

Estimativas de mercado situam a capacidade mensal da TSMC em 2 nanômetros entre cerca de 90 mil e 100 mil wafers até o fim de 2026 e acima de 110 mil até meados de 2027. As estimativas de que o processo possa representar quase 10% da receita do segundo semestre são previsões, não receitas confirmadas de pedidos da Maia.

As metas divulgadas pela TSMC incluem produzir 45% mais wafers no primeiro ano do processo de 2 nanômetros do que no primeiro ano de produção de 3 nanômetros, em 2023, e atingir uma taxa composta de crescimento anual de 70% na capacidade de 2 nanômetros entre 2026 e 2028. Nenhuma das duas metas determina qual será a parcela dessa produção destinada à Microsoft.

Previsões mais amplas do mercado apontam Foxconn, Quanta, Wistron, Wiwynn, Pegatron, Inventec, Compal e MiTAC como possíveis beneficiárias do aumento da demanda por servidores de IA. As previsões estimam 3,5 milhões de unidades enviadas em 2026 e 5,2 milhões em 2027. Esses totais arredondados indicam crescimento de cerca de 49%, um pouco acima da previsão de 46% citada separadamente.

As previsões também projetam crescimento de 96% nos investimentos de capital dos principais provedores de nuvem dos EUA em 2026, com cerca de metade do aumento vindo da construção de data centers. A Foxconn espera mais que dobrar os envios anuais de racks de IA, enquanto a Quanta mantém a meta de crescer pelo menos 100% em servidores de IA. São expectativas mais amplas do setor, não confirmações de contratos de fornecimento do Maia 300.

A Nvidia continua fazendo parte do plano

O objetivo da Microsoft é tornar o Maia o principal sistema de inferência para seus próprios produtos e serviços, não substituir todas as GPUs do Azure. O treinamento de novos modelos continua sendo uma necessidade separada, e a Microsoft segue trabalhando com Nvidia e AMD para essa finalidade.

Na teleconferência de resultados de julho, a Microsoft disse esperar estar entre os primeiros provedores de nuvem a implantar sistemas Nvidia Vera Rubin e AMD Helios. A Evercore ISI estima que o Maia possa representar cerca de 10% dos gastos da Microsoft com chips de IA até o primeiro trimestre de 2027. A parcela dos gastos é diferente da proporção do trabalho de inferência executado, portanto essa estimativa não mede diretamente o avanço em direção à meta operacional da Microsoft.

Atualmente, outras empresas não podem alugar aceleradores Maia por hora. Isso limita a avaliação externa e significa que as alegações de desempenho publicadas não demonstram o que um cliente independente alcançaria com determinado modelo.

As incertezas restantes incluem a quantidade de unidades implantadas, o prazo para atingir a capacidade total na escala de gigawatts, as condições detalhadas dos benchmarks e a divisão final das cargas de trabalho entre o Maia e as GPUs compradas. A Microsoft afirma que compartilhará mais informações sobre sua estratégia no Ignite 2026, em San Francisco e on-line, em novembro.

Principais pontos

• Os chiplets de computação do Maia 300 usam o processo N2P da TSMC, com implantações em produção previstas para começar em 2027.
• Cada acelerador tem 288 GB de memória HBM4 e largura de banda de pico de 18 TB/s.
• Um rack completo contém 96 aceleradores em um envelope de potência de 167 kW.
• A Microsoft espera 40% mais tokens por megawatt do que nos principais sistemas de GPU e até sete vezes mais produção por rack do que no Maia 200.
• As implantações da família Maia avançarão rumo a vários gigawatts a partir de 2027, sem prazo de conclusão divulgado.
• Os relatos sobre mais de um milhão de implantações do Maia 300 não foram confirmados no anúncio da Microsoft.
• A Microsoft continua planejando implantações de sistemas Nvidia e AMD ao lado de seu próprio hardware.