# Microsoft skaliert Azure Maia ab 2027 auf mehrere Gigawatt

> Maia 300 soll 2027 in Produktion gehen und 40 % mehr Tokens pro Megawatt liefern als führende GPU-Systeme. Die Aussage stößt jedoch auf technische Kritik.

Oossa · 2026-10-16 · https://oossa.com/de/microsoft-expands-azure-maia-to-multi-gigawatt-inference-in-2027

Microsoft hat angekündigt, die Azure-Maia-Familie ab 2027 auf Einsätze im Multi-Gigawatt-Bereich zu skalieren. Der neue Beschleuniger Maia 300 ist für Inferenzaufgaben mit langen Kontexten und aufwendiger Dekodierung ausgelegt, nicht für das Training von Modellen. Laut Microsoft liefert Maia 300 40 % mehr Tokens pro Megawatt als führende GPU-basierte Systeme und bietet bis zu siebenmal so viel Token-Durchsatz auf Rack-Ebene wie sein Vorgänger Maia 200.

## So ist Maia 300 aufgebaut

Jeder Maia-300-Beschleuniger verfügt über acht HBM4-Speicherstapel mit insgesamt 288 GB schnellem Speicher und einer Bandbreite von 18 TB/s. Die Leistungsaufnahme liegt bei 950 W. Ein Rack umfasst 96 Beschleuniger auf 24 Einschüben, benötigt 167 kW und bietet 27,6 TB HBM sowie eine Gesamtbandbreite von 1,7 PB/s. Die Chips werden im N2P-Verfahren von TSMC gefertigt und nutzen eine NUMA-Speicherarchitektur, damit die Software Daten in der Nähe der Rechenkerne halten kann.

Für die Vernetzung kommt ein spezielles KI-Transportprotokoll auf Ethernet-Basis zum Einsatz. Die Beschleuniger können in einem rackweiten „Superpod“ direkt mit jedem anderen Gerät kommunizieren, ohne dafür eine Host-CPU oder separate Netzwerkkarte zu benötigen. Bis zu 128 Racks lassen sich zu einem Superpod mit 12.288 Beschleunigern verbinden. Laut Microsoft ermöglicht dieses Netzwerk, einen ausgefallenen Einschub nahtlos durch einen Reserveeinschub zu ersetzen.

## Kritik an der Effizienzangabe

Die zentrale Kennzahl – Tokens pro Watt – wurde von Kommentatoren als „absurd“ bezeichnet. Sie weisen darauf hin, dass der Begriff „Token“ unterschiedlich definiert wird und die Kennzahl Faktoren wie Latenz oder Kosten pro Token außer Acht lässt. Kritiker fragen außerdem, welche Kontextlängen der Angabe einer Verbesserung um 40 % zugrunde liegen. Bei Aufgaben mit langen Kontexten ist häufig eher der Speicher als die Rechenleistung der begrenzende Faktor.

## Die Fakten

- Maia 200 ist bereits in Produktion und kommt für Microsoft Copilot und das MAI-Team zum Einsatz. GitHub Copilot und Microsoft Foundry sollen bis Ende 2026 folgen.
- Maia 300 soll 2027 in den Produktionseinsatz gehen und ist für Inferenzaufgaben ausgelegt.
- Jeder Maia-300-Beschleuniger benötigt 950 W, verfügt über 288 GB HBM4-Speicher und erreicht eine Bandbreite von 18 TB/s. Ein Rack mit 96 Beschleunigern benötigt 167 kW und bietet eine Gesamtbandbreite von 1,7 PB/s.
- Microsoft zufolge liefert Maia 300 40 % mehr Tokens pro Megawatt als führende GPU-Systeme und erreicht auf Rack-Ebene bis zu den siebenfachen Token-Durchsatz von Maia 200.
- Das spezielle KI-Netzwerk kann in einem Superpod bis zu 12.288 Beschleuniger über 128 Racks verbinden.

## Warum es wichtig ist

Für Nutzer der eigenen Dienste von Microsoft könnte die neue Hardware schnellere Antworten und geringere Energiekosten bedeuten – sofern sich die Effizienzangaben bestätigen. Microsoft hat jedoch nicht mitgeteilt, ob externe Kunden Maia-Kapazitäten mieten können. Vorerst könnte der Nutzen daher auf Microsoft-Produkte beschränkt bleiben.

## Quellen und Referenzen

1. [Microsoft Commits Maia to Multi-Gigawatt Inference, and Its Efficiency Metric Draws Questions](https://www.infoq.com/news/2026/10/azure-maia-300/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-16

Zuletzt aktualisiert: 2026-10-16