مایکروسافت امروز از نسل سوم تراشه هوش مصنوعی داخلی خود با نام Maia 300 رونمایی کرد. این تراشه که به‌عنوان «سیستم اصلی استنتاج هوش مصنوعی» برای محصولات و سرویس‌های مایکروسافت طراحی شده، قرار است از سال ۲۰۲۷ به‌صورت تولیدی در بارهای کاری هوش مصنوعی به کار گرفته شود. هدف مایکروسافت از توسعه Maia 300، بهبود هزینه و کارایی اجرای بارهای کاری هوش مصنوعی در فضای ابری و همچنین توانایی بیشتر در پردازش مدل‌های استدلالی و وظایف عاملی (agentic) است.
Maia 300؛ نسل سوم با تمرکز بر کارایی
Maia 300 سومین نسل از تراشه‌های سفارشی مایکروسافت است و جانشین Maia 200 محسوب می‌شود؛ تراشه‌ای که تنها در ژانویه معرفی شده بود. بر اساس اعلام مایکروسافت، Maia 200 هم‌اکنون در بارهای کاری تولیدی این شرکت از جمله Microsoft Copilot، GitHub Copilot، Microsoft Foundry و مدل‌های هوش مصنوعی خود مایکروسافت در حال اجراست.
اسکات گاتری، معاون اجرایی گروه ابری مایکروسافت، درباره کارایی نسل جدید می‌گوید:
«انتظار داریم Maia 300 در مقایسه با سیستم‌های مبتنی بر GPU پیشرو، ۴۰ درصد توکن بیشتر به ازای هر مگاوات ارائه دهد. و در پیکربندی کامل ۹۶ شتاب‌دهنده، تا ۷ برابر توان عبور توکن در مقیاس رک را نسبت به Maia 200 فراهم می‌کند.»
این بهبودهای کارایی به مایکروسافت امکان می‌دهد تا به‌زودی عمدتاً بر تراشه‌های داخلی خود تکیه کند، نه تراشه‌های Nvidia و AMD. گاتری در این باره می‌گوید:
«ما خانواده Azure Maia خود را از سال ۲۰۲۷ به استقرارهای چند گیگاواتی گسترش خواهیم داد و Maia را به سیستم اصلی استنتاج هوش مصنوعی برای محصولات و سرویس‌های مایکروسافت تبدیل خواهیم کرد.»
معماری چیپلت و فرآیند N2P
مایکروسافت برای دستیابی به این دستاوردهای کارایی از معماری جدید چیپلت (chiplet) استفاده کرده است. Maia 300 بر پایه فرآیند N2P شرکت TSMC ساخته شده و معماری آن عملکردهای محاسباتی، کنترلر حافظه و ورودی/خروجی را از هم جدا می‌کند. تیم سخت‌افزار و زیرساخت Azure در این باره می‌گوید:
«این کار سطح سیلیکون اختصاص‌یافته به عملکرد محاسباتی را افزایش می‌دهد و به هر عملکرد اجازه می‌دهد از فناوری‌ای استفاده کند که بهترین تناسب را با نقش آن دارد.»
نقش Maia 300 در مدل‌های هوش مصنوعی مایکروسافت
Maia 300 تنها یک تراشه زیرساختی نیست؛ بلکه بخش کلیدی تلاش مایکروسافت برای توسعه مدل‌های هوش مصنوعی خود و جبران فاصله با Google DeepMind، OpenAI و Anthropic به شمار می‌رود. مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، با تأکید بر ضرورت هم‌طراحی سخت‌افزار و مدل می‌گوید:
«ما باید در کل پشته فناوری کار کنیم، تا پایین‌ترین لایه یعنی سیلیکون. در آن مقیاس به پلتفرمی نیاز داریم که مالک آن باشیم و آن را همراه با مدل‌هایمان هم‌طراحی کنیم. به همین دلیل اجرای مدل‌های هوش مصنوعی مایکروسافت روی تراشه Maia یک تمرکز حیاتی برای تیم ماست.»
چرا این خبر مهم است؟
معرفی Maia 300 نشانه‌ای از تغییر راهبردی مایکروسافت در زیرساخت هوش مصنوعی است. این شرکت تا پیش از این برای اجرای بارهای کاری سنگین هوش مصنوعی به‌شدت به GPUهای Nvidia وابسته بود؛ وابستگی‌ای که هم هزینه‌های کلان و هم محدودیت‌های زنجیره تأمین را به همراه داشت. با تولید انبوه Maia 300 از ۲۰۲۷، مایکروسافت می‌تواند هزینه ارائه سرویس‌های هوش مصنوعی را کاهش دهد و کنترل بیشتری بر پشته فناوری خود داشته باشد.
- برای کاربران: افزایش کارایی تراشه‌های داخلی می‌تواند در بلندمدت به کاهش هزینه سرویس‌های ابری و ابزارهای هوش مصنوعی مانند Copilot منجر شود و سرعت پاسخ‌دهی مدل‌های استدلالی و مکالمه‌ای را بهبود بخشد.
- برای توسعه‌دهندگان: توان پردازش بالاتر برای وظایف عاملی و استدلال طولانی‌مدت، امکان ساخت اپلیکیشن‌های پیچیده‌تر روی Azure را فراهم می‌کند؛ هرچند جزئیات دسترسی عمومی به این تراشه هنوز اعلام نشده است.
- برای بازار سخت‌افزار: موفقیت Maia 300 می‌تواند فشار رقابتی بر Nvidia و AMD وارد کند و معادلات بازار تراشه‌های هوش مصنوعی را تغییر دهد.
با این حال، مایکروسافت هنوز جزئیات دقیقی درباره زمان عرضه عمومی، قیمت‌گذاری یا دسترسی مشتریان Azure به Maia 300 منتشر نکرده است. آنچه مسلم است، این تراشه گامی بلند در مسیر استقلال سخت‌افزاری مایکروسافت در عصر هوش مصنوعی به شمار می‌رود.
نظرات
هنوز نظری ثبت نشده؛ اولین نفر باشید.