KI-Chips

Maia 300: Microsoft will weg von Nvidia

co-produced by AI12. Oktober 2026, 16:19

Microsoft's Azure Maia 300 A.I. chip on a blue-lit surface — Microsoft’s Azure Maia 300 A.I. chip. © Microsoft

Microsoft hat genug davon, für jede KI-Antwort bei Nvidia zu bezahlen: Der Konzern will seine selbst entwickelten Maia-Chips ab 2027 im großen Stil einsetzen und zum wichtigsten System für KI-Inferenz in den eigenen Produkten machen. „Wir werden unsere Azure-Maia-Familie ab 2027 auf Einsätze im Multi-Gigawatt-Bereich skalieren“, kündigt Cloud-Chef Scott Guthrie soeben in einem Blogeintrag an. Gleichzeitig stellt Microsoft mit dem Maia 300 die dritte Generation seines KI-Beschleunigers vor.

Was der Maia 300 können soll

Der neue Chip ist von Grund auf für Inferenz gebaut, also für das Ausführen von KI-Modellen statt für deren Training. Microsoft nennt als Einsatzgebiete Reasoning mit langen Kontexten, Chat-Anwendungen mit kurzen Antwortzeiten und KI-Agenten, die viele Arbeitsschritte hintereinander erledigen. Die wichtigsten Eckdaten:

Fertigung: Die Rechen-Chiplets stammen aus TSMCs 2-Nanometer-Verfahren N2P.
Speicher: Jeder Chip hat acht HBM4-Stapel mit 288 Gigabyte und 18 Terabyte pro Sekunde Bandbreite, das ist das 2,5-Fache des Vorgängers Maia 200.
Rack: 96 Beschleuniger teilen sich ein Rack mit 167 Kilowatt Leistungsaufnahme und 27,6 Terabyte HBM-Speicher. Ein solches Rack soll bis zu siebenmal so viele Tokens liefern wie ein Rack mit Maia 200.
Effizienz: Microsoft verspricht 40 Prozent mehr Tokens pro Megawatt als „führende GPU-basierte Systeme“. Nvidia nennt der Konzern dabei nicht beim Namen.

Erste produktive Einsätze sind für 2027 geplant. Laut The Information hat Microsoft bei TSMC Fertigungskapazität für mehr als 300.000 Maia-300-Chips für 2027 angefragt.

Maia 200 läuft schon im Copilot

Der Vorgänger Maia 200, gefertigt im 3-Nanometer-Verfahren, ist seit Jänner im Einsatz, zuerst in einem Rechenzentrum in Iowa, inzwischen auch in Europa und Australien. Er bedient bereits Microsoft Copilot und das hauseigene KI-Team MAI bei der Modellentwicklung, GitHub Copilot und die Entwicklerplattform Foundry sollen bis Jahresende folgen. Auf den Chips laufen Modelle von OpenAI, Microsofts eigene MAI-Modelle und gängige Open-Source-Modelle. Für KI-Funktionen in Teams und Copilot spricht Microsoft von bis zu 1,7-mal mehr Tokens pro Watt als auf GPU-Infrastruktur.

Warum Microsoft eigene Chips baut

Hinter dem Projekt steckt eine einfache Rechnung. Nvidia verdient an der KI-Welle prächtig, allein das Data-Center-Geschäft brachte zuletzt 89 Milliarden Dollar Umsatz (rund 79 Milliarden Euro) in einem Quartal, bei einer Bruttomarge von 75 Prozent. Einen großen Teil davon zahlen Hyperscaler wie Microsoft. Mit eigenen Chips für die Inferenz, die mit jeder Copilot-Anfrage und jedem KI-Agenten wächst, will Microsoft diese Marge selbst behalten und die teuren Nvidia-Systeme für zahlende Azure-Kund:innen freispielen.

Microsoft ist mit dieser Strategie nicht allein. Google setzt seit Jahren auf seine TPUs, Amazon auf die Trainium-Chips, und OpenAI bringt gemeinsam mit Broadcom seinen ersten Inferenz-Chip Jalapeño in die eigenen Rechenzentren. Nvidia selbst hat mit seinem 20-Milliarden-Dollar-Deal mit dem Chip-Startup Groq gezeigt, wie ernst es den Inferenz-Markt nimmt.

Bisher ein holpriger Weg

Ob Microsoft die Abhängigkeit von Nvidia tatsächlich spürbar senken kann, ist offen. Das Chipprogramm kam lange nur schleppend voran: Der erste Maia 100 wurde nur in kleinen Stückzahlen eingesetzt, der Maia 200 kam verspätet und lief laut The Information zuletzt erst in zwei US-Rechenzentren. Alle Effizienzangaben zum Maia 300 stammen von Microsoft selbst und beziehen sich auf nicht näher genannte GPU-Systeme. Unabhängige Benchmarks gibt es noch keine, und Nvidia liefert mit Vera Rubin bereits seine nächste Chip-Generation aus, während der Maia 300 erst 2027 in Betrieb gehen soll. Weitere Details will Microsoft auf seiner Konferenz Ignite präsentieren.