Microsoft का Maia 300 TSMC N2P का उपयोग करेगा, Azure का 2027 में कई गीगावाट AI क्षमता का लक्ष्य

96 एक्सेलेरेटर वाला रैक Microsoft की अगली AI पहल का आधार

Microsoft ने Maia 300 पेश किया है। यह एक AI एक्सेलेरेटर है, जिसके कंप्यूटिंग चिपलेट Taiwan Semiconductor Manufacturing Co. की N2P प्रक्रिया से बनाए जाएंगे। इसका उत्पादन 2027 में शुरू होगा। इस घोषणा से Microsoft की उस महत्वाकांक्षा को ठोस रूप मिला है, जिसके तहत वह अपने Maia हार्डवेयर को अपने उत्पादों और सेवाओं में AI इनफरेंस चलाने के लिए प्राथमिक सिस्टम बनाना चाहता है।

प्रस्तावित रैक में 167 किलोवाट की बिजली सीमा के भीतर 96 एक्सेलेरेटर होंगे। इसमें 27.6 टेराबाइट हाई-बैंडविड्थ मेमोरी और कुल मिलाकर लगभग 1.7 पेटाबाइट प्रति सेकंड की मेमोरी बैंडविड्थ होगी। Microsoft को उम्मीद है कि Maia 300, ग्राफिक्स प्रोसेसिंग यूनिट यानी GPU पर आधारित अग्रणी सिस्टम की तुलना में प्रति मेगावाट 40% अधिक टोकन देगा और Maia 200 रैक की तुलना में सात गुना तक आउटपुट देगा।

ये कंपनी के प्रदर्शन संबंधी दावे हैं, स्वतंत्र बेंचमार्क के नतीजे नहीं। फिर भी इनसे पता चलता है कि Microsoft अपना निवेश किस दिशा में कर रहा है: किसी एक चिप की कंप्यूटिंग क्षमता बढ़ाने के बजाय, डेटा सेंटर की बिजली, कूलिंग और जगह की सीमाओं के भीतर उपयोगी AI आउटपुट की मात्रा बढ़ाना।

Microsoft के क्लाउड + AI विभाग के कार्यकारी उपाध्यक्ष Scott Guthrie ने कंपनी की 12 अक्टूबर, 2026 की Azure Maia घोषणा में तैनाती की योजना बताई।

हम 2027 से अपने Azure Maia परिवार को कई गीगावाट की तैनाती तक बढ़ाएंगे, जिससे Maia Microsoft के उत्पादों और सेवाओं के लिए प्राथमिक इनफरेंस सिस्टम बनेगा।

यह प्रतिबद्धता केवल Maia 300 के बजाय Maia परिवार से जुड़ी है। 2027 में Microsoft दस लाख से अधिक Maia 300 चिप तैनात कर सकता है, ऐसी खबरें प्रकाशित घोषणा से आगे का अनुमान हैं। घोषणा में शुरुआत का वर्ष तो बताया गया है, लेकिन चिप की संख्या या व्यापक विस्तार पूरा होने की समयसीमा नहीं दी गई है।

TSMC N2P से क्या बनेगा

Microsoft की पुष्टि, Maia 300 को सामान्य रूप से 2 नैनोमीटर चिप कहने से अधिक सटीक है। इसके कंप्यूटिंग चिपलेट TSMC के 2 नैनोमीटर परिवार की N2P प्रक्रिया से बनेंगे। मेमोरी कंट्रोलर और इनपुट-आउटपुट फंक्शन अलग-अलग डाई पर होंगे, जिससे पैकेज के विभिन्न हिस्सों के लिए उनके काम के अनुरूप विनिर्माण तकनीक इस्तेमाल की जा सकेगी।

