Maia 300 คือชิป AI รุ่นที่สามของ Microsoft เตรียมเริ่มใช้งานกับ production AI workloads ในปี 2027 โดยออกแบบมาให้รองรับโมเดล reasoning, งานแบบ agentic และการสนทนาที่ต้องตอบสนองไวขึ้น
Microsoft ตั้งเป้าให้ Maia 300 ประมวลผลได้ 40% มากกว่า GPU-based systems ต่อพลังงานหนึ่งเมกะวัตต์ และในระบบ 96 accelerators ทำ token throughput ได้สูงสุด 7 เท่าของ Maia 200 เป้าหมายคือให้ Microsoft พึ่งพาชิปของตัวเองมากขึ้น แทนการใช้ GPU จาก Nvidia และ AMD เป็นหลัก
ไมโครซอฟท์กำลังสร้างระบบ AI ที่ควบคุมเองตั้งแต่ชิปถึงโมเดล
Maia 300 ถูกออกแบบให้เป็นระบบหลักสำหรับประมวลผล AI ของผลิตภัณฑ์และบริการ Microsoft โดยทำงานตั้งแต่ Copilot, GitHub Copilot ไปจนถึง Microsoft Foundry และโมเดล AI ของบริษัทเอง
แนวทางนี้สะท้อนว่า Microsoft ต้องการควบคุม AI แบบครบทั้งระบบ ตั้งแต่ silicon ถึงโมเดล บริษัทมองว่าการพัฒนาชิปเองและออกแบบร่วมกับโมเดล จะช่วยสร้างแพลตฟอร์มที่เหมาะกับงาน AI รุ่นใหม่ และเดินหน้าไล่ตาม Google DeepMind, OpenAI และ Anthropic
จาก Maia 200 สู่ Maia 300 ต่างกันตรงไหน
Maia 200 เปิดตัวในเดือนมกราคม และใช้งานกับ production AI workloads แล้ว เช่น Microsoft Copilot, GitHub Copilot และ Microsoft Foundry ส่วน Maia 300 เปิดตัววันที่ 12 ตุลาคม 2026 และจะเริ่ม rollout สู่ production ในปี 2027
| Factor | Maia 200 | Maia 300 |
|---|---|---|
| ช่วงเวลาประกาศ | มกราคม | 12 ตุลาคม 2026 |
| การใช้งาน | รัน production AI workloads แล้ว | เริ่ม rollout สู่ production ในปี 2027 |
| โมเดลและงาน AI | แหล่งข่าวไม่ระบุ | รองรับ latest reasoning models และงานแบบ agentic |
| ประสิทธิภาพ | ถูกระบุว่าเป็น AI infrastructure ที่ทำผลงานดีที่สุดใน fleet | tokens ต่อ megawatt เพิ่ม 40% และ throughput ระดับ rack สูงสุด 7 เท่าในระบบ 96 accelerators |
เมื่อ AI ต้องตอบเร็ว คิดยาว และทำงานต่อเนื่อง
Maia 300 ถูกออกแบบมารับงาน AI ที่ไม่ได้จบในคำถามเดียว ทั้งการคิดวิเคราะห์จากบริบทยาว หรือ long-context reasoning และการรองรับ latest reasoning models
ในงานสนทนา ผู้ใช้ต้องการคำตอบที่ตอบสนองไว ขณะที่ AI agents ต้องทำงานหลายขั้นตอนต่อเนื่อง ชิปนี้จึงเน้นลด latency และรองรับงานแบบ agentic ที่ซับซ้อนขึ้น.
ชิปตัวเดียวกับงาน AI ที่เกิดขึ้นจริงใน Azure
Maia 300 ถูกวางให้เป็นระบบหลักสำหรับ AI inference ของผลิตภัณฑ์และบริการ Microsoft โดยต่อยอดจากงานที่ Maia 200 ใช้กับ Microsoft Copilot และ GitHub Copilot อยู่แล้ว
ใน Azure งานจะครอบคลุม Microsoft Foundry และโมเดล AI ของ Microsoft รวมถึง long-context reasoning บทสนทนาที่ต้องตอบสนองไว และงานแบบ agentic หลายขั้นตอน เมื่อเริ่มทยอยใช้งาน production ในปี 2027 ชิปนี้จึงมีบทบาทตั้งแต่ตอบคำถามผู้ใช้ ไปจนถึงให้ AI ทำงานต่อเนื่องเป็นลำดับ.
ประสิทธิภาพที่ Microsoft ใช้ยืนยันการเปลี่ยนผ่าน
| Factor | Maia 300 | ระบบ GPU ชั้นนำ |
|---|---|---|
| โทเค็นต่อเมกะวัตต์ | คาดว่าจะมากกว่า 40% | อ้างอิงเป็นฐาน |
| เทียบกับ Maia 200 | สูงสุด 7 เท่า | ไม่ระบุ |
| การกำหนดค่า | 96 accelerators | ไม่ระบุ |
ตัวเลขของ Microsoft ชี้ว่า Maia 300 เน้นลดต้นทุนและเพิ่ม efficiency ของงาน AI บน cloud โดยเฉพาะงานที่ต้องประมวลผลต่อเนื่อง
เมื่อใช้ 96 accelerators บริษัทระบุว่า token throughput ระดับแร็กอาจสูงสุด 7 เท่าของ Maia 200 เหมาะกับบริการที่ต้องรองรับคำขอจำนวนมากและทำงานหลายขั้นตอนต่อเนื่อง.
