A Microsoft anunciou nesta semana o Maia 300, terceira geração de sua plataforma própria de inferência de inteligência artificial, e informou que vai ampliar o sistema Azure Maia para implantações de múltiplos gigawatts a partir de 2027. Com a expansão, a família Maia passará a ser o principal sistema de inferência dos produtos e serviços da companhia.

O anúncio ocorre menos de um ano após a apresentação do Maia 200, revelado em janeiro de 2026. Segundo comunicado assinado por Scott Guthrie, vice-presidente executivo de Cloud + AI da Microsoft, o programa multigeracional Azure Maia tornou-se um elemento central da estratégia de infraestrutura de IA da empresa. A implantação do Maia 300 em produção está prevista para começar em 2027.

De acordo com a Microsoft, o Maia 300 foi concebido como um sistema completo, voltado aos novos tipos de cargas de trabalho de IA: raciocínio com contexto longo, experiências conversacionais sensíveis à latência e tarefas agênticas contínuas e de múltiplas etapas. A empresa afirma que o projeto partiu das cargas reais que já executa em escala e dos modelos que pretende desenvolver nos próximos anos, com colaboração entre as equipes de hardware e software desde as etapas iniciais.

Em termos de eficiência, a companhia projeta que o Maia 300 entregue até 40% mais tokens por megawatt do que os principais sistemas baseados em GPU. Em uma configuração completa com 96 aceleradores, o throughput de tokens por rack pode ser até sete vezes maior do que o do Maia 200. O uso de tokens por unidade de energia como referência de desempenho dialoga com um debate em curso no setor sobre quais métricas devem orientar a eficiência dos data centers na era da IA.

Segundo a Microsoft, o Maia 300 adota uma arquitetura voltada, em primeiro lugar, à inferência, otimizada para cargas com contexto longo, uso intensivo de memória e alta demanda de decodificação. O chip estreia uma arquitetura de múltiplos chiplets, que separa as funções de computação, o controlador de memória e as funções de entrada e saída (E/S). Os chiplets de computação são fabricados no processo N2P de 2 nanômetros da TSMC — a mesma fabricante que produz o Maia 200 em 3 nm.

Cada acelerador conta com oito stacks de memória HBM4, que somam 18 TB/s de largura de banda de pico, com um TDP (Thermal Design Power) de 950 W. A empresa informa ainda que a SRAM integrada ao chip funciona como uma área de memória temporária gerenciada por software, o que reduz a pressão sobre a HBM. O sistema também foi projetado para formatos de baixa precisão, incluindo uma versão aprimorada do MXFP4, o que, segundo a companhia, reduz os requisitos de memória e de largura de banda tanto para a computação quanto para o armazenamento do KV cache, viabilizando janelas de contexto maiores dentro do mesmo limite de energia.

No nível de rack, os sistemas Maia 300 reúnem 96 aceleradores, com um limite de energia de 167 kW, 27,6 TB de capacidade HBM e 1,7 PB/s de largura de banda HBM agregada em um único domínio scale-up. A comunicação entre aceleradores e racks utiliza um transporte otimizado para IA, desenvolvido pela própria Microsoft, que opera sobre infraestrutura de rede baseada em Ethernet e, segundo a empresa, permite escalar de um único rack a implantações em escala de data center.

A Microsoft sustenta que, em grandes sistemas de inferência, o gargalo tem se deslocado da capacidade bruta de computação para a movimentação eficiente de dados. Por isso, a arquitetura de fluxo de dados definida por software do Maia 300 trabalha em conjunto com otimização de kernels assistida por IA para reduzir o tráfego de dados e elevar a utilização de computação, memória e rede — tema que também aparece nas discussões sobre o papel da rede em data centers de treinamento e inferência.

Maia 300 em números

• Processo: chiplets de computação em TSMC N2P (2 nm)
• Memória: oito stacks de HBM4, com 18 TB/s de largura de banda de pico
• TDP: 950 W por acelerador
• Rack: 96 aceleradores em 167 kW, com 27,6 TB de HBM e 1,7 PB/s agregados
• Eficiência: até 40% mais tokens por megawatt ante sistemas baseados em GPU
• Throughput: até 7 vezes mais tokens por rack que o Maia 200
• Produção: a partir de 2027

Enquanto a nova geração não chega, o Maia 200 já atende às cargas de trabalho de produção da Microsoft, incluindo o Microsoft Copilot, e apoia a equipe MAI no desenvolvimento de modelos de próxima geração. O chip está sendo implantado nos Estados Unidos, na Europa e na Austrália e, segundo a empresa, oferece até 1,7 vezes mais tokens por watt do que as principais infraestruturas de GPU, com recursos de IA integrados ao Microsoft Teams, ao Copilot e às experiências do Cowork, que são usados diariamente por centenas de milhões de pessoas.

A expansão do Maia 200 para o GitHub Copilot e o Microsoft Foundry está prevista para o fim do ano. Nessas cargas, o acelerador executa modelos da OpenAI, modelos MAI da própria Microsoft e as principais famílias de modelos open source.

A companhia informa que a experiência de operar seus serviços no Maia 200 orientou diretamente o desenvolvimento do Maia 300 e que as duas gerações foram desenhadas para atender a um conjunto mais amplo de serviços: trabalhos agênticos de múltiplas etapas no GitHub, voltados a experiências de programação mais eficientes; a oferta de modelos em escala de nuvem no Microsoft Foundry, com suporte a diferentes arquiteturas e ambientes de implantação; inferência e geração de dados para a equipe MAI; e interações sensíveis à latência no Dragon Copilot, que busca escalar fluxos de trabalho e reduzir a carga administrativa de profissionais de saúde.

O Maia integra a estratégia de silício próprio da Microsoft, que também inclui a linha de CPUs Arm Azure Cobalt. A primeira geração do acelerador, o Maia 100, foi apresentada em novembro de 2023, ao lado do Cobalt 100, como noticiou a DCD à época. O movimento acompanha iniciativas semelhantes de outros provedores de nuvem em escala de hiperescala, como o Google, com as TPUs, e a Amazon Web Services, com o Trainium.

A aposta na eficiência de inferência ocorre em um cenário de alta demanda por capacidade. A Microsoft já atribuiu parte do desempenho do Azure a restrições de capacidade de data center, ligadas à energia, ao espaço e à disponibilidade de GPUs, e executivos da companhia já indicaram que o negócio de IA da empresa está concentrado em inferência.

No Brasil, a empresa inaugurou dois data centers dedicados a IA e nuvem no estado de São Paulo no início de 2026, como parte do pacote de R$ 14,7 bilhões anunciado em 2024, e planeja uma instalação em Sumaré, no interior paulista.

A companhia afirmou que divulgará mais informações sobre sua estratégia de infraestrutura durante o Microsoft Ignite 2026, em novembro, em São Francisco (EUA), no formato online.