Microsoft бросает Nvidia вызов собственным ИИ-чипом Maia 300

Microsoft делает ставку на собственные ИИ-чипы. Компания планирует с 2027 года развернуть ускорители Azure Maia в масштабах нескольких гигаватт и превратить Maia в основную систему для инференса — этапа, на котором уже обученная модель отвечает на запросы пользователей. Это может снизить зависимость Microsoft от Nvidia, одного из крупнейших поставщиков ИИ-ускорителей, но пока не означает, что компания откажется от закупок у конкурентов.

В 2024 году Microsoft заявляла Европейской комиссии, что Google — единственная компания, вертикально интегрированная на всех уровнях ИИ: от чипов до магазина мобильных приложений. Остальным, по словам Microsoft, приходится полагаться на партнёрства. Теперь компания сама движется к подобной модели.

О планах сообщил Скотт Гатри, исполнительный вице-президент Microsoft по облачным технологиям и ИИ. Подробности архитектуры Maia 300 представили Рани Боркар, руководитель подразделения Azure Hardware Systems and Infrastructure, и Саурав Диге, вице-президент по планированию систем и архитектуре.

Maia 300 переходит от одного кристалла, как у Maia 200, к многокристальной компоновке. Вычислительные кристаллы производятся по техпроцессу TSMC N2P, а контроллеры памяти и функции ввода-вывода размещены на отдельных кристаллах. В ускорителе установлены восемь стеков памяти HBM4 общим объёмом 288 ГБ и пропускной способностью 18 ТБ/с. Для сравнения: у Maia 200 было 216 ГБ и 7,1 ТБ/с.

Microsoft не просто наращивает вычислительную мощность, а смещает акцент в сторону памяти. Во время декодирования — генерации ответа токен за токеном — ускоритель часто ждёт, пока данные поступят из памяти, вместо того чтобы выполнять вычисления. Это особенно важно для длинных рассуждений модели и циклов ИИ-агентов, которые многократно обращаются к модели и инструментам.

Maia 300 должна сократить задержки благодаря размещению данных ближе к вычислительным блокам. Для этого используются неоднородная структура памяти между чиплетами, управляемая программно встроенная SRAM и более компактные числовые форматы, в том числе улучшенный MXFP4 и форматы хранения с точностью ниже трёх бит. Аппаратная часть умеет преобразовывать данные между форматами.

Заявленная стратегия отражает общий тренд: собственные ускорители становятся для крупных облачных компаний не побочным экспериментом, а способом контролировать расходы и получать большую долю прибыли. Google уже продаёт системы на своих TPU клиентам для установки в их дата-центрах. Финансовый директор Alphabet Анат Ашкенази сообщила о выручке от таких поставок во втором квартале, а глава компании Сундар Пичаи говорил о высоком спросе на TPU как на отдельные системы.

Другие компании также развивают собственные решения. Anthropic зарезервировала через Broadcom мощности TPU объёмом 3,5 ГВт на 2027 год — в дополнение к более раннему соглашению, предусматривающему до миллиона TPU. В 2025 году сообщалось, что Meta обсуждает аренду с последующим выкупом этих чипов. Amazon развивает процессоры Trainium, Graviton и Nitro. В апреле 2026 года Энди Джасси заявил, что годовая выручка чипового бизнеса Amazon превысила 20 млрд долларов и вывела его в тройку крупнейших бизнесов по выпуску чипов для дата-центров. OpenAI, со своей стороны, раскрыла информацию о собственном ускорителе Jalapeño.

Причина интереса к своим чипам видна в отчётности Nvidia. За квартал, завершившийся в июле 2026 года, компания получила 96,2 млрд долларов выручки, из них 89 млрд — от дата-центров; валовая маржа составила 75%. Финансовый директор Nvidia Колетт Кресс оценила выручку от гиперскейлеров — крупнейших облачных компаний — в 49 млрд долларов. То есть чуть больше половины продаж дата-центров Nvidia приходится на сравнительно небольшую группу крупных заказчиков, многие из которых теперь проектируют собственные ускорители.

