Microsoft will eigenen KI-Chip „Azure Maia“ ab 2027 in einem Umfang von mehreren Gigawatt ausrollen

Microsoft hat Pläne vorgestellt, seinen selbst entwickelten KI-Chip „Azure Maia“ ab 2027 in einem Umfang von mehreren Gigawatt auszurollen. Der Chip soll als wichtige Inferenzplattform für das gesamte Produktportfolio dienen. Bekannt gegeben wurde dies von Microsoft-Manager Scott Guthrie. Maia 200 betreibt bereits Microsoft Copilot in den USA, Europa und Australien. Noch in diesem Jahr soll der Einsatz auf GitHub Copilot und Foundry ausgeweitet werden.

Die Entscheidung, die Infrastruktur für KI selbst in die Hand zu nehmen

Wenn über KI gesprochen wird, steht oft die Frage im Mittelpunkt, welches Modell am intelligentesten ist. Doch je mehr Nutzer hinzukommen, desto größer wird auch der Rechenaufwand, um jede einzelne Antwort zu erzeugen. Mit welcher Hardware und wie viel Strom dieser als „Inferenz“ bezeichnete Vorgang ausgeführt wird – darum geht es bei der aktuellen Ankündigung. Sie betrifft die grundlegende Infrastruktur.

Microsoft will Maia ab 2027 in einem Umfang von mehreren Gigawatt ausrollen und zu einem wichtigen Inferenzsystem für seine eigenen Produkte machen. CEO Satya Nadella bezeichnete dies Berichten zufolge als „die bislang größte Wette auf eigenes Silizium“. Microsoft will sich offenbar nicht allein auf zugekaufte Chips verlassen, sondern den eigenen Ansatz von der Entwicklung bis zum Betrieb in seine Cloud-Strategie integrieren.

Bemerkenswert ist die Bandbreite der Modelle, die Maia unterstützen soll. Neben den Modellen von OpenAI sollen auch Microsofts eigene MAI-Reihe und Open-Source-Modelle darauf laufen. Das deutet weniger auf einen Spezialchip für ein bestimmtes Modell hin als auf eine vielseitige Inferenzplattform für die unterschiedlichen KI-Anwendungen auf Azure.

Der aktuelle Stand: Maia 200 ist bereits mit Copilot im Einsatz

Es handelt sich nicht nur um ein Zukunftsvorhaben. Maia 200 betreibt bereits Microsoft Copilot in den USA, Europa und Australien. Auch GitHub Copilot und Foundry sollen noch in diesem Jahr unterstützt werden.

Microsoft zufolge kann Maia 200 in Teams pro Watt bis zu 1,7-mal so viele Tokens verarbeiten wie führende GPUs. Tokens sind die kleinsten Einheiten, in die eine KI Text zerlegt. Eine höhere Verarbeitungsleistung pro Watt ermöglicht es, mit derselben Infrastruktur mehr Nutzer zu bedienen – und wirkt sich damit direkt auf die Betriebskosten aus. Allerdings stammt diese Angabe von Microsoft; Details zu den Vergleichsgeräten und Messbedingungen lassen sich den veröffentlichten Informationen nicht entnehmen.

Maia 300 zielt auf lange Eingaben und KI-Agenten

Der Nachfolger Maia 300 soll 2027 ausgeliefert werden. Vorgesehene Einsatzbereiche sind die Verarbeitung langer Eingaben, schnelle Dialoge und agentische Aufgaben. Ein Agent ist eine KI, die nach einer Anweisung des Nutzers mehrere Schritte selbstständig erledigt. Da sie für einen einzigen Auftrag wiederholt Modelle aufruft, kann ihr Rechenbedarf höher sein als bei herkömmlichen Dialogen.

Auch die technischen Daten des Chips wurden bekannt gegeben. Ein Chip verfügt über acht HBM4-Speicherstapel mit insgesamt 288 GB, einer Bandbreite von 18 TB pro Sekunde und einer Leistungsaufnahme von 950 Watt. HBM ist ein Hochgeschwindigkeitsspeicher, der für KI eingesetzt wird. Je größer die Modelle und je länger der Kontext, desto wichtiger werden Speicherkapazität und Geschwindigkeit.

Microsoft zufolge verarbeitet der Chip pro Megawatt 40 Prozent mehr Tokens als frühere GPU-Systeme. Zudem soll ein Rack mit 96 Chips bis zu siebenmal so viele Tokens erzeugen können wie ein Rack mit Maia 200. Die Einzelheiten sind in einem technischen Bericht zusammengefasst. Weitere Informationen sollen außerdem auf der Ignite 2026 im November folgen.

Warum die Leistung pro Watt zum Wettbewerbsfaktor wird

Auffällig an der Ankündigung ist, dass Leistung nicht nur an der „Geschwindigkeit“ gemessen wird, sondern auch daran, „wie viel sich pro Watt verarbeiten lässt“. Dass Microsoft den Umfang seiner Pläne in Gigawatt angibt, einer Einheit für Leistung, ist dafür bezeichnend. Beim Ausbau von Rechenzentren wird die Stromversorgung zunehmend zum Engpass – mehr noch als die Zahl der Chips.

Unterscheidet sich die Energieeffizienz um mehrere Dutzend Prozent, verändert das auch die Menge an KI-Diensten, die sich mit demselben Stromkontingent betreiben lässt. Wer Chips selbst entwickelt, kann sie gezielt auf die eigenen Dienste abstimmen und so größere Effizienzsteigerungen erzielen. Das dürfte einer der Gründe sein, warum Microsoft seinen eigenen Weg stärker verfolgt.

Aus den veröffentlichten Informationen geht allerdings nicht hervor, ob sich die Angabe von mehreren Gigawatt auf den Stromverbrauch der Chips selbst oder auf die Kapazität der gesamten Anlage bezieht. Wie groß der tatsächliche Einsatz ausfallen wird und unter welchen Bedingungen die einzelnen Leistungswerte gemessen wurden, dürfte sich bei der Ignite 2026 oder aus dem technischen Bericht ergeben. Für den Wert von KI werden künftig nicht nur die Intelligenz der Modelle, sondern auch die Stromversorgung und die Fähigkeit zur Entwicklung von Halbleitern entscheidend sein. Die Entwicklung rund um Maia spiegelt diesen Trend wider.