चिपलेट सिलिकॉन का एक छोटा टुकड़ा होता है, जो एक पैकेज के भीतर अन्य डाई के साथ काम करता है। Maia 300 में इस विभाजन से Microsoft कंप्यूटिंग फंक्शन के लिए उन्नत प्रक्रिया का उपयोग कर सकता है, जबकि कनेक्टिविटी, मेमोरी कंट्रोल और लागत को अलग-अलग डिजाइन विकल्पों के रूप में देख सकता है। इसका यह मतलब नहीं है कि पैकेज की हर डाई N2P का उपयोग करती है।

Microsoft का 12 अक्टूबर का Maia 300 आर्किटेक्चर विश्लेषण, Azure Hardware Systems and Infrastructure की अध्यक्ष Rani Borkar और Systems Planning and Architecture के कॉर्पोरेट उपाध्यक्ष Saurabh Dighe ने लिखा है। इसमें इस विभाजन का स्पष्ट वर्णन है।

दस्तावेज़ के अनुसार, आर्किटेक्चर में हुए बदलावों से सिस्टम का कंप्यूटिंग थ्रूपुट, जिसे फ्लोटिंग पॉइंट ऑपरेशन में मापा जाता है, 36% बढ़ता है; HBM बैंडविड्थ 2.5 गुना होती है; और एक्सेलेरेटरों के बीच संचार के लिए 14% अधिक बैंडविड्थ मिलती है। ये आंकड़े सिस्टम के अलग-अलग संसाधनों को दर्शाते हैं। इनमें से कोई भी अकेले रैक के टोकन आउटपुट में बताए गए सात गुना उछाल की व्याख्या नहीं करता।

मेमोरी कंप्यूटिंग क्षमता जितनी ही क्यों अहम है

Maia 300 मुख्य रूप से इनफरेंस के लिए बनाया गया है। इनफरेंस वह प्रक्रिया है जिसमें पहले से प्रशिक्षित मॉडल का उपयोग जवाब देने या काम करने के लिए किया जाता है। इसके लक्षित कार्यों में लंबे दस्तावेज़ों पर तर्क करना, तुरंत जवाब देने वाली बातचीत और लंबे समय तक कई चरणों में काम करने तथा टूल का उपयोग करने वाले AI एजेंट शामिल हैं।

ऐसे कार्यों में गणना करने के बजाय मॉडल का डेटा और बातचीत की संग्रहित जानकारी स्थानांतरित करने में काफी समय लग सकता है। इसलिए Microsoft ने हर एक्सेलेरेटर में आठ HBM4 मेमोरी स्टैक लगाए हैं। इससे 288 गीगाबाइट क्षमता और 950 वाट के थर्मल डिजाइन पावर दायरे में 18 टेराबाइट प्रति सेकंड की अधिकतम बैंडविड्थ मिलती है। थर्मल डिजाइन पावर बिजली और कूलिंग के लिए डिजाइन विनिर्देश है, लगातार बिजली खपत का माप नहीं।

Microsoft के अनुसार, Maia 200 की तुलना में Maia 300 में 33% अधिक मेमोरी क्षमता और 2.5 गुना मेमोरी बैंडविड्थ है। क्षमता की यह तुलना 216 गीगाबाइट से बढ़कर 288 गीगाबाइट होने की बताई गई वृद्धि से मेल खाती है, यानी प्रति एक्सेलेरेटर 72 गीगाबाइट अधिक।

बैंडविड्थ की इकाइयों पर ध्यान देना जरूरी है। कुछ रिपोर्ट पुराने चिप की बैंडविड्थ टेराबिट प्रति सेकंड और नए रैक की बैंडविड्थ पेटाबिट प्रति सेकंड में बताती हैं। Microsoft के Maia 300 दस्तावेज़ में टेराबाइट और पेटाबाइट प्रति सेकंड का उपयोग है। बिट और बाइट में आठ गुना का अंतर होता है, इसलिए अलग-अलग इकाइयों में बताए गए इन आंकड़ों को एक-दूसरे के बराबर नहीं मानना चाहिए।