Если компания переносит часть инференса на свои чипы, она платит ближе к себестоимости производства, а не к цене с высокой маржой Nvidia. В июле Microsoft заявила инвесторам, что Maia 200 обходится в эксплуатации до 40% дешевле новейших чипов Nvidia при работе с моделями OpenAI и Microsoft. Однако компания не назвала конкретную видеокарту для сравнения, ограничившись формулировкой «ведущая система на базе GPU». Это мешает оценить результат, особенно на фоне акцента Nvidia на эффективности новой платформы Vera Rubin.

Рынок отреагировал сдержанно: в понедельник после презентации акции Nvidia снизились на 1,29%, а Microsoft выросли на 1,14%. По оценке аналитиков Evercore ISI, к первому кварталу 2027 года на Maia придётся лишь около 10% расходов Microsoft на ИИ-чипы. Nvidia, в свою очередь, прогнозировала выручку в 108 млрд долларов за текущий квартал.

Есть и практический вопрос масштаба. Одна стойка Maia 300 потребляет 167 кВт. Чтобы получить гигаватт мощности только для стоек, потребуется примерно 6 000 стоек, или около 575 000 ускорителей; охлаждение и инфраструктура дата-центра потребуют дополнительной энергии.

Собственные чипы не означают отказа от Nvidia. Amazon, несмотря на крупный бизнес собственных процессоров, к середине 2028 года, по имеющимся оценкам, получит более трёх миллионов ускорителей Nvidia. Alphabet повысила прогноз капитальных затрат на 2026 год до 195–205 млрд долларов и по-прежнему указывает Vera Rubin наряду с TPU; Ашкенази отмечала, что компания ограничена поставками. Microsoft также продолжает использовать Nvidia и AMD для обучения моделей. В 2026 году Сатья Наделла пояснял: возможность вертикальной интеграции не означает, что компания будет полагаться только на собственные разработки.

Глава Nvidia Дженсен Хуанг утверждает, что многие специализированные ускорители предназначены для инференса в одном облаке или одном сервисе, тогда как Nvidia предлагает платформу более широкого применения. Контраргумент Microsoft прост: одного облака может быть достаточно, если оно достаточно велико.

Но собственные чипы перераспределяют прибыль, а не обязательно сокращают общие расходы на ИИ. Gartner предупреждает, что для разумной отдачи от инфраструктурных вложений отрасли понадобится около 8,5 трлн долларов выручки в 2026–2030 годах, тогда как ожидаемая выручка от ИИ не превысит 3,6 трлн. Microsoft не сворачивает строительство, а планирует развернуть ещё больше мощностей. Более дешёвые вычисления могут помочь снизить цену ИИ и расширить спрос, а не обязательно уменьшить расходы всей отрасли.

Кроме того, значительная часть затрат всё равно достанется поставщикам компонентов. Maia 300 опирается на дефицитную память HBM4 — такая же ёмкость, 288 ГБ на пакет, заявлена для Nvidia Rubin, — а вычислительные кристаллы выпускает TSMC, работающая с разными заказчиками. TPU Google разрабатываются и поставляются при участии Broadcom по долгосрочному соглашению. Глава Broadcom Хок Тан предупреждал, что многие инвесторы не понимают, во что вкладываются, и ожидал, что дефицит чипов ослабнет лишь к 2028–2029 годам.

Nvidia тоже готовится к конкуренции в инференсе: компания заплатила 20 млрд долларов за лицензию на технологию SRAM-декодирования Groq. Пока серийные Maia 300 не поставлены, а независимые заказчики не проверили их показатели, ключевые цифры остаются данными самой Microsoft. Поэтому Maia 300 — серьёзная заявка на снижение зависимости от Nvidia, но не доказательство скорого краха её бизнеса. Главная угроза для маржи Nvidia может исходить не от обычных конкурентов, а от крупнейших клиентов, которые одновременно являются её самыми большими покупателями.