مایکروسافت روز ۱۲ اکتبر ۲۰۲۶ (۲۰ مهر ۱۴۰۵) از Maia 300، نسلِ سومِ تراشه‌ی هوش مصنوعیِ اختصاصیِ خودش، رونمایی کرد. اسکات گاتری، معاونِ ارشدِ بخشِ ابر و هوش مصنوعیِ مایکروسافت، اعلام کرد این تراشه از سالِ ۲۰۲۷ وارد مرکزهای داده می‌شود و قرار است Maia «سیستمِ اصلیِ اجرای هوش مصنوعی» برای محصول‌های مایکروسافت شود. ادعای اصلی: ۴۰ درصد توکنِ بیشتر به ازای هر مگاوات برق، در مقایسه با بهترین سیستم‌های مبتنی بر GPU.
Maia 300 چیست و برای چه ساخته شده؟
کارِ هوش مصنوعی دو بخشِ اصلی دارد: «آموزش» (ساختنِ مدل) و «استنتاج» یا inference (اجرای مدل وقتی کاربر از آن سؤال می‌پرسد). Maia 300 برای بخشِ دوم طراحی شده است؛ یعنی همان لحظه‌ای که شما در Copilot یا ChatGPT پیام می‌فرستید و مدل جواب را کلمه‌به‌کلمه می‌سازد. مایکروسافت می‌گوید این تراشه مخصوصاً برای کارهایی با متنِ بلند، حافظه‌ی زیاد و ایجنت‌هایی که چند مرحله کار می‌کنند بهینه شده است.
تا امروز بیشترِ این کار روی GPUهای انویدیا انجام می‌شد. ساختنِ تراشه‌ی اختصاصی به غول‌های فناوری اجازه می‌دهد هزینه را پایین بیاورند و کمتر به یک تأمین‌کننده وابسته باشند. گوگل با TPU و آمازون با Trainium همین راه را رفته‌اند و مایکروسافت حالا با سرعتِ بیشتری دنبالشان است.
مشخصاتِ فنی به زبانِ ساده
- ساخت: بخش‌های پردازشیِ تراشه با فناوریِ N2P شرکتِ TSMC (نسلِ ۲ نانومتری) ساخته می‌شوند. طراحی «چندتکه‌ای» (chiplet) است؛ یعنی پردازش، کنترلِ حافظه و ورودی‌وخروجی روی تکه‌های جدا هستند.
- حافظه: هشت پشته‌ی حافظه‌ی HBM4 با پهنای باندِ ۱۸ ترابایت بر ثانیه. حافظه‌ی سریع برای مدل‌های زبانی بسیار مهم است، چون سرعتِ ساختنِ هر کلمه بیشتر به حافظه بستگی دارد تا قدرتِ محاسبه.
- مصرف: حداکثر ۹۵۰ وات برای هر تراشه.
- دقتِ عددی: پشتیبانی از قالب‌های کم‌دقت مثلِ MXFP4 که حافظه و پهنای باندِ کمتری لازم دارند.
رک‌های Maia 300 در یک نگاه
| ویژگی | مقدار (طبقِ اعلامِ مایکروسافت) |
|---|---|
| تعدادِ تراشه در هر رک | ۹۶ |
| توانِ مصرفیِ هر رک | ۱۶۷ کیلووات |
| کلِ حافظه‌ی HBM در هر رک | ۲۷٫۶ ترابایت |
| پهنای باندِ کلِ حافظه | ۱٫۷ پتابایت بر ثانیه |
| مقایسه با Maia 200 | تا ۷ برابر توکنِ بیشتر در سطحِ رک |
به گزارشِ رویترز، مایکروسافت برنامه دارد از سالِ آینده Maia را در مقیاسِ «چند گیگاواتی» مستقر کند. همه‌ی عددهای کارایی را خودِ مایکروسافت اعلام کرده و هنوز آزمونِ مستقلی منتشر نشده است. جزئیاتِ بیشتر هم قرار است در کنفرانسِ Microsoft Ignite 2026، ماهِ آینده، گفته شود.
چه سرویس‌هایی روی آن اجرا می‌شوند؟
نسلِ قبلی، Maia 200، همین حالا Microsoft Copilot را اجرا می‌کند و مدل‌های OpenAI، مدل‌های MAIِ خودِ مایکروسافت و چند خانواده‌ی مدلِ متن‌باز روی آن کار می‌کنند. تا پایانِ ۲۰۲۶ هم GitHub Copilot و Microsoft Foundry روی Maia 200 می‌روند. برای Maia 300، مایکروسافت از کدنویسیِ ایجنتیِ GitHub، سرویس‌دهیِ مدل‌ها در Foundry و دستیارِ پزشکیِ Dragon Copilot نام برده است. همین چند روز پیش هم مایکروسافت مدلِ ارزانِ تصمیم‌گیرِ خودش را عرضه کرده بود که در خبرِ Microsoft Decision-1 معرفی‌اش کردیم.
این خبر برای کاربرِ فارسی‌زبان چه معنایی دارد؟
شما مستقیم با این تراشه کاری ندارید، ولی نتیجه‌اش به شما می‌رسد. وقتی اجرای مدل‌ها ارزان‌تر شود، قیمتِ استفاده از API هم پایین می‌آید؛ همان روندی که در سال‌های اخیر دیده‌ایم و مدل‌هایی مثلِ GPT-6.1 Sol را با قیمتِ بسیار کمتر از نسل‌های قبل به بازار آورده است. این یعنی سرویس‌هایی که به فارسی هوش مصنوعی ارائه می‌دهند هم می‌توانند مدل‌های قوی‌تری را با هزینه‌ی کمتر در اختیارِ کاربر بگذارند.
سرویس‌های رسمیِ Copilot و Azure برای کاربرانِ ایران به‌سادگی در دسترس نیستند. در هوش‌نو می‌توانید بدونِ دردسر با مدل‌های GPT، Claude، Gemini، DeepSeek و Qwen به فارسی کار کنید و پاسخ‌هایشان را مقایسه کنید؛ فهرستِ امکانات در ابزارهای هوش‌نو است.
سؤالات متداول
Maia 300 کی عرضه می‌شود؟
مایکروسافت گفته استقرارِ آن در مرکزهای داده از سالِ ۲۰۲۷ شروع می‌شود. این تراشه فروشِ عمومی ندارد و فقط در ابرِ Azure استفاده می‌شود.
آیا Maia 300 جایگزینِ GPUهای انویدیا می‌شود؟
مایکروسافت می‌خواهد Maia سیستمِ اصلیِ اجرای مدل‌ها در محصولاتش باشد، ولی همچنان از GPU هم استفاده می‌کند؛ به‌ویژه برای آموزشِ مدل‌ها.
ادعای ۴۰ درصد کارایی بیشتر را چه کسی اعلام کرده؟
خودِ مایکروسافت. هنوز آزمونِ مستقلی برای تأییدِ این عدد منتشر نشده است.
