Microsoft Maia 300: como o novo chip de IA tenta reduzir a dependência de GPUs

A Microsoft anunciou em 12 de outubro de 2026 o Azure Maia 300, acelerador próprio de IA voltado à inferência, com início de implantações de produção previsto para 2027. A companhia afirma que o sistema entrega 40% mais tokens por megawatt que sistemas líderes baseados em GPU e até sete vezes o throughput de tokens por rack do Maia 200. Mais do que um novo chip, o Maia 300 mostra como os grandes provedores de nuvem estão redesenhando silício, memória, rede, energia e software para atender agentes, raciocínio de contexto longo e conversas de baixa latência.

O que é o Azure Maia 300

O Maia 300 é a terceira geração da linha de aceleradores da Microsoft. Não é uma GPU de varejo nem um produto que empresas possam instalar diretamente em seus servidores: trata-se de infraestrutura do Azure, criada para executar inferência em escala nos serviços da própria Microsoft e, gradualmente, em sua plataforma de nuvem. O Maia 200 já está em produção para cargas como Microsoft Copilot e também executa modelos da OpenAI, modelos MAI da Microsoft e famílias open source; GitHub Copilot e Microsoft Foundry devem seguir até o fim de 2026, segundo a empresa.

A Microsoft diz que o Maia 300 prioriza três perfis de carga: raciocínio com contexto longo, experiências conversacionais sensíveis à latência e agentes que executam várias etapas. Esses perfis são diferentes da geração tradicional de texto curto: eles exigem manter mais estado na memória, movimentar dados entre aceleradores e entregar respostas continuamente durante a fase de decodificação.

Por que mover dados virou o gargalo

Em modelos grandes, processar cada novo token depende não apenas de multiplicação de matrizes, mas de buscar pesos, ativação e cache de chave-valor na memória e, muitas vezes, de trocar dados pela rede. A Microsoft sustenta que mover esses dados consome energia e tempo suficientes para limitar a eficiência de sistemas de IA. O Maia 300 tenta atacar esse ponto com uma arquitetura de fluxo de dados definida por software, chamada SDLA (Software Defined Locally Accessed Dataflow Architecture).

Na prática, a SDLA separa programação do caminho de controle da execução do caminho de dados. O software pode coordenar onde dados ficam, quando são convertidos e para qual unidade são transferidos entre memórias locais, DMA, mecanismos de computação e rede. A nova geração adota uma organização NUMA entre chiplets: a ideia é colocar os dados perto da computação que os utilizará, reduzindo deslocamentos desnecessários.

Especificações divulgadas pela Microsoft

A empresa compara o Maia 300 ao Maia 200, não diretamente a uma GPU específica. Segundo a documentação técnica, a nova geração acrescenta 2,5 vezes mais largura de banda de HBM, 33% mais capacidade de memória e cerca de duas vezes a largura de banda HBM por watt. A Microsoft também informa aumento de 36% em FLOPs e de 14% em largura de banda de scale-up. Comparações com “sistemas líderes baseados em GPU” devem ser lidas com atenção porque configuração, modelo, precisão, carga e métrica podem alterar substancialmente o resultado.

Precisão reduzida, chiplets e rede integrada

O design usa chiplets separados para computação, controlador de memória e I/O. Os chiplets de computação usam o processo N2P da TSMC, enquanto as demais funções podem usar tecnologias mais adequadas a banda, conectividade e custo. A Microsoft também diz suportar formatos de baixa precisão, como MXFP4 aprimorado e armazenamento abaixo de três bits. Representações mais estreitas reduzem bytes movimentados por token e podem acomodar contexto maior e mais sessões, mas exigem que modelo, quantização e kernels sejam adequados para preservar qualidade.

A rede é outro componente central. Dentro de um rack, links diretos e comutados conectam os 96 aceleradores; entre racks, uma segunda camada óptica cria um superpod. A Microsoft descreve um transporte de IA próprio baseado em Ethernet e um modelo de comunicação único, no qual os aceleradores podem trocar dados sem envolver o host ou uma NIC discreta de scale-out. Isso permite separar trabalhadores de prefill e decode: um grupo processa o prompt, enquanto outro gera tokens a partir do estado KV transferido pela mesma malha.

Energia, refrigeração e capacidade: a infraestrutura como produto

O Maia 300 ilustra a mudança de unidade de competição na IA. Um acelerador isolado não basta quando um rack consome 167 kW. A Microsoft integra bandejas de aceleradores, switches resfriados a líquido, alimentação redundante, barramento de 50 V e telemetria de rack e linha. Mais de 80% da carga térmica do rack é removida por refrigeração líquida, segundo a companhia. A meta é produzir mais tokens úteis dentro do mesmo limite de energia e resfriamento do datacenter.

Para o Brasil, o efeito será inicialmente indireto. A plataforma pode influenciar custo e disponibilidade de recursos do Azure em regiões atendidas, mas a Microsoft não anunciou neste comunicado regiões, preços ou cronograma para o mercado brasileiro. Empresas que usam Azure devem evitar assumir redução automática de preço: a vantagem real dependerá de quais modelos serão oferecidos, da região, de contratos e de como cada aplicação consome contexto e tokens.

Limites e perguntas em aberto

• O início de implantação está previsto para 2027; o anúncio não representa disponibilidade imediata para clientes.
• As métricas de eficiência e throughput são divulgadas pela própria Microsoft e dependem de cargas e configurações específicas.
• Não foram anunciados preço, regiões de Azure, modalidades de acesso nem quais SKUs estarão disponíveis para terceiros.
• Mais eficiência por token não elimina os custos de energia, água, rede e expansão física dos datacenters.

Análise do NoticIA

A principal mensagem do Maia 300 não é que a Microsoft deixará de usar GPUs da Nvidia de uma hora para outra. A própria empresa descreve uma plataforma heterogênea e mantém suporte a modelos e arquiteturas diversos. O movimento estratégico é reduzir a dependência de um único tipo de acelerador para a inferência em massa, onde latência, memória e energia pesam tanto quanto FLOPs. Se a companhia cumprir as métricas anunciadas em produção, o ganho pode aparecer em capacidade para Copilot, GitHub Copilot e Foundry — e não necessariamente como uma nova opção visível de chip para desenvolvedores. A prova decisiva virá com disponibilidade, preços e dados independentes de operação em 2027.

Resumo

• O Azure Maia 300 é um sistema de inferência próprio da Microsoft, com produção prevista para 2027.
• O foco está em contexto longo, agentes e conversas de baixa latência, não em uma GPU de uso geral para venda direta.
• O projeto combina 288 GB de HBM4 por acelerador, 96 aceleradores por rack e uma malha de rede de escala de datacenter.
• Os números de eficiência são promissores, mas ainda são alegações do fornecedor e dependem de cargas reais e disponibilidade comercial.