Microsoft ha lanciato Maia 300, il chip di nuova generazione progettato per l’inferenza AI, e ha annunciato l’espansione dell’infrastruttura Azure basata sugli acceleratori Maia, con implementazioni su scala multi-gigawatt a partire dal 2027. Con questo rollout, Maia 300 diventerà il principale sistema di inferenza AI per i prodotti e i servizi Microsoft.

A meno di un anno dalla presentazione di Maia 200, Maia 300 rappresenta un’ulteriore evoluzione dell’approccio sistemico di Microsoft all’infrastruttura AI. Ecco in sintesi le principali novità:

Partecipa agli ItalianChannelAwards 2026 vota le eccellenze dell’Ict! Esprimi il tuo voto premiando i migliori in molteplici categorie

• Il sistema Azure Maia è progettato sulla base dei carichi di lavoro reali che Microsoft gestisce su larga scala e delle nuove tipologie di workload AI che stanno emergendo oggi: ragionamento su contesti estesi, esperienze conversazionali sensibili alla latenza e attività agentiche prolungate e articolate in più passaggi.
• Grazie a un miglioramento dell’efficienza dell’intero sistema, Microsoft prevede che Maia 300 possa generare il 40% di token in più per megawatt rispetto ai principali sistemi basati su GPU. Inoltre, in una configurazione completa con 96 acceleratori, Maia 300 sarà in grado di elaborare, a livello di rack, fino a 7 volte più token rispetto a Maia 200.
• Maia 300 valorizza gli insight derivanti dalla gestione su larga scala dei servizi AI di Microsoft, consentendo una co-progettazione unica tra sistemi hardware e applicazioni software. Questo approccio si basa sull’esperienza di Maia 200, attualmente in fase d’implementazione negli Stati Uniti, in Europa e in Australia, che offre fino a 1,7 volte più token per watt per le funzionalità AI integrate in Microsoft Teams, Copilot e nelle esperienze Cowork utilizzate ogni giorno da centinaia di milioni di persone.
• Insieme, Maia 200 e Maia 300 sono progettati per supportare un’ampia gamma di ulteriori servizi AI Microsoft: attività agentiche multi-step, che aiuteranno GitHub a offrire esperienze di coding in modo più efficiente; erogazione di modelli su scala cloud, che consentiranno a Microsoft Foundry di supportare diverse architetture e ambienti di deployment; inferenza e generazione di dati a supporto del team AI di Microsoft; e interazioni sensibili alla latenza, che richiedono tempi di risposta molto rapidi e permetteranno a Dragon Copilot di ampliare i workflow e ridurre il carico amministrativo dei professionisti sanitari.