تراشه Maia 300 مایکروسافت بازدهی توکن بر مگاوات را ۴۰٪ افزایش داد

هزینهٔ انرژی برای نسل بعدی عامل‌های خودمختار هوش مصنوعی می‌تواند کابوسی برای مراکز داده باشد. طبق اعلام مایکروسافت در یک پست وبلاگی که در ۱۲ اکتبر ۲۰۲۶ منتشر شد، تراشه Maia 300 با تولید ۴۰٪ توکن بیشتر به ازای هر مگاوات نسبت به سیستم‌های پیشرو مبتنی بر GPU، این چالش را هدف قرار داده است. این موضوع نشان‌دهنده تغییر استراتژیک مایکروسافت به سمت معماری «اول-استنتاج» (Inference-first) است.

اسکات گاتری، نایب‌رئیس اجرایی بخش Cloud + AI، این تراشه را یک «سامانه هوشمند کامل» توصیف می‌کند. این سخت‌افزار به‌طور ویژه برای استدلال در پنجره‌های متنی بلند، تجربه‌های گفتگویی با تأخیر کم و وظایف عامل‌محور (Agentic) — یعنی سیستم‌هایی که مثل یک کارمند خبره، مراحل مختلف یک پروژه را به‌صورت مستمر و چندمرحله‌ای بدون نظارت انسان پیش می‌برند — طراحی شده است. استقرار تجاری این تراشه‌ها در محیط‌های عملیاتی از سال ۲۰۲۷ آغاز خواهد شد.

این جهش سخت‌افزاری در حالی رخ می‌دهد که صنعت با تقاضای عظیم انرژی برای هوش مصنوعی در مقیاس کلان دست‌وپنجه نرم می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی بهینه‌سازی‌های نرم‌افزاری مایکروسافت اشاره کردیم، دستاوردهایی مثل دقت ۸۳.۵ درصدی در تصمیمات ساختاریافته در Microsoft Decision-1، اکنون به یک زیرساخت سخت‌افزاری اختصاصی نیاز دارند تا قابل مقیاس‌پذیری باشند. تفاوت این رویکرد با استفاده از سخت‌افزارهای عمومی، شبیه تفاوت اجرای یک نرم‌افزار سنگین روی لپ‌تاپ معمولی در برابر یک ابررایانهٔ سفارشی است؛ این دقیقاً همان جهشی است که مایکروسافت با تولید سیلیکون اختصاصی خود در حال انجام آن است.

فلسفه طراحی و بستر عملیاتی

مایکروسافت قصد دارد از سال ۲۰۲۷، خانواده Maia را در استقرارهای چندگیگاواتی در Azure گسترش دهد. هدف نهایی این است که Maia به سیستم اصلی استنتاج (Inference) — همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به مرحلهٔ پخت غذا پس از یادگیری دستور پخت — در تمام محصولات و خدمات مایکروسافت تبدیل شود.

معماری این تراشه بر تعادل میان محاسبات، پهنای باند حافظه، شبکه و بهره‌وری انرژی در مقیاس ابری متمرکز است. مایکروسافت از یک معماری جریان دادهٔ تعریف‌شده توسط نرم‌افزار (Software-defined dataflow) جفت‌شده با بهینه‌سازی هسته (Kernel) به کمک هوش مصنوعی استفاده می‌کند. این رویکرد باعث می‌شود داده‌ها در نزدیکی محل پردازش باقی بمانند و جابه‌جایی داده‌ها کاهش یابد تا بهره‌وری در تمام منابع افزایش یابد.

مایکروسافت تأکید می‌کند که در نظر گرفتن «جریان داده» به عنوان یک اصل بنیادین در طراحی، مزیتی چشمگیر در نسبت «عملکرد به وات» نسبت به معماری‌های سنتی GPU ایجاد می‌کند. این موضوع برای بارهای کاری هوش مصنوعی که به شدت وابسته به رمزگشایی (Decode-heavy) و مصرف حافظه هستند، حیاتی است.

جزئیات فنی معماری

تراشه Maia 300 از طراحی چند-چیپلت (Multi-chiplet) بر پایه گره N2P شرکت TSMC بهره می‌برد. این طراحی بخش‌های محاسباتی، کنترل‌کننده حافظه و توابع ورودی/خروجی (I/O) را برای حداکثر بهره‌وری از هم جدا می‌کند. مشخصات کلیدی این تراشه عبارتند از:

• حافظه: هشت پشته HBM4 که پهنای باند اوج ۱۸.۰ ترابایت بر ثانیه را فراهم می‌کند.
• توان مصرفی: TDP معادل ۹۵۰ وات برای هر تراشه.
• SRAM: پشتیبانی تخصصی از هسته (Kernel) که حافظه SRAM داخلی را به عنوان یک فضای پیش‌نویس (Scratchpad) مدیریت‌شده توسط نرم‌افزار می‌بیند تا فشار روی حافظه HBM کاهش یابد.
• دقت: پشتیبانی از فرمت‌های پیشرفته MXFP4 برای کاهش نیاز به حافظه و پهنای باند در محاسبات و ذخیره‌سازی KV-cache، که امکان استفاده از پنجره‌های متنی بزرگ‌تر را فراهم می‌کند.
• مقیاس: یک پیکربندی رک شامل ۹۶ شتاب‌دهنده، توان عملیاتی توکن‌ها را ۷ برابر نسبت به نسل قبلی (Maia 200) افزایش می‌دهد.

