Microsoft, Maia 300 çıkarım çipi için rack düzeyinde özellikleri yayınladı, 2027'yi üretim hedefi olarak belirledi

Microsoft, Maia 300'ü çip değil, rack olarak konumlandırıyor

Microsoft, şirketin 12 Ekim 2026 tarihli duyurusunu ele alan bir dev.to haberine göre, kendi geliştirdiği yapay zeka çıkarım hızlandırıcısının üçüncü nesli olan Maia 300 için rack düzeyinde performans rakamlarını yayınladı. Cloud + AI bölümünden sorumlu icra başkan yardımcısı Scott Guthrie, ürünü uzun bağlam akıl yürütme, gecikmeye duyarlı konuşma ve sürekli çok adımlı agentic iş yüklerine yönelik "eksiksiz akıllı bir sistem" olarak tanımladı. Microsoft, Maia 300'ün üretim dağıtımlarının 2027'de başlayacağını, aynı tarihte Maia ailesinin kendi ürünleri için birincil çıkarım platformu haline geleceğini ve çok gigawatt'lık dağıtımlara doğru ölçekleneceğini belirtti.

288 GB HBM4'e sahip çok chiplet'li bir paket

Hızlandırıcı işlevlerini die'lar arasında paylaştırıyor: işlem chiplet'leri TSMC'nin N2P sürecinde üretilirken, bellek denetleyicisi ve I/O işlevleri bant genişliği, bağlantı ve maliyet göz önünde bulundurularak seçilen ayrı die'lar üzerinde yer alıyor. Microsoft'un Azure donanım ekibi, bu ayrımın her işlevin rolüne en uygun süreç teknolojisini kullanmasına olanak tanıdığını savunuyor.

Paket düzeyinde öne çıkan şey bellek. Sekiz HBM4 yığını, 950 W TDP içinde 288 GB kapasite ve 18 TB/s tepe bant genişliği sağlıyor. Habere göre Maia 200 ile karşılaştırıldığında bu, 2,5 kat bellek bant genişliği, %33 daha fazla kapasite ve watt başına yaklaşık iki kat HBM bant genişliği anlamına geliyor. Paket ayrıca chiplet'ler arasında yerelliğe duyarlı bir bellek organizasyonuna geçiyor; böylece veriler kendisini tüketen işlem gücünün yakınında bulunuyor ve çıkarım için geliştirilmiş MXFP4 ile 3 bit altı depolama biçimlerini destekliyor.

Habere atıf yapılan SiliconANGLE, kapasite rakamının NVIDIA'nın Rubin hızlandırıcısıyla eşleştiğini, bant genişliğinin ise yaklaşık %20 daha düşük olduğunu belirtiyor — iki üretici kapasitede uzlaşırken çip başına bant genişliğinde farklılaşıyor.

167 kW'lık bir rack'te doksan altı hızlandırıcı

Rack, Microsoft'un yayınlamayı seçtiği birim. Her rack, 24 adet dört hızlandırıcılı tray üzerinde 96 hızlandırıcı barındırıyor; ana işlemciler, bellek, depolama ve soğutma her tray'e dahil edilmiş durumda — ayrı ana makine tray'leri kat planından tamamen çıktığı için Maia 200'e kıyasla hızlandırıcı yoğunluğunu ikiye katlayan değişiklik bu. Rack, 167 kW'lık güç aralığında 27,6 TB HBM (derinlemesine incelemedeki rack tablosunda 27,7 TB olarak geçiyor; raporun işaret ettiği küçük bir tutarsızlık) ve 1,7 PB/s toplam bellek bant genişliği taşıyor.

Microsoft'un karşılaştırma tablosu 48'den 96 rack'e uzanan pod boyutlarını kapsıyor; rack HBM bant genişliği 341 ile 1.728 TB/s arasında, HBM kapasitesi 10,4 ile 27,7 TB arasında, FP4 performansı saniyede 485 ile 1.324 peta-işlem arasında ve rack gücü 64 kW ile 167 kW arasında değişiyor. Birlikte okunduğunda, rack HBM bant genişliği nesiller arasında 5,1 kat artarken rack gücü 2,6 kat artıyor; yani watt başına bant genişliği yaklaşık 1,95 kat. Sıvı soğutma rack'in ısıl yükünün %80'inden fazlasını taşıyor ve tasarım ya tesis su sistemine ya da hava soğutmalı binalar için bir ısı değiştiricisi üzerinden bağlanıyor — hangi tesislerin bu kapasiteyi barındırabileceğini belirleyen seçim bu.

