Scott Guthrie, responsable du cloud et de l'IA chez Microsoft, a annoncé le 12 octobre sur le blog officiel que la famille de puces maison Azure Maia passerait, à partir de 2027, à des déploiements de plusieurs gigawatts, date à laquelle Maia deviendra le principal système d'inférence des produits et services de Microsoft. Le même article a dévoilé la puce de troisième génération, le Maia 300, dont la production et le déploiement sont prévus pour 2027. Le PDG Satya Nadella a également relayé l'annonce le jour même sur un réseau social.
« making Maia the primary inference system for Microsoft products and services »
(Faire de Maia le principal système d'inférence des produits et services de Microsoft.)
Les caractéristiques du Maia 300
Les paramètres par puce publiés par Microsoft sont les suivants : 8 empilements HBM4, une bande passante mémoire maximale de 18,0 To/s, une enveloppe thermique de 950 W et des chiplets de calcul gravés en N2P chez TSMC. La puce prend en charge des formats basse précision comme une version améliorée de MXFP4, afin de réduire l'occupation de la mémoire et de la bande passante et de gérer des contextes plus longs.
Une baie complète réunit 96 accélérateurs, consomme 167 kW, offre 27,6 To de capacité HBM totale et 1,7 Po/s de bande passante agrégée. L'interconnexion entre accélérateurs est optimisée pour le parallélisme de tenseurs, avec un protocole de transmission sur mesure fondé sur Ethernet. Côté architecture, Microsoft utilise la SRAM de la puce comme zone de travail gérée par logiciel, afin de limiter les lectures et écritures répétées dans la HBM. Une phrase de l'article résume l'idée :
« Moving data efficiently, rather than raw compute power, is increasingly the bottleneck in large inference systems. »
(Dans les grands systèmes d'inférence, le goulot d'étranglement tient de plus en plus à l'efficacité du déplacement des données plutôt qu'à la puissance de calcul brute.)
Tous les chiffres de performance viennent de Microsoft : par rapport aux systèmes GPU de premier plan, la puce produit 40 % de tokens en plus par mégawatt ; avec les 96 accélérateurs, le débit de tokens à l'échelle de la baie atteint jusqu'à 7 fois celui du Maia 200. Dans son article, Reuters a relevé que Microsoft ne précise pas quel système sert de référence.
Ce que fait tourner le Maia 200 aujourd'hui
Le Maia 200, de la génération précédente, est déjà déployé aux États-Unis, en Europe et en Australie, absorbe le trafic de production de Microsoft Copilot et sert aussi l'équipe des modèles MAI maison. Selon Microsoft, pour les fonctions d'IA intégrées à Teams, Copilot et Cowork, sa production de tokens par watt atteint jusqu'à 1,7 fois celle des installations GPU de premier plan. GitHub Copilot et Foundry, la plateforme de services de modèles d'Azure, doivent y être raccordés avant la fin de l'année. Les modèles qui y tournent comprennent ceux d'OpenAI, les modèles MAI développés en interne et les principaux modèles open source.
Les trois générations mises bout à bout
Le parcours de Maia n'a rien eu d'un long fleuve tranquille. La première génération, Maia 100, a été présentée à l'Ignite de novembre 2023 et, pendant plusieurs années, elle est surtout restée cantonnée à un usage interne à petite échelle. Le Maia 200 a été lancé en janvier de cette année ; quand Nadella l'a évoqué en juin, seuls deux centres de données l'utilisaient, avec un projet d'extension à d'autres sites, y compris à l'étranger.
En août, The Information a rapporté que Microsoft négociait avec TSMC la capacité de production du Maia 300, avec pour objectif de livrer plus de 300 000 puces en 2027 et, à plus long terme, d'en obtenir plus d'un million. Microsoft n'avait alors pas confirmé ces quantités ; Andrew Wall, directeur général d'Azure Maia, avait seulement déclaré que les chiffres circulant à l'extérieur ne reflétaient pas l'ampleur du projet et que l'entreprise s'attendait à ce que la demande servie par Maia se compte en gigawatts. L'apparition de « plusieurs gigawatts » sur le blog officiel met en quelque sorte cette déclaration noir sur blanc, mais le nombre de puces et les dépenses d'investissement restent inconnus.
Du 100 au 300, c'est la première fois que la formulation officielle atteint le niveau de « principal système d'inférence ». La réserve porte sur le mot inférence : quelles puces serviront à l'entraînement, le blog n'en dit pas un mot ; et les clients du cloud Azure hors Copilot pourront-ils louer de la puissance Maia, le texte ne le précise pas non plus.
Microsoft indique qu'il présentera davantage d'éléments sur la stratégie et les détails techniques de Maia à l'Ignite 2026, à San Francisco en novembre. Le livre blanc technique est déjà en ligne sur le site d'Azure ; savoir si les chiffres pourront être reproduits lors de tests indépendants devra attendre que la puce soit réellement en service.
Sources : blog officiel de Microsoft, livre blanc technique d'Azure Maia 300, Reuters, CocoLoop, Techzine, The Information ; le blog de Microsoft a servi à vérifier les caractéristiques de la puce et de la baie, la base de comparaison des tokens par mégawatt et par watt, ainsi que les régions de déploiement.