Microsoft ha presentato il 12 ottobre 2026 Azure Maia 300, la terza generazione del suo acceleratore per l’intelligenza artificiale, e prevede di impiegarlo nei data center dal 2027. È una mossa strategica: l’azienda vuole fare della famiglia Maia il sistema principale per eseguire i propri servizi AI, riducendo la necessità di affidarsi esclusivamente alle GPU acquistate da fornitori esterni. Copilot e GitHub Copilot sono tra i servizi interessati dall’evoluzione dell’infrastruttura, ma Maia 300 non è un componente per PC acquistabile dagli utenti.
Perché Microsoft sta progettando chip AI propri
Quando un servizio AI risponde a milioni di richieste, la sfida non consiste soltanto nell’addestrare il modello. Bisogna soprattutto eseguirlo continuamente, consumando elettricità e occupando memoria e spazio nei data center. Questa fase si chiama inferenza: è ciò che accade quando Copilot produce una risposta, elabora un documento o porta avanti un’azione.
Microsoft conferma che Maia 200 è già al lavoro su carichi produttivi, incluso Microsoft Copilot, mentre Maia 300 arriverà nel 2027. La scelta di sviluppare hardware interno non implica che Microsoft abbia smesso di usare NVIDIA o AMD: significa aggiungere un’architettura progettata per le esigenze dei propri servizi. La stessa azienda descrive la piattaforma Azure come eterogenea, con più famiglie di chip e modelli.
Maia 300: i numeri annunciati e cosa significano
Secondo la presentazione ufficiale Microsoft, il sistema Maia 300 è progettato per fornire il 40% di token in più per megawatt rispetto a sistemi basati su GPU di riferimento, per carichi AI comparabili nelle valutazioni dell’azienda. Si tratta di una previsione di efficienza dichiarata da Microsoft, non di un benchmark indipendente né di un vantaggio garantito in ogni applicazione.
In configurazione completa, un rack ospita 96 acceleratori e ha un budget energetico di 167 kW. Microsoft indica fino a sette volte il throughput di token per rack rispetto a Maia 200, ma questo confronto coinvolge anche una maggiore densità di acceleratori: non significa che un singolo chip sia sette volte più veloce.
Ogni acceleratore integra otto stack di memoria HBM4 per 288 GB di capacità e 18 TB/s di banda di picco. Il dato è importante perché i sistemi AI avanzati devono spostare enormi quantità di informazioni durante le conversazioni lunghe e l’esecuzione di attività su più passaggi. La potenza di calcolo, da sola, non basta se il processore resta in attesa dei dati.
Il progetto a chiplet e il processo TSMC N2P
Maia 300 usa una struttura a più chiplet: le parti dedicate al calcolo sono fabbricate sul processo TSMC N2P, mentre controller di memoria e funzioni di input/output sono separati su componenti ottimizzati per le rispettive esigenze. Microsoft sostiene che questa soluzione aiuti a contenere il costo e a impiegare il silicio avanzato dove produce il maggiore beneficio.
Il sistema modifica anche il modo in cui software e hardware gestiscono la memoria. La descrizione tecnica pubblicata da Microsoft Azure spiega che i dati possono essere collocati più vicino ai blocchi di calcolo che li usano, riducendo trasferimenti inutili. Inoltre, formati numerici a precisione ridotta permettono di contenere lo spazio necessario per eseguire grandi modelli, con compromessi da valutare in base ai carichi di lavoro.
Perché conta per Copilot, Azure e il mercato delle GPU
Il punto commerciale è chiaro: meno energia e più risposte per unità di infrastruttura potrebbero aiutare Microsoft a gestire la crescita degli agenti AI, cioè sistemi che non si limitano a rispondere a una domanda ma eseguono sequenze di operazioni. L’azienda cita Microsoft Copilot, GitHub Copilot e Microsoft Foundry tra i contesti in cui l’esperienza maturata con Maia influenza lo sviluppo.
Questo non prova che gli abbonamenti Copilot diventeranno meno costosi o che le risposte per gli utenti saranno più veloci dal giorno del lancio. Prezzi e prestazioni finali dipenderanno da distribuzione, modelli, software e gestione dei data center. Non è stato annunciato un prezzo al pubblico di Maia 300 perché il progetto riguarda l’infrastruttura cloud.
La notizia va letta insieme alla recente strategia Windows raccontata nel nostro approfondimento su Hybrid Intelligence: Microsoft sta investendo sia nell’AI che gira direttamente sul computer, sia in hardware specializzato per il cloud. Sul fronte dei dispositivi, abbiamo approfondito anche NVIDIA RTX Spark e i PC Windows progettati per l’AI locale. Sono strade complementari, non la stessa tecnologia.
Quando arriva e cosa manca ancora da verificare
Microsoft prevede le prime installazioni operative di Maia 300 nel 2027 e parla di una futura espansione della famiglia Maia su scala di più gigawatt. Al momento non si può trattare questa roadmap come un’installazione già completata. Mancano benchmark di terze parti su carichi realmente equivalenti e dati pubblici sufficienti per stabilire quanto cambierà il costo di ogni richiesta AI rispetto alle diverse GPU concorrenti.
La novità quindi non è un presunto sorpasso definitivo di NVIDIA. È il fatto che uno dei maggiori utilizzatori mondiali di AI intende rendere i processori progettati in casa una parte centrale del servizio. Se la strategia funzionerà, l’effetto potrebbe vedersi nella capacità e nell’efficienza del cloud prima ancora che nelle caratteristiche visibili di Copilot.
Entra nella conversazione
Condividi il tuo punto di vista: non serve creare un account. I contributi restano soggetti alla moderazione editoriale.