सॉफ्टवेयर तय करता है कि डेटा कहां जाए

Maia 300 Microsoft की Software Defined Locally Accessed Dataflow Architecture यानी SDLA को आगे बढ़ाता है। व्यावहारिक रूप से इससे सॉफ्टवेयर को यह स्पष्ट नियंत्रण मिलता है कि डेटा कहां संग्रहित हो, वह कैसे आगे बढ़े, उसका प्रारूप कब बदले और कंप्यूटिंग इंजन, मेमोरी तथा नेटवर्क में काम का समन्वय कैसे हो।

नए डिजाइन में चिपलेट के बीच असमान मेमोरी व्यवस्था है। कुछ मेमोरी किसी खास कंप्यूटिंग क्षेत्र के पास होती है, जबकि कुछ उससे दूर। इसलिए सॉफ्टवेयर डेटा को उन इंजन के पास रखकर उसकी आवाजाही घटा सकता है जिन्हें उसकी जरूरत है। डाई पर मौजूद तेज मेमोरी SRAM भी सॉफ्टवेयर द्वारा प्रबंधित अस्थायी कार्यक्षेत्र के रूप में काम करती है, जिससे HBM पर निर्भरता घटती है।

Microsoft इन बदलावों के साथ MXFP4 सहित छोटे संख्यात्मक प्रारूपों और तीन बिट से कम वाले स्टोरेज प्रारूपों के लिए बेहतर समर्थन भी देता है। इन प्रारूपों से डेटा कम मेमोरी घेरता है और इनफरेंस के दौरान कम बाइट स्थानांतरित करने पड़ते हैं। इनका लाभ केवल छोटे प्रारूप पर नहीं, बल्कि सॉफ्टवेयर और मॉडल के समर्थन पर निर्भर करता है।

डिजाइन का लक्ष्य KV कैश भी है। इसमें मॉडल द्वारा पहले से प्रोसेस किए गए टोकन की जानकारी रखी जाती है, ताकि हर चरण में उसे दोबारा गणना न करनी पड़े। बातचीत लंबी होने या एक साथ अधिक उपयोगकर्ताओं को सेवा देने की जरूरत पड़ने पर इस कैश को छोटा रखना अहम हो जाता है।

Microsoft AI के मुख्य कार्यकारी Mustafa Suleyman ने हार्डवेयर कार्यक्रम को कंपनी के मॉडल विकास कार्य से जोड़ा और बताया कि उनकी टीम अपने मॉडल के नीचे के प्लेटफॉर्म पर नियंत्रण क्यों चाहती है।

उस पैमाने पर हमें ऐसे प्लेटफॉर्म की जरूरत है जिसका स्वामित्व हमारे पास हो और जिसे हम अपने मॉडल के साथ मिलकर डिजाइन करें। इसीलिए Microsoft AI के हमारे मॉडल को Maia चिप पर चलाना हमारी टीम की प्रमुख प्राथमिकता है।

एक रैक से 12,288 एक्सेलेरेटर तक

Maia 300 के एक रैक में 24 ट्रे हैं। हर ट्रे में चार एक्सेलेरेटर के साथ संबंधित होस्ट प्रोसेसर, मेमोरी, स्टोरेज और कूलिंग होती है। Maia 200 रैक के 48 एक्सेलेरेटर की तुलना में यह संख्या दोगुनी है। होस्ट उपकरण को इन ट्रे में एकीकृत करने से अलग होस्ट ट्रे की जरूरत नहीं रहती और अतिरिक्त एक्सेलेरेटर के लिए जगह मिलती है।

Microsoft का नेटवर्किंग डिजाइन 128 रैक तक जोड़कर 12,288 एक्सेलेरेटर वाला सुपरपॉड बना सकता है। इसमें रैक के भीतर बिजली के कनेक्शन और रैक के बीच ऑप्टिकल कनेक्शन इस्तेमाल होते हैं। इसका कस्टम AI ट्रांसपोर्ट Ethernet पर आधारित है।