در بخش شبکه، این تراشه شبکه را نه به عنوان یک لایه ارتباطی مجزا، بلکه به عنوان امتداد جریان داده‌های خود می‌بیند. این سیستم از اتصالات با پهنای باند بالا استفاده می‌کند که برای موازی‌سازی تنسور (Tensor Parallelism) بهینه شده‌اند و یک پروتکل انتقال سفارشی هوش مصنوعی روی زیرساخت‌های مبتنی بر اترنت (Ethernet) به کار می‌گیرد. این ساختار یک توپولوژی یکپارچه ایجاد می‌کند که از یک رک واحد تا استقرارهای در مقیاس مرکز داده گسترش می‌یابد.

یک رک کامل با ۹۶ شتاب‌دهنده در محدوده توان ۱۶۷ کیلووات عمل می‌کند و ظرفیت حافظه ۲۷.۶ ترابایت و پهنای باند مجموع ۱.۷ پتابایت بر ثانیه را فراهم می‌کند. مایکروسافت می‌گوید این تراکم اجازه می‌دهد تعاملات هم‌زمان بیشتری از هوش مصنوعی و بارهای کاری بزرگ‌تر از هر رک پشتیبانی شود.

خط تولید و تکامل

این مسیر با Maia 200 که در ۲۶ ژانویه ۲۰۲۶ عرضه شد، آغاز گشت. سری ۲۰۰ در حال حاضر قدرت‌بخش Microsoft Copilot است و از تیم MAI در توسعه مدل‌های نسل بعد پشتیبانی می‌کند. این تراشه‌ها تا پایان سال ۲۰۲۶ از GitHub Copilot و Microsoft Foundry نیز پشتیبانی خواهند کرد.

تراشه Maia 200 بر پایه گره ۳ نانومتری TSMC ساخته شده است. این مدل دارای هسته‌های تنسور بومی FP8 و FP4، حافظه ۲۱۶ گیگابایتی HBM3e با سرعت ۷ ترابایت بر ثانیه و ۲۷۲ مگابایت SRAM روی تراشه است. با بیش از ۱۴۰ میلیارد ترانزیستور، این تراشه بیش از ۱۰ پتافلاپس (petaFLOPS) محاسبات FP4 و بیش از ۵ پتافلاپس در FP8 را در محدوده توان ۷۵۰ وات ارائه می‌دهد.

در حال حاضر، این تراشه‌ها در منطقه US Central نزدیک دزموئین در ایالت آیووا فعال هستند و گسترش آن‌ها به منطقه US West 3 نزدیک فینیکس در آریزونا برنامه‌ریزی شده است. همچنین استقرار آن‌ها در اروپا و استرالیا در حال انجام است. مایکروسافت در زمان عرضه ادعا کرد که Maia 200 دارای ۳ برابر عملکرد FP4 نسبت به Amazon Trainium (نسل سوم) است و عملکرد FP8 آن از TPU نسل هفتم گوگل پیشی گرفته است.

مایکروسافت مدعی است که Maia 200 در حال حاضر ۱.۷ برابر توکن بیشتر به ازای هر وات برای تجربه‌های Teams، Copilot و Cowork نسبت به زیرساخت‌های استاندارد GPU تولید می‌کند. این تجربیات عملی در محیط تولید، مستقیماً در طراحی و مهندسی Maia 300 به کار رفته است.

پیامدهای راهبردی

مایکروسافت با حرکت به سمت استقرارهای چندگیگاواتی از سال ۲۰۲۷، در تلاش است وابستگی خود به فروشندگان خارجی GPU را قطع کند. دو نسل Maia برای پشتیبانی از طیف گسترده‌ای از خدمات طراحی شده‌اند: کارهای عامل‌محور چندمرحله‌ای برای کدنویسی در GitHub، ارائه خدمات در مقیاس ابری از طریق Microsoft Foundry، و جریان‌های کاری Dragon Copilot با تأخیر کم برای کاهش بارهای اداری پزشکان.

برای کاربر تجاری، این به معنای تأخیر کمتر در وظایف «عامل‌محور» — یعنی هوش مصنوعی که می‌تواند جریان‌های کاری چندمرحله‌ای را بدون دخالت انسان انجام دهد — و پنجره‌های متنی بزرگ‌تر برای تحلیل اسناد حجیم است.

این یک بازی برای «رهبری هزینه» است. Maia 200 در زمان عرضه، ۳۰٪ عملکرد بهتری نسبت به دلار در مقایسه با جدیدترین سخت‌افزارهای موجود در ناوگان مایکروسافت داشت. اگر مایکروسافت بتواند توکن‌های بیشتری را با هر وات و هر دلار تولید کند، می‌تواند قیمت APIهای خود را کاهش داده و در عین حال حاشیه سود خدمات ابری Azure را بالا ببرد.

مایکروسافت جزئیات بیشتر درباره استراتژی خود و پیشرفت‌های Frontier Transformation را در رویداد Microsoft Ignite 2026 در سان‌فرانسیسکو به اشتراک خواهد گذاشت. باید منتظر انتشار مقاله فنی کامل Maia 300 بود تا مشخص شود آیا این دستاوردهای بهره‌وری در بنچمارک‌های مستقل نیز تایید می‌شوند یا خیر.

گام بعدی شما

• بررسی مقایسه قیمت‌های APIهای Azure پس از استقرار Maia 300 برای تخمین کاهش هزینه‌های استنتاج.
• دنبال کردن انتشار مقاله فنی کامل Maia 300 برای تایید ادعاهای بهره‌وری در بنچمارک‌های مستقل.
• تحلیل اثر کاهش تأخیر در اجرای عامل‌های چندمرحله‌ای بر گردش کار توسعه نرم‌افزار.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.