Maia 300 má pohánět Microsoft AI, slibuje o 40 % více tokenů

Microsoft v oznámení z 12. října 2026 představil Azure Maia 300 pro inferenci ve svých AI službách: produkční nasazení plánuje od roku 2027 a očekává o 40 % více tokenů na megawatt než u předních systémů založených na GPU. Rodinu Maia chce postupně rozšířit na výkon v řádu několika gigawattů a učinit z ní hlavní inferenční systém vlastních produktů a služeb.

Microsoft už používá Maia 200 v produkci, mimo jiné pro Microsoft Copilot; novější generace je zatím plánovaná. Pro uživatele je hlavní rozdíl v tom, že vyšší energetická efektivita je očekáváním výrobce pro infrastrukturu, nikoli naměřeným zrychlením odpovědí v Copilotu. Oznámení také nestanovuje cenu ani termín, kdy by zákazníci Azure mohli na Maia 300 provozovat vlastní úlohy.

Co už běží na Maia 200

Maia 200 dnes obsluhuje produkční úlohy Microsoftu včetně Copilotu a podporuje tým Microsoft AI při vývoji modelů. Nasazení pro GitHub Copilot a Microsoft Foundry firma teprve chystá. Na současné infrastruktuře běží modely OpenAI, vlastní modely MAI i vybrané otevřené modelové řady. Jde tedy o základ pro několik různých služeb a modelů, z jehož provozu Microsoft vycházel při návrhu další generace.

Systémy Maia 200 se zavádějí ve Spojených státech, Evropě a Austrálii. Microsoft je využívá také pro integrované funkce AI v Teams a prostředích Copilot a Cowork. Evropské instalace jsou relevantní i pro české uživatele, samy však neurčují, kde se zpracuje jejich konkrétní požadavek. Stejně tak z nich nelze odvodit termín, kdy se určitá funkce přesune na novější generaci hardwaru.

Maia 300 má být stavěná na dlouhý kontext, rychlé konverzační odpovědi a agenty vykonávající navazující kroky. Takové úlohy potřebují vedle výpočetních jednotek také dostatečnou kapacitu paměti a rychlý přesun dat. Právě zkušenost s provozem Maia 200 dává Microsoftu podklady pro návrh celé sestavy, od akcelerátoru přes síť až po software, který rozděluje práci mezi jednotlivé části systému.

Co znamená více tokenů na megawatt

Tokeny na megawatt vyjadřují množství zpracovaného jazykového výstupu vzhledem k elektrickému příkonu infrastruktury. Pro provozovatele datového centra jde o otázku kapacity: kolik inferenční práce se vejde do dostupného energetického limitu. Údaj sám neříká, jak dlouho bude jeden člověk čekat na odpověď. Odezvu ovlivňuje také použitý model, délka vstupu, počet souběžných požadavků a způsob, jakým služba výpočty plánuje.

Srovnání Microsoftu se týká celého systému Maia 300 a zůstává výhledovým tvrzením výrobce. Zveřejněné údaje neuvádějí nezávisle opakovaný test se stejnou sadou modelů a zátěží pro Maia i porovnávané GPU systémy. Deklarovaný rozdíl proto nelze přenést na každou interakci v Copilotu. Pokud se očekávaná efektivita potvrdí v produkci, umožní Microsoftu obsloužit více inferenčních požadavků při omezeném příkonu datového centra.

Energetická účinnost zároveň není ceníkem cloudové služby. Výslednou cenu ovlivní vytížení hardwaru, provozní náklady i způsob účtování konkrétního produktu. U agentů může každý další krok znovu zpracovat část předchozí konverzace; účtování kontextu při práci agenta proto nelze odvodit pouze z počtu nově vytvořených tokenů. Zlepšení poměru tokenů k příkonu samo o sobě neurčuje cenu pro zákazníka.

Výkon závisí na celé sestavě

Podle technického popisu architektury má akcelerátor Maia 300 osm bloků paměti HBM4 s propustností 18 TB/s při návrhovém příkonu 950 W; plně osazený rack má obsahovat 96 akcelerátorů v limitu 167 kW a dosáhnout až sedminásobného průtoku tokenů proti racku Maia 200. Poslední srovnání se vztahuje k celé rackové sestavě, nikoli k výkonu jednoho čipu.

Akcelerátor odděluje výpočetní, paměťové a vstupně-výstupní funkce mezi čiplety. Software má umisťovat často používaná data co nejblíže výpočetním částem, aby se omezil jejich přesun. To je podstatné zejména u dlouhého kontextu: výpočetní jednotky nemohou naplno pracovat, pokud čekají na data z paměti nebo od dalších akcelerátorů. Rychlejší paměť proto řeší jinou část úlohy než samotné zvýšení výpočetního výkonu.

Podobně záleží na propojení akcelerátorů, napájení a chlazení racku. Při souběžném zpracování požadavků rozhoduje, zda sestava udrží práci rozloženou mezi čipy a vejde se do energetického limitu datového centra. Rackový násobek vůči Maia 200 a očekávaná efektivita vůči systémům s GPU tak popisují různá srovnání. První porovnává generace Maia v plné sestavě, druhé množství tokenů vzhledem k příkonu odlišných inferenčních systémů.

Proč Maia neznamená konec GPU v Azure

Prezidentka hardwarových systémů Azure Rani Borkarová v rozhovoru pro Axios řekla „We prioritize Maia for inference“ a upřesnila, že přechod na vlastní čipy nebude okamžitý. Plán hlavního inferenčního systému se vztahuje především na produkty a služby Microsoftu, nikoli automaticky na úlohy dalších zákazníků Azure včetně OpenAI. Rozšiřování kapacity do gigawattového měřítka má pokračovat i po začátku produkčního nasazení nové generace.

Vlastní návrh akcelerátoru dává Microsoftu možnost přizpůsobit hardware zátěži, kterou ve svých službách dobře zná. Neřeší však dostupnost výrobních kapacit, pokročilého pouzdření a pamětí HBM; o tyto součásti soutěží také výrobci systémů s GPU. Microsoft proto počítá s prostředím, v němž se používají různé modely a druhy čipů. Zaměření Maia na inferenci samo neříká, na jakém hardwaru poběží všechny úlohy trénování nebo výpočty zákazníků Azure.

První produkční nasazení Maia 300 má ukázat, jak se návrh chová při skutečném provozu služeb Microsoftu. Pro posouzení slibované efektivity budou rozhodující srovnatelná měření celé sestavy při popsaných modelech a zátěži; teprve pak bude možné určit, jak velký přínos mají nové akcelerátory pro dostupnou kapacitu AI služeb.

Přečtěte si také:

• Cena AI agenta není počet tokenů: smyčky znovu účtují celý kontext
• Gemini, nebo Microsoft 365 Copilot: rozhoduje balík, ve kterém už pracujete
• Later, nebo Metricool: jeden klient je levný, více značek mění účet