यह नेटवर्क पूरे सुपरपॉड में सॉफ्टवेयर को संचार का एक ही मॉडल देता है। एक्सेलेरेटरों के बीच डेटा ट्रांसफर शुरू करने के लिए उन्हें होस्ट प्रोसेसर या रैक के बीच संचार के लिए अलग नेटवर्क इंटरफेस से होकर जाने की जरूरत नहीं होती।

यह तब अहम होता है जब किसी मॉडल को कई चिप में बांटा जाता है। टेंसर पैरेललिज्म मॉडल की गणना के हिस्सों को अलग-अलग एक्सेलेरेटर में बांटता है और उनके बीच बार-बार संचार की जरूरत होती है। Microsoft का कहना है कि सॉफ्टवेयर कम प्रतिक्रिया समय वाले ट्रैफिक को एक रैक के भीतर रख सकता है और बाकी काम को अधिक व्यापक रूप से बांट सकता है।

इसी नेटवर्क से प्रॉम्प्ट की शुरुआती प्रोसेसिंग को जवाब तैयार करने के बाद के चरण से अलग किया जा सकता है। संग्रहित KV डेटा, इन चरणों को संभालने वाले वर्कर के बीच सीधे स्थानांतरित होता है। क्षमता उपलब्ध न होने पर दूसरे रैक के खाली एक्सेलेरेटर भी काम संभाल सकते हैं, हालांकि इससे संचार का रास्ता लंबा होने के कारण अतिरिक्त विलंब होता है।

दक्षता के दावों में वास्तव में किसकी तुलना है

Microsoft दो प्रमुख तुलनाएं देता है, जिन्हें अलग-अलग समझना चाहिए। प्रति मेगावाट टोकन में अपेक्षित 40% वृद्धि की तुलना Maia 300 और अग्रणी GPU सिस्टम के बीच है। प्रति रैक टोकन आउटपुट सात गुना तक होने का दावा पूरी तरह कॉन्फिगर किए गए Maia 300 रैक और Maia 200 के बीच तुलना है।

टोकन भाषा मॉडल द्वारा प्रोसेस किए जाने वाले पाठ की एक इकाई है। यह अक्सर पूरा शब्द नहीं, बल्कि शब्द का एक हिस्सा होता है। टोकन थ्रूपुट आउटपुट की मात्रा बताता है, लेकिन इससे अपने आप जवाब की गुणवत्ता, हर उपयोगकर्ता के लिए प्रतिक्रिया की गति या हर मॉडल का प्रदर्शन साबित नहीं होता।

आर्किटेक्चर दस्तावेज़ में Maia 200 की तुलना में दक्षता के लिए अलग-अलग शब्दों का भी इस्तेमाल किया गया है। रैक वाले हिस्से में प्रति वाट प्रदर्शन 2.5 गुना तक अधिक बताया गया है, जबकि निष्कर्ष में 2.5 गुना से अधिक कहा गया है। विस्तृत परीक्षण स्थितियों के बिना इन दोनों बयानों को एक निश्चित नतीजे के रूप में नहीं देखना चाहिए।

रैक आउटपुट में वृद्धि का एक कारण एक्सेलेरेटरों की संख्या है: Maia 300 में चिप की संख्या दोगुनी है। इसलिए टोकन थ्रूपुट सात गुना होने का दावा केवल अधिक चिप लगाने से आगे जाता है; इसमें मेमोरी, सॉफ्टवेयर, नेटवर्किंग और काम करने की दक्षता में बदलाव भी शामिल हैं। इसे हर अलग चिप के प्रदर्शन में सात गुना सुधार नहीं समझना चाहिए।

एक्सेलेरेटर के लिए 950 वाट का विनिर्देश भी रैक की 167 किलोवाट सीमा से अलग है। 96 को 950 वाट से गुणा करने पर 91.2 किलोवाट मिलता है। रैक का आंकड़ा व्यापक सिस्टम को शामिल करता है, जिसमें होस्ट, मेमोरी, नेटवर्किंग और बिजली आपूर्ति शामिल हैं। इसलिए दोनों मान अलग-अलग सीमाओं का वर्णन करते हैं।