เทียบกับ Nvidia และ AMD ได้แค่ไหนจากข้อมูลที่มี
ในเชิงกลยุทธ์ Microsoft กำลังขยับให้ Maia เป็นระบบหลักสำหรับ AI inference ของผลิตภัณฑ์และบริการตัวเอง โดยตั้งเป้าขยายการใช้งานใน Azure ตั้งแต่ปี 2027 เพื่อลดการพึ่งพาชิปจาก Nvidia และ AMD มากขึ้น
ด้านประสิทธิภาพ Microsoft ระบุว่า Maia 300 ให้ tokens ต่อ megawatt มากกว่าระบบที่ใช้ GPU ชั้นนำ 40 เปอร์เซ็นต์ แต่ยังไม่มีข้อมูลรุ่น GPU คู่แข่ง ราคา หรือผลทดสอบอิสระ จึงสรุปไม่ได้ว่าเหนือกว่า Nvidia และ AMD ในทุกด้านครับ
โครงสร้างชิปใหม่ที่อยู่เบื้องหลังความประหยัด
Maia 300 ใช้สถาปัตยกรรม chiplet บนกระบวนการ TSMC N2P โดยแยก compute, memory controller และ I/O ออกจากกัน
การออกแบบนี้ช่วยเพิ่มพื้นที่ซิลิคอนสำหรับงานประมวลผล และเปิดทางให้แต่ละส่วนใช้เทคโนโลยีที่เหมาะกับหน้าที่ของตัวเอง จึงเป็นเบื้องหลังสำคัญของการเน้น efficiency ในชิปรุ่นนี้
ข้อดีข้อเสียของ Maia 300 เท่าที่ข้อมูลตอนนี้บอกได้
ข้อดี
- +Microsoft คาดว่าจะได้ tokens ต่อ megawatt มากกว่าระบบ GPU 40 percent
- +รองรับ reasoning models, งาน agentic และงานสนทนาที่ต้องการ latency ต่ำ
- +ออกแบบให้ทำงานร่วมกับ Microsoft AI models และบริการของบริษัท
ข้อเสีย
- −เริ่มทยอยใช้งานกับ production AI workloads ในปี 2027
- −ยังไม่มีข้อมูลราคาและผลทดสอบจากบุคคลที่สาม
- −รายละเอียดการใช้งานนอกระบบ Microsoft ยังไม่ชัดเจน
นอกจากตัวเลขประสิทธิภาพ ยังมีอะไรที่ต้องตามดู
ประเด็นใหญ่คือการขยายตระกูล Azure Maia ไปสู่การใช้งานระดับหลายกิกะวัตต์ตั้งแต่ปี 2027 ซึ่งต้องดูทั้งการผลิต การติดตั้ง และการใช้งานในระบบจริง ไม่ใช่แค่ประสิทธิภาพของชิปอย่างเดียว
Maia 300 พึ่งพาเทคโนโลยีการผลิต TSMC N2P และใช้สถาปัตยกรรม chiplet ที่แยกส่วนประมวลผล หน่วยควบคุมหน่วยความจำ และ I/O ออกจากกัน เงื่อนไขสำคัญคือ Microsoft ต้องทำงานร่วมกันตั้งแต่ระดับซิลิคอน ฮาร์ดแวร์ ไปจนถึงโมเดล AI เพื่อให้ระบบตอบโจทย์งานของบริษัทได้จริง โดยแหล่งข่าวยังไม่มีข้อมูลต้นทุนทางการเงินโดยตรง.
Maia 300 อาจเปลี่ยนบทบาทของ Microsoft ในการแข่งขัน AI อย่างไร
Maia 300 ทำให้ Microsoft ขยับจากผู้ให้บริการ cloud ไปสู่ผู้ควบคุมระบบ AI มากขึ้น โดยตั้งเป้าให้เป็นระบบหลักสำหรับงาน inference ของผลิตภัณฑ์และบริการตัวเอง พร้อมลดการพึ่งพาชิปจาก Nvidia และ AMD หากทำได้ตามเป้า ชิปนี้ให้ tokens ต่อ megawatt มากขึ้น 40% และในระบบ 96 accelerators มี throughput ระดับ rack สูงสุด 7 เท่าของ Maia 200
จุดสำคัญจึงไม่ใช่แค่ชิปรุ่นใหม่ แต่คือความพยายามคุมแพลตฟอร์ม AI ตั้งแต่โครงสร้างพื้นฐานถึงโมเดลของ Microsoft เอง ต้องรอดูผลจริงเมื่อ Maia 300 เริ่มรองรับ production AI workloads ในปี 2027.