Microsoft Maia 300: sariling AI system ang magiging pangunahing makina sa 2027

Noong Oktubre 12, 2026, ipinakilala ng Microsoft ang Azure Maia 300 at ang planong simulan ang production deployment nito sa 2027; iniulat din ng GeekWire tungkol sa paglulunsad ang mga claim ng kumpanya na 40% na mas maraming AI output sa kaparehong konsumo ng kuryente kaysa sa nangungunang GPU-based systems, at hanggang pitong ulit na output mula sa buong rack kumpara sa Maia 200. Plano ng Microsoft na gawing pangunahing inference system ang pamilyang Maia para sa sarili nitong mga produkto at serbisyo habang pinalalawak ang kapasidad nito. Ang inference ang pagproseso ng modelo upang makabuo ng sagot sa kahilingan ng gumagamit.

Ayon sa ulat ng Axios tungkol sa Maia 300, para sa sariling mga serbisyo ng Microsoft ang planong pangunahing papel ng Maia, at aabutin pa nang lampas 2027 bago maabot ang multi-gigawatt scale; sinabi rin ng pinuno ng Azure hardware na si Rani Borkar, “We prioritize Maia for inference.” Para sa mga customer ng Azure, mahalaga ang hangganang iyon: maaaring magbago ang imprastrukturang naghahatid ng Copilot at iba pang serbisyo, ngunit wala pang pangkalahatang alok na magrenta sila ng Maia 300 para sa sarili nilang AI workload.

Aling mga serbisyo ng Microsoft ang nasa plano

Nasa produksyon na ang Maia 200 para sa ilang sariling workload ng Microsoft, kabilang ang Microsoft Copilot. Sa anunsiyo ng Microsoft sa Azure Maia, nakatakda ring sumunod ang GitHub Copilot at Microsoft Foundry bago matapos ang 2026; binanggit nito ang Microsoft AI team at Dragon Copilot sa mas malawak na planong susuportahan ng dalawang henerasyon ng Maia. Magkaiba ang katayuan ng mga ito: may kasalukuyang production workload sa Maia 200, samantalang nakaplano pa ang unang production deployment ng Maia 300.

Sa Microsoft Copilot, ginagamit na ang naunang henerasyon upang magpatakbo ng mga modelong naghahatid ng sagot. Kabilang sa mga modelong tumatakbo sa mga workload ng Maia 200 ang mula sa OpenAI, sariling MAI models ng Microsoft, at mga open-source na pamilya ng modelo. Ipinapakita nito kung bakit mahalaga sa kumpanya ang pagkontrol sa hardware at software bilang isang sistema: maaari nitong iayon ang kapasidad sa mga serbisyong pinapatakbo nito sa malaking saklaw.

Para sa GitHub, ang tinukoy na direksiyon ay suporta sa mga coding experience na may magkakasunod na hakbang. Sa Microsoft Foundry, ang tungkulin ng Maia ay paghahatid ng mga modelo; para naman sa Microsoft AI team, kabilang ang inference at pagbuo ng datos. Nasa plano rin ang mga interaksiyong kailangang mabilis ang tugon sa Dragon Copilot, na kaugnay ng klinikal na trabaho. Hindi nangangahulugan ang listahang ito na sabay-sabay na lilipat ang lahat ng serbisyong iyon sa Maia 300 o na iisa ang hardware na gagamitin sa bawat kahilingan.

Ano ang ibig sabihin ng performance claims

Ang mga inilahad na bilang ay para sa kahusayan at kabuuang output ng system, hindi sukat ng bilis ng isang sagot sa Copilot. Ang paghahambing sa output kada yunit ng kuryente ay tumutukoy sa dami ng token na maaaring maihain sa takdang power capacity. Ang paghahambing naman ng buong rack ay tungkol sa pinagsamang kakayahan ng mga accelerator sa isang configuration. Dahil magkaibang sukatan ang mga iyon, hindi maaaring gawing pangako sa tagal ng paghihintay ng bawat gumagamit ang alinman sa dalawa.

Dinisenyo ang Maia 300 para sa mahahabang konteksto, gawaing malaki ang pangangailangan sa memorya, at mga AI agent na nagpapatuloy sa maraming hakbang. Sa mga ganitong workload, bahagi ng hamon ang paglipat ng datos sa pagitan ng computation, memorya at network. Hinihiwalay ng disenyo nito ang compute, memory-controller at input/output functions sa mga chiplet, habang ang dataflow software ay nakatuon sa pagbawas ng hindi kailangang paggalaw ng datos. Layunin nitong mas magamit ang magagamit na kuryente sa pagbuo ng output.

Mahalaga rin ang antas ng paghahambing. Kahit tumaas ang kabuuang token throughput ng rack, nakadepende pa rin ang tagal ng isang tugon sa modelong ginamit, haba ng usapan, dami ng sabay-sabay na kahilingan at software ng serbisyo. Mga claim ng Microsoft ang performance figures para sa tinukoy nitong mga system; wala pang inilahad na katumbas na pagbabago sa bilis, presyo o kalidad para sa bawat customer ng Copilot sa Pilipinas.

Ang epekto sa customer ng Azure

Magkaiba ang paggamit ng serbisyong tumatakbo sa Maia at ang direktang pagkuha ng Maia hardware sa Azure. Kapag gumagamit ang isang customer ng Copilot o model serving sa Foundry, Microsoft ang namamahala sa imprastrukturang nasa likod ng serbisyo. Sa direktang hardware access, ang customer mismo ang pipili ng accelerator para sa sarili niyang workload. Ang planong gawing pangunahing inference system ang Maia ay malinaw na nakatuon sa unang sitwasyon.

Maaaring makinabang ang mga customer kung magbibigay ang sariling hardware ng Microsoft ng mas malaking kapasidad para sa mga serbisyong binibili nila. Gayunman, ang pagbanggit sa Foundry sa roadmap ay hindi katumbas ng bagong Maia compute option na maaaring piliin sa Azure account. Mangangailangan iyon ng hiwalay na alok na tumutukoy sa karapat-dapat na customer, saklaw na workload, lokasyon, presyo at paraan ng paggamit. Wala pang ganitong pangkalahatang pangako sa anunsiyo ng Maia 300.

May epekto rin ang iskedyul sa inaasahan ng mga customer. Magsisimula pa lamang ang paglalagay ng bagong system sa production, at ang pagpapalawak nito ay nakasalalay sa kumpletong rack, memorya, network at suplay ng kuryente. Kaya walang batayan sa ngayon para magtakda ng petsa kung kailan mararamdaman ng isang partikular na customer sa Pilipinas ang pagbabago sa Copilot o sa serbisyong ginagamit niya sa Azure. Ang unang production deployment ang magbibigay ng mas malinaw na batayan para makita kung aling mga serbisyo ang aktuwal na lilipat at kung may mababago sa kanilang kapasidad.

Basahin din:

• Sariling language AI ng DOST: target ang 2027, hindi pa pampublikong chatbot
• Spotify paid podcast: hindi pa bukas ang sariling subscription sa PH
• Hindi sapat ang system prompt: ikulong ang tools ng AI agent