कूलिंग और बिजली तैनाती का स्वरूप तय करते हैं

हर रैक के लिए 167 किलोवाट की दर पर Maia 300 को बिजली और गर्मी संभालने के एकीकृत तरीके की जरूरत है। Microsoft का कहना है कि लिक्विड कूलिंग एक्सेलेरेटर, वोल्टेज रेगुलेटर और नेटवर्क स्विच चिप से निकलने वाली रैक की 80% से अधिक गर्मी हटाती है। मेमोरी, स्टोरेज और अन्य घटकों को एयर कूलिंग से ठंडा किया जाता है।

जहां सुविधा में पानी उपलब्ध हो, वहां रैक सीधे उससे जुड़ सकता है। एयर कूलिंग पर निर्भर डेटा सेंटर में हीट एक्सचेंजर इस्तेमाल किया जा सकता है। दोहरे बिजली फीड और ऑटोमैटिक ट्रांसफर स्विच से एक फीड को सर्विसिंग के लिए बंद करने पर भी काम जारी रखने में मदद मिलती है।

रैक और रो स्तर पर बिजली की माप डेटा सेंटर के संचालन में इस्तेमाल होती है। Microsoft के अनुसार, यह जानकारी उसके एल्गोरिद्म को बिजली आवंटित करने, वर्कलोड रखने और उपलब्ध बिजली तथा कूलिंग क्षमता के अनुसार तैनाती का घनत्व बदलने में मदद करती है।

Microsoft के महाप्रबंधक Alistair Speirs ने नए आर्किटेक्चर पर चर्चा करते हुए परिचालन लागत से इसका संबंध बताया।

हमें ऐसे नए आर्किटेक्चर चाहिए जो हमें बेहतर प्रदर्शन और उपलब्ध बिजली का बेहतर उपयोग दे सकें।

इसलिए गीगावाट में तैनाती का लक्ष्य केवल चिप खरीदने की योजना नहीं है। यह रैक, नेटवर्क, बिजली क्षमता और कूलिंग से जुड़ी बड़ी अवसंरचना प्रतिबद्धता है। प्रकाशित घोषणा में इस क्षमता के लिए स्थान, क्षेत्रवार वितरण या काम पूरा होने की समयसीमा नहीं बताई गई है।

Maia 200 से मिली शुरुआत

Microsoft का कहना है कि Maia 200 पहले से उत्पादन संबंधी वर्कलोड संभाल रहा है। इनमें Microsoft Copilot और नए मॉडल विकसित कर रही MAI टीम का काम शामिल है। यह OpenAI के मॉडल, Microsoft के अपने MAI मॉडल और प्रमुख ओपन सोर्स मॉडल परिवार चलाता है। इसे अमेरिका, यूरोप और ऑस्ट्रेलिया में तैनात किया गया है।

GitHub Copilot और Microsoft Foundry के रोलआउट को लेकर रिपोर्टों में अंतर है। एक रिपोर्ट कहती है कि दोनों पहले से Maia 200 पर उत्पादन संबंधी वर्कलोड चला रहे हैं। Microsoft के 12 अक्टूबर के बयान के अनुसार, इनके 2026 के अंत तक शुरू होने की उम्मीद है। उनकी स्थिति बताने के लिए कंपनी की यह आधिकारिक समयसीमा अधिक ठोस आधार है।

Microsoft का कहना है कि Teams, Copilot और Cowork के अनुभवों में अंतर्निर्मित AI सुविधाओं के लिए अग्रणी GPU अवसंरचना की तुलना में प्रति वाट टोकन 1.7 गुना तक अधिक मिलते हैं। कंपनी ने भविष्य के उपयोगों में कोडिंग सहायता, क्लाउड मॉडल सर्विंग, MAI के लिए इनफरेंस और डेटा जनरेशन तथा Dragon Copilot के जरिए क्लिनिकल वर्कफ्लो का भी जिक्र किया है।

