Maia 300: Microsoft verspricht siebenfachen Token-Durchsatz pro Rack

Am 12. Oktober 2026 hat Microsoft mit dem Maia 300 die dritte Generation seines hauseigenen KI-Beschleunigers angekündigt. Der Chip ist speziell für speicherintensive Modelle, mehrstufige Agent-Workloads und komplexe logische Schlussfolgerungen über lange Kontexte hinweg konzipiert.

Wie Scott Guthrie, Executive Vice President Cloud + AI bei Microsoft, im offiziellen Unternehmensblog mitteilte, soll der Maia 300 künftig als primäre Plattform für die KI-Inferenz in konzerneigenen Produkten dienen. Der reguläre Produktionseinsatz in den Rechenzentren ist für das Jahr 2027 vorgesehen.

Fertigung bei TSMC und technische Spezifikationen

Technisch setzt Microsoft auf eine modulare Chiplet-Architektur, bei der Recheneinheiten, Speicher-Controller sowie Ein- und Ausgabe voneinander getrennt sind. Die Rechen-Chiplets lässt das Unternehmen bei TSMC im N2P-Prozess der 2-Nanometer-Klasse fertigen.

Der Beschleuniger ist mit 288 GB HBM4-Speicher ausgestattet, der auf acht HBM4-Stacks verteilt ist, und erreicht eine Speicherbandbreite von 18 TB/s bei einer thermischen Verlustleistung von 950 W TDP.

Für den Betrieb in Rechenzentren sieht Microsoft eine Dichte von 96 Beschleunigern pro Rack vor, was einer Leistungsaufnahme von rund 167 kW pro Rack entspricht. Ergänzt wird die Hardware durch eine softwaredefinierte Datenfluss-Architektur sowie KI-basierte Kernel-Optimierungen.

Hohe Effizienzansprüche und Fokus auf Inferenz

Microsoft erwartet von der Neuentwicklung rund 40 Prozent mehr Tokens pro Megawatt im Vergleich zu führenden GPU-Systemen. In der Konfiguration mit 96 Beschleunigern soll der Maia 300 zudem einen bis zu siebenfachen Token-Durchsatz pro Rack im Vergleich zum Maia 200 erzielen.

Während die technologische Effizienz von KI-Systemen rasant steigt, rücken auch die rechtlichen Rahmenbedingungen für ihren Einsatz in den Fokus. Dieser kostenlose Umsetzungsleitfaden bietet Unternehmen einen kompakten Überblick über alle Pflichten und Fristen, die durch den EU AI Act entstehen. EU AI Act in 5 Schritten verstehen

Auch Microsoft-Chef Satya Nadella hob hervor, dass der Maia 300 rund 40 Prozent mehr Tokens pro Watt liefere als führende GPU-Systeme. Die konzerneigenen Chips sollen künftig einen größeren Teil der Serverflotte stellen, wenngleich die Zusammenarbeit mit Nvidia, AMD und Intel fortgeführt werde. Unabhängige Tests zu diesen Leistungswerten stehen allerdings noch aus.

Beim Vorgängermodell Maia 200 erreicht Microsoft nach eigenen Angaben in ausgewählten Diensten eine bis zu 1,7-fach höhere Token-Ausbeute pro Watt gegenüber führender GPU-Infrastruktur. Für den Maia 200 sollen Ende 2026 Implementierungen in GitHub Copilot und Microsoft Foundry folgen.

Eigennutzung statt Vermietung an Cloud-Kunden

Die Azure-Maia-Familie soll ab 2027 auf Multi-Gigawatt-Installationen skaliert werden. Wie Reuters berichtete, könnten im Jahr 2027 potenziell über eine Million Einheiten zum Einsatz kommen. Die gesamten Investitionsausgaben von Microsoft bezifferte die Nachrichtenagentur für das Jahr 2026 auf rund 175 Milliarden US-Dollar.

Wer sich mit dem Einsatz moderner KI-Infrastruktur befasst, muss auch die regulatorischen Risiken und Dokumentationspflichten kennen. Erfahren Sie in diesem kostenlosen Report, welche KI-Systeme als Hochrisiko gelten und wie Sie die Einhaltung der neuen Verordnung sicherstellen. Kostenlosen Umsetzungsleitfaden zum EU AI Act sichern

Der Maia 300 dient rein der Ausführung trainierter Modelle und ist nicht für das KI-Training vorgesehen; diese rechenintensiven Trainingsaufgaben verbleiben weiterhin auf Systemen von Nvidia und AMD. Mustafa Suleyman, CEO von Microsoft AI, bezeichnete die eigene Plattform und das gemeinsame Design mit KI-Modellen als kritischen Schwerpunkt des Konzerns.

Rani Borkar, verantwortlich für die Rechenzentrumshardware bei Microsoft, erklärte, dass das eigene Geschäft mit KI-Diensten groß genug sei, um diesen internen Bedarf vorrangig zu bedienen. Anders als Amazon und Google beabsichtige Microsoft derzeit nicht, die Maia-Kapazitäten direkt an externe Cloud-Kunden zu vermieten.

Mit dieser Strategie zielt der Konzern auf eine breitere Portfolio-Aufstellung, um die einseitige Abhängigkeit von Nvidia zu verringern, während externe Grafikprozessoren für Spitzenmodelle und spezialisierte Workloads weiterhin genutzt werden. Gleichzeitig bringt der geplante Ausbau im Multi-Gigawatt-Maßstab erhebliche Energie- und Betriebsrisiken für die Rechenzentrumsinfrastruktur mit sich.