Microsoft bejelentette Maia 300 névre keresztelt saját fejlesztésű AI gyorsítóját, amelyet 2027-től kezdve telepítenek, és a vállalat közlése szerint ez lesz a fő inference (az AI-válaszok számításához szükséges) rendszer a Microsoft szolgáltatásaihoz. A cég azt állítja, hogy a Maia 300 40%-kal több AI-tokenet képes előállítani megawattra vetítve, mint a vezető GPU-alapú rendszerek.
Miért számít ez?
A bejelentés jól illeszkedik egy átfogóbb iparági elmozduláshoz: a költségek csökkentésére, a teljesítmény javítására és a nagyobb ellenőrzés megszerzésére törekedve a legtöbb jelentős Nvidia-ügyfél maga is versenytárssá válik. A váltás különösen az inference terén fontos, mivel a bonyolultabb modellek és a többrétű AI-ügynökök növekvő számítási igényt generálnak, és az adatmozgás csökkentése — például a chipek és a memória közötti fölösleges adatmozgatás minimalizálása — egyre nagyobb szűk keresztmetszetté válik. Microsoft szerint a Maia 300 tervezése ezt a szűk keresztmetszetet is figyelembe veszi.
A nagy kép: mások is saját chipeken dolgoznak
A Microsoft lépése nem egyedülálló. Számos nagy szereplő saját megoldások fejlesztésébe kezdett vagy már régóta dolgozik ilyeneken:
- Google évek óta fejleszti saját Tensor Processing Unit (TPU) sorozatát; a legfrissebb generáció különválasztott verziókat tartalmaz, egyik a modellek tanítására (training), másik az inference-re optimalizálva.
- OpenAI a Broadcommal közösen fejleszti a Jalapeño nevű chipet, kezdetben elsősorban inference terhelésekre koncentrálva. A cég augusztusban azt mondta, hogy az első chip bizonyos munkaterheléseknél felülmúlta a Nvidia hardverét, és már a következő generációkon dolgoznak.
- Amazon rendelkezik Trainium családba tartozó AI-chipekkel, amelyeket többek között az Anthropic használ; OpenAI szintén vállalt elköteleződést az Amazon saját szilíciumának használatára egy nagyszabású infrastruktúrális megállapodás részeként.
- Anthropic augusztusban megerősítette, hogy vizsgálja saját chipterveit, miközben továbbra is Nvidia, Amazon és más beszállítók chipeire támaszkodik.
- Meta-nak is van belső chipfejlesztési programja, ugyanakkor a cég továbbra is jelentős számítási kapacitást vásárol a Nvidiától és más beszállítóktól.
A helyzet árnyalatai
A gyártási kapacitás, az előrehaladott csomagolási technikák és a nagy sávszélességű memória korlátozott elérhetősége miatt az egyéni chipeket fejlesztő cégek továbbra is ugyanazokra az ellátási láncokra támaszkodnak, amelyekre a Nvidia is. Ez azt jelenti, hogy bár a saját chipek csökkenthetik a közvetlen függést a Nvidiától, nem szüntetik meg a tágabb ellátási lánc problémáit.
Fontos megjegyezni azt is, hogy a Nvidia pénzügyi helyzete erős: a vállalat bevétele a második negyedévben több mint duplázódott, elérve a 96 milliárd dollárt, ami arra utal, hogy az AI-számítás iránti kereslet általánosan nagy, és van hely mind a Nvidia, mind pedig az új szereplők számára.
Mire fókuszálnak a versenyzők?
A legtöbb rivális — köztük a Microsoft — elsősorban az inference-re koncentrál, mert ott a haszonkulcs gyakran magasabb. Rani Borkar, a Microsoft Azure Hardware Systems and Innovation elnöke az Axiosnak elmondta, hogy a vállalat a Maiát az inference prioritásának tekinti, mivel ez a legnagyobb és leggyorsabban növekvő lehetőség az AI-számítás területén, és itt tudnak megkülönböztető előnyt kovácsolni költség és energiahatékonyság tekintetében.
Borkar hangsúlyozta: „For us, it's not an either-or strategy. We want a broad ecosystem while investing deeply in our first-party silicon.” A cég ugyanakkor azt is közölte, hogy ennél a váltásnál nem úgy kell gondolkodni, hogy egyik pillanatról a másikra minden átáll — a Maia 300 telepítése 2027-ben kezdődik, de a több gigawattos skálához való eljutás több időt vesz igénybe, és túl fog nyúlni a következő éven.
Következtetés
Bár a Nvidia továbbra is központi szereplő az AI-boomban, a legnagyobb ügyfelei egyre inkább saját kezükbe kívánják venni a szolgáltatásaik mögötti technológiát, hogy csökkentsék a költségeket, javítsák a teljesítményt és megtartsák a kontrollt. A Microsoft Maia 300 bejelentése és más nagyvállalatok chipfejlesztései azt jelzik, hogy az iparág jelentős részben a szoftverről és szolgáltatásról a speciális hardver felé mozdul el, legalábbis az inference munkaterhelésekben.