घोषणाओं और नियोजित पड़ावों का क्रम इस प्रकार है:

• 2023: Microsoft ने अपना पहला कस्टम AI एक्सेलेरेटर Maia 100 पेश किया।
• जनवरी 2026: Microsoft ने Maia 200 की घोषणा की।
• 12 अक्टूबर, 2026: Microsoft ने Maia 300 का आर्किटेक्चर पेश किया और Maia 200 के उत्पादन संबंधी वर्कलोड की पुष्टि की।
• 2026 के अंत तक: GitHub Copilot और Microsoft Foundry के Maia 200 पर आने की उम्मीद है।
• 2027: Maia 300 की उत्पादन तैनाती और Maia परिवार का विस्तार कई गीगावाट तक शुरू होगा।

Microsoft के टेक्निकल फेलो Jim Kleewein का कहना है कि Maia 300 से Microsoft 365 Copilot के कुछ हिस्से तेज होने चाहिए। उपयोगकर्ताओं के जवाब मिलने के समय में किसी मात्रात्मक सुधार की घोषणा नहीं की गई है।

TSMC और Taiwan के सर्वर उद्योग की बड़ी भूमिका

Maia 300 से एक और बड़ी क्लाउड कंपनी के उन्नत AI हार्डवेयर में TSMC की भूमिका की पुष्टि होती है। एक्सेलेरेटर का डिजाइन Microsoft करता है, जबकि TSMC इसके N2P कंप्यूटिंग चिपलेट बनाती है। इसलिए खरीदे गए GPU पर निर्भरता कम करने से सेमीकंडक्टर विनिर्माण क्षमता पर निर्भरता खत्म नहीं होती।

TSMC ने कहा है कि उसकी 2 नैनोमीटर प्रक्रिया का उपयोग करने वाली पांच सुविधाओं में 2026 के दौरान उत्पादन बढ़ेगा। इनमें दो Hsinchu और तीन Kaohsiung में हैं। N2P का बड़े पैमाने पर उत्पादन 2026 की दूसरी छमाही में तय है, जो Microsoft की 2027 की नियोजित तैनाती से पहले होगा।

बाजार के अनुमानों के अनुसार, 2026 के अंत तक TSMC की मासिक 2 नैनोमीटर क्षमता लगभग 90,000 से 100,000 वेफर और 2027 के मध्य तक 110,000 से अधिक हो सकती है। दूसरी छमाही के राजस्व में इस प्रक्रिया का योगदान करीब 10% होने के अनुमान पूर्वानुमान हैं, Maia के ऑर्डर से हुई पुष्ट आय नहीं।

TSMC के घोषित लक्ष्यों में 2 नैनोमीटर प्रक्रिया के पहले वर्ष में 2023 के 3 नैनोमीटर उत्पादन के पहले वर्ष की तुलना में 45% अधिक वेफर आउटपुट और 2026 से 2028 के बीच 2 नैनोमीटर क्षमता में 70% की चक्रवृद्धि वार्षिक वृद्धि दर शामिल है। इनमें से कोई भी लक्ष्य यह नहीं बताता कि उस उत्पादन में Microsoft का हिस्सा कितना होगा।

व्यापक बाजार पूर्वानुमानों में AI सर्वर की बढ़ती मांग से लाभ पाने वाली संभावित कंपनियों में Foxconn, Quanta, Wistron, Wiwynn, Pegatron, Inventec, Compal और MiTAC शामिल हैं। पूर्वानुमानों के अनुसार, 2026 में 3.5 मिलियन और 2027 में 5.2 मिलियन AI सर्वर भेजे जा सकते हैं। इन गोल आंकड़ों से लगभग 49% वृद्धि का संकेत मिलता है, जो अलग से बताए गए 46% के पूर्वानुमान से थोड़ा अधिक है।

