Microsoft Anuncia Maia 300, Novo Chip de Inferência de IA

Chip promete 40% mais tokens por megawatt que os principais sistemas GPU do mercado

A Microsoft anunciou o lançamento do Maia 300, seu mais recente processador de inteligência artificial, projetado para reduzir a dependência de chips terceirizados de alto custo em sua infraestrutura de data centers. A novidade integra a estratégia da empresa de desenvolver hardware próprio para cargas de trabalho de IA.

Desempenho e especificações

De acordo com o InfoMoney, o Maia 300 projeta processar 40% mais tokens — a unidade de medida de entradas e saídas em consultas de IA — por megawatt de energia consumida em relação aos principais sistemas baseados em GPUs disponíveis no mercado. O chip também apresenta a maior largura de banda de memória de sua categoria, o que permite transferir volumes maiores de dados entre memória e processador em menos tempo.

A empresa classificou o Maia 300 como “o principal sistema de inferência de IA para os produtos e serviços da Microsoft”, indicando que o processador será a espinha dorsal da infraestrutura que executa modelos de IA para clientes de nuvem.

Instalação e escala prevista

O sistema começará a ser instalado na infraestrutura de computação em nuvem da Microsoft a partir de 2027, entrando em operação ao lado do antecessor Maia 200. A expectativa da companhia é que, já no próximo ano, múltiplos gigawatts de potência sejam alocados para cargas de trabalho de IA executadas com hardware da linha Maia, segundo o reportado pelo InfoMoney.

A expansão do portfólio dedicado a IA segue o movimento de outras grandes empresas do setor que buscam ampliar o uso de hardware próprio para cortar custos e reduzir a dependência de fornecedores externalizados. No Brasil, o impacto se manifesta de forma indireta, pois o desempenho e o custo por consulta de modelos de IA influenciam diretamente o preço dos serviços disponibilizados pela nuvem Microsoft para empresas brasileiras.

O Maia 300 chega em um momento em que a demanda por capacidade de inferência cresce junto com a adoção de agentes autônomos e aplicações generativas em escala, cenário que exige processamento contínuo e baixo custo por token processado.

Fonte: InfoMoney