Microsoft anuncia chip Maia 300 para baratear IA no Azure

A Microsoft anunciou nesta segunda-feira (12) o Maia 300, a terceira geração de chip próprio desenhado para rodar cargas de inteligência artificial em seus data centers. Segundo reportagem do Olhar Digital citando a Reuters, a empresa planeja implantar potencialmente mais de 1 milhão de unidades do chip já no próximo ano, numa escala que a própria Microsoft descreve como "vários gigawatts" de capacidade.

O objetivo declarado é duplo: baixar o custo de operar IA na nuvem Azure e reduzir a dependência de um único fornecedor de GPU (unidade de processamento gráfico, o tipo de chip que hoje domina o treinamento e a execução de modelos de IA), no caso a Nvidia. A geração anterior do chip já roda modelos próprios da Microsoft e também modelos da OpenAI oferecidos como serviço no Azure.

Por que a Microsoft quer fugir da GPU tradicional

A aposta de arquitetura é o ponto mais técnico do anúncio. Em vez de um chip monolítico grande acoplado a memória de altíssima velocidade (o modelo que a Nvidia usa em suas GPUs), o Maia 300 é montado com chiplets: pequenos circuitos especializados que se comunicam entre si dentro do mesmo pacote.

Essa separação permite misturar tecnologias de fabricação diferentes conforme a função de cada pedaço do chip. O núcleo que faz os cálculos usa o processo de 2 nanômetros da TSMC (Taiwan Semiconductor Manufacturing Company), a medida da fabricante que indica o tamanho dos transistores gravados no silício, não o tamanho físico do chip. Já as partes responsáveis por mover dados dentro do sistema usam o processo de 3 nanômetros, mais barato de produzir.

Na prática, isso é uma escolha de engenharia que outras empresas de chip de IA também vêm testando: gastar o processo mais caro só onde ele realmente importa (o cálculo bruto) e economizar no resto. A nuvem que controla o próprio silício pode otimizar custo de fabricação de um jeito que comprar GPU pronta da Nvidia não permite.

O que os números dizem sobre eficiência

A Microsoft organiza os chips em racks, estruturas físicas que concentram processadores e componentes de rede. Um rack do Maia 300 reúne 96 chips e consome cerca de 167 quilowatts. Para comparação, a própria empresa cita o rack GB300 da Nvidia, com 72 GPUs e consumo de cerca de 142 quilowatts.

Mesmo consumindo mais energia no total, a Microsoft afirma que o Maia 300 entrega cerca de 40% mais trabalho computacional útil por megawatt do que "sistemas líderes baseados em GPU". A empresa não divulgou qual equipamento específico serviu de referência para esse número, o que é um ponto em aberto: sem saber contra qual GPU exatamente a comparação foi feita, fica difícil validar o ganho de forma independente.

Rani Borkar, presidente de sistemas de hardware e infraestrutura do Azure, resumiu a lógica à Reuters:

Basicamente, ele oferece mais inteligência para cada watt, cada dólar e cada byte de memória, otimizando todo o sistema.

Rani Borkar, presidente de sistemas de hardware e infraestrutura do Azure

O que muda para quem desenvolve sobre Azure

Para quem usa o Azure OpenAI Service, o Azure AI Foundry ou qualquer serviço de IA hospedado na nuvem da Microsoft, o Maia 300 em si é invisível: a API continua sendo a mesma API, o modelo continua sendo o mesmo modelo. O que pode mudar, com o tempo, é o preço por token e a disponibilidade de capacidade, se os ganhos de eficiência energética realmente se traduzirem em custo operacional menor para a Microsoft.

Isso não é automático. Historicamente, redução de custo de infraestrutura leva meses para aparecer como redução de preço ao cliente final, e nem sempre aparece: às vezes vira margem, às vezes vira investimento em mais capacidade. O próprio texto da Microsoft reconhece isso ao dizer que o resultado "dependerá, entre outros fatores, da capacidade de transformar os ganhos de eficiência anunciados em redução efetiva dos custos de operação".

Há um segundo efeito, mais indireto, que interessa a quem decide infraestrutura: menos dependência de GPU Nvidia por parte dos grandes provedores de nuvem tende a aliviar a escassez que empurrou o preço de instâncias com GPU para cima nos últimos anos. Se Microsoft, Amazon e Google conseguem rodar uma fatia relevante da carga de inferência (a execução do modelo já treinado, respondendo a perguntas de usuários) em silício próprio, sobra mais GPU Nvidia disponível no mercado para quem precisa dela, o que pode baixar preço de locação em outras nuvens também.

O que ainda não está resolvido

Três pontos seguem em aberto e vale acompanhar:

• A comparação de eficiência não é auditável. Sem saber qual GPU serviu de base para o ganho de 40%, o número é da própria Microsoft e não foi validado por terceiros.
• Compatibilidade de software. Chip proprietário normalmente exige que o modelo seja compilado ou adaptado para aquele hardware específico. A Microsoft não detalhou se isso é transparente para quem usa a API ou se afeta algum tipo de carga de trabalho de forma diferente.
• Escala real de implantação. "Potencialmente mais de 1 milhão de unidades" é uma meta, não um fato consumado. A Microsoft prevê gastar mais de US$ 175 bilhões em despesas de capital ao longo de 2026, e o Maia 300 é parte desse investimento, mas a implantação em escala de gigawatts começa apenas no próximo ano.

Para o desenvolvedor brasileiro que paga em dólar por token de modelo hospedado no Azure, o Maia 300 é, por ora, uma promessa de bastidor. Vale acompanhar se ela aparece na próxima atualização de preço do Azure OpenAI Service, porque é ali que o anúncio de hoje vira (ou não) economia de verdade.

Fonte: Olhar Digital