पूर्वानुमानों में 2026 में अमेरिका की प्रमुख क्लाउड कंपनियों के पूंजीगत खर्च में 96% वृद्धि का अनुमान है, जिसमें लगभग आधी बढ़ोतरी डेटा सेंटर निर्माण पर खर्च से आएगी। Foxconn को उम्मीद है कि उसके सालाना AI रैक शिपमेंट दोगुने से अधिक होंगे, जबकि Quanta ने AI सर्वर में कम से कम 100% वृद्धि का लक्ष्य बरकरार रखा है। ये उद्योग की व्यापक अपेक्षाएं हैं, Maia 300 आपूर्ति अनुबंधों की पुष्टि नहीं।

Nvidia भी योजना का हिस्सा है

Microsoft का लक्ष्य अपने उत्पादों और सेवाओं के लिए Maia को प्राथमिक इनफरेंस सिस्टम बनाना है, Azure में हर GPU को बदलना नहीं। नए मॉडल का प्रशिक्षण एक अलग जरूरत है और Microsoft इस काम के लिए Nvidia और AMD के साथ भी काम जारी रखे हुए है।

जुलाई की आय संबंधी कॉन्फ्रेंस कॉल में Microsoft ने कहा था कि वह Nvidia Vera Rubin और AMD Helios सिस्टम तैनात करने वाले शुरुआती क्लाउड प्रदाताओं में होगा। Evercore ISI का अनुमान है कि 2027 की पहली तिमाही तक Microsoft के AI चिप खर्च में Maia का हिस्सा करीब 10% हो सकता है। खर्च में हिस्सेदारी, किए गए इनफरेंस कार्य के हिस्से से अलग है। इसलिए यह अनुमान Microsoft के परिचालन लक्ष्य की दिशा में हुई प्रगति को सीधे नहीं मापता।

फिलहाल दूसरी कंपनियां Maia एक्सेलेरेटर प्रति घंटे के हिसाब से किराये पर नहीं ले सकतीं। इससे बाहरी मूल्यांकन सीमित होता है और प्रकाशित प्रदर्शन दावों से यह साबित नहीं होता कि किसी खास मॉडल के साथ स्वतंत्र ग्राहक को क्या नतीजे मिलेंगे।

अनसुलझे सवालों में तैनाती की संख्या, पूरी गीगावाट क्षमता तक पहुंचने का समय, बेंचमार्क की विस्तृत स्थितियां और Maia तथा खरीदे गए GPU के बीच वर्कलोड का अंतिम बंटवारा शामिल है। Microsoft ने कहा है कि वह नवंबर में San Francisco और ऑनलाइन होने वाले Ignite 2026 में रणनीति के बारे में और जानकारी देगा।

मुख्य बातें

• Maia 300 के कंप्यूटिंग चिपलेट TSMC N2P प्रक्रिया से बनेंगे और उत्पादन तैनाती 2027 में शुरू होगी।
• हर एक्सेलेरेटर में 288 GB HBM4 मेमोरी और 18 TB/s की अधिकतम मेमोरी बैंडविड्थ है।
• पूरे रैक में 167 kW की बिजली सीमा के भीतर 96 एक्सेलेरेटर होंगे।
• Microsoft को अग्रणी GPU सिस्टम की तुलना में प्रति मेगावाट 40% अधिक टोकन और Maia 200 रैक की तुलना में सात गुना तक आउटपुट की उम्मीद है।
• Maia परिवार की तैनाती 2027 से बढ़ाकर कई गीगावाट तक की जाएगी, लेकिन पूरा होने की समयसीमा प्रकाशित नहीं हुई है।
• दस लाख से अधिक Maia 300 तैनाती की खबरों की Microsoft की घोषणा में पुष्टि नहीं है।
• Microsoft अपने हार्डवेयर के साथ Nvidia और AMD सिस्टम की तैनाती की योजना भी जारी रखे हुए है।