Microsoft sta preparando il debutto di Maia 300, la nuova generazione del proprio acceleratore AI sviluppato internamente per ridurre la dipendenza dalle GPU Nvidia e aumentare il controllo sull’infrastruttura utilizzata nei data center. La presentazione ufficiale potrebbe avvenire già a settembre 2026, mentre l’azienda starebbe discutendo con TSMC la possibilità di assicurarsi una capacità produttiva superiore a 300.000 chip destinati alle forniture del 2027. Si tratterebbe di un aumento consistente rispetto a Maia 200, la cui produzione si sarebbe fermata nell’ordine delle decine di migliaia di unità. Microsoft starebbe inoltre valutando, nel lungo periodo, la possibilità di portare la capacità produttiva di Maia 300 oltre il milione di unità, anche se il raggiungimento di questo obiettivo dipenderà dalla disponibilità dei componenti e dalla capacità produttiva di TSMC.
L’espansione del progetto Maia rientra nella strategia di Microsoft per ridurre il peso delle GPU Nvidia nella propria infrastruttura AI. Attualmente gran parte dei modelli e dei servizi di intelligenza artificiale dell’azienda viene eseguita utilizzando acceleratori Nvidia, con costi elevati sia per l’acquisto dell’hardware sia per la gestione dell’infrastruttura. Lo sviluppo di chip proprietari permette invece a Microsoft di intervenire direttamente sull’ottimizzazione tra hardware, modelli e workload, riducendo il costo delle elaborazioni e aumentando al tempo stesso il controllo sulla disponibilità dei semiconduttori necessari ai propri data center.
Microsoft avrebbe già indicato agli investitori che Maia 200 consente di eseguire modelli propri e di OpenAI con costi operativi inferiori di circa il 30-40% rispetto agli acceleratori Nvidia di ultima generazione utilizzati come termine di confronto. Maia 300 dovrebbe spingersi ulteriormente in questa direzione attraverso un progetto maggiormente ottimizzato per i carichi AI interni di Microsoft. L’obiettivo è ottenere contemporaneamente un miglioramento delle prestazioni e un’ulteriore riduzione del costo di esecuzione rispetto alla generazione precedente, sfruttando una progettazione più strettamente integrata con i modelli e con l’architettura dei data center dell’azienda.
Il piano non prevede però di utilizzare Maia 300 esclusivamente all’interno dell’infrastruttura Microsoft. L’azienda punta anche ad attirare grandi clienti esterni con elevati fabbisogni di calcolo AI, trasformando progressivamente Maia in una piattaforma disponibile oltre i propri servizi interni. Anthropic avrebbe già discusso con Microsoft la possibilità di utilizzare in futuro i suoi acceleratori proprietari. La capacità di offrire un costo per l’elaborazione inferiore rispetto alle GPU tradizionali potrebbe diventare uno degli elementi principali per convincere aziende impegnate nell’addestramento e nell’inferenza di grandi modelli a utilizzare l’hardware Maia.
La posizione di Microsoft nel mercato dei chip AI proprietari rimane comunque meno avanzata rispetto a quella di Google e Amazon. Maia 200 è attualmente utilizzato soltanto in due data center statunitensi e non risultano casi significativi di clienti esterni che utilizzino direttamente gli acceleratori Maia. Google mette invece da tempo a disposizione dei clienti cloud i propri TPU, mentre Amazon ha costruito un’offerta commerciale basata sugli acceleratori Trainium, destinati sia ai carichi interni sia alle aziende che utilizzano AWS.
Anche la scala produttiva mostra ancora una distanza significativa. Secondo una stima di Morgan Stanley riportata nelle informazioni disponibili, Google dovrebbe produrre oltre 3 milioni di TPU nel corso del 2026 e circa 5 milioni nel 2027. Le oltre 300.000 unità previste inizialmente per Maia 300 rappresenterebbero quindi un forte aumento per Microsoft, ma resterebbero ancora molto inferiori rispetto ai volumi raggiunti dall’infrastruttura proprietaria di Google. L’eventuale espansione oltre il milione di unità permetterebbe tuttavia a Microsoft di ridurre progressivamente questa differenza.
Anche nel caso in cui la domanda da parte dei clienti esterni dovesse essere inizialmente limitata, Microsoft prevede di utilizzare Maia 300 su larga scala per i propri servizi AI. Una possibile strategia consiste nell’affidare una quota maggiore dei workload interni agli acceleratori proprietari e destinare invece le GPU Nvidia, più costose e particolarmente richieste dal mercato, ai clienti Azure. In questo modo l’azienda potrebbe aumentare l’utilizzo complessivo dell’hardware disponibile, contenere i costi delle elaborazioni interne e riservare le GPU Nvidia alle attività per le quali i clienti sono disposti a sostenere prezzi più elevati.
La crescita dei chip proprietari è direttamente collegata all’aumento dei costi dei data center dedicati all’intelligenza artificiale. Con l’espansione dei modelli, il costo necessario per acquistare e distribuire grandi quantità di GPU è diventato uno dei fattori che incidono maggiormente sulla redditività dei servizi cloud. Satya Nadella ha più volte evidenziato il problema della forte concentrazione del mercato degli acceleratori AI e dell’elevato costo dell’hardware, rendendo lo sviluppo di silicio proprietario una componente sempre più importante della strategia infrastrutturale di Microsoft.
Andrew Wall, responsabile del progetto Maia, non ha fornito una previsione precisa sul numero di chip che Microsoft intende produrre nel lungo periodo, ma ha indicato che l’obiettivo dell’azienda è arrivare a implementazioni Maia nell’ordine dei gigawatt. Una capacità di questa dimensione richiederebbe l’installazione di quantità molto elevate di acceleratori e conferma che Microsoft considera il silicio proprietario una componente strutturale dell’infrastruttura AI futura, non soltanto un progetto sperimentale destinato a integrare le forniture Nvidia.
La strategia non riguarda soltanto gli acceleratori AI. Microsoft sta sviluppando anche la famiglia di CPU proprietarie Cobalt, già utilizzate da clienti come OpenAI e Adobe in oltre 25 data center distribuiti a livello globale. L’espansione parallela di Maia e Cobalt mostra quindi un progetto più ampio, nel quale Microsoft punta progressivamente a controllare una quota maggiore dell’hardware alla base di Azure e dei propri servizi AI, riducendo la dipendenza dai fornitori esterni sia per le CPU sia per gli acceleratori dedicati all’intelligenza artificiale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)