Ethernet superpod'lar ve programlanabilir bir bant genişliği bölüşümü

Ölçekleme (scale-up) ağında Maia 300, geleneksel bir GPU kümesinden en fazla ayrışıyor. Microsoft'un yapay zeka ağ denetleyicisi, Ethernet üzerinde özel bir yapay zeka taşıma protokolünü iki katmanlı bir topolojide çalıştırıyor: rack içinde her hızlandırıcının bir tray ortağına doğrudan ve diğer 94 hızlandırıcıya anahtarlar (switch) üzerinden bağlandığı yarı anahtarlamalı elektriksel düzen ve 128 rack'e kadar birleştirip 12.288 hızlandırıcılı bir superpod oluşturan optik katman.

Rack içi ve rack'ler arası bant genişliği bölüşümü tasarım aşamasında sabitlenmiş değil; iş paketleme (job packing) bu bölüşümü çalışma zamanında belirliyor ve bir hızlandırıcı, pod içinde başka bir yerdeki bir eşe saniyede 750 GB'a kadar veri gönderebiliyor. Tensör paralelliği rack içinde kalarken uzman ve hattım (pipeline) paralelliği rack'ler arasında yayılabiliyor ve zamanlayıcılar, komşu bir rack'teki yedek kapasiteyi kullanarak arızalı bir tray'in yükünü karşılayabiliyor. Rapor bunu bir ağ tasarımı olarak ifade edilen bir zamanlama yeteneği olarak nitelendiriyor: bir zamanlar rack sınırı içinde mahsur kalan kapasite, başka yerlere paketlenen işler tarafından kullanılabilir hale geliyor ve aynı silikonun etkin kullanım oranını yükseltiyor.

Performans iddiaları ve karşılaştırma tabanları

Microsoft, Maia 300'ün "önde gelen GPU tabanlı sistemlerden" — adı açıklanmayan bir çok üreticili karşılaştırma tabanı — megawatt başına %40 daha fazla token, ayrıca 96 hızlandırıcılı bir konfigürasyonda Maia 200'ün rack ölçeğindeki token iş hacminin 7 katına kadarını sunması gerektiğini söylüyor. Amerika Birleşik Devletleri, Avrupa ve Avustralya genelinde Microsoft Copilot dahil üretim iş yüklerini zaten çalıştıran Maia 200, Teams, Copilot ve Cowork'deki yerleşik yapay zeka için önde gelen GPU altyapısına kıyasla watt başına 1,7 kata kadar daha fazla token üretmekle anılıyor. GitHub Copilot ve Microsoft Foundry, OpenAI modelleri, Microsoft'un kendi MAI modelleri ve önde gelen açık kaynak model aileleriyle birlikte 2026 sonuna kadar Maia 200 üzerinde çalışmaya başlayacak.

Neden önemli

Verimlilik iddiasının iki yarısı farklı ağırlık taşıyor. Nesiller arası oranlar — 7 kat rack iş hacmi, watt başına yaklaşık 2 kat bant genişliği — Microsoft'un kendi yayınladığı Maia 200 rakamlarıyla denetlenebilirken, megawatt başına %40 token iddiası bağımsız olarak doğrulanması zor olan adı açıklanmayan bir GPU tabanına dayanıyor. Konumlandırmanın kendisi asıl sinyal: Microsoft, megawatt başına token ve rack başına hızlandırıcı gibi, veri merkezi kapasitesini fiilen belirleyen metriklerde yarışıyor. Operatörler için güç sınırları ve soğutma seçenekleri artık kapasitenin nereye konacağını belirliyor. NVIDIA için ise, güç tedarikinin değil silikon tedarikinin yapay zeka çıkarımındaki sınırlayıcı kısıt haline geldiği tam bu anda, birinci taraf bir hiperölçekleyici verimlilik iddialarını doğrudan kendi donanımına karşı ortaya koyuyor.