Microsoft vēlas vairāk sava mākslīgā intelekta biznesa vadīt ar mikroshēmām, ko tā būvē pati. Programmatūras gigants pirmdien prezentēja savu trešās paaudzes Maia 300 AI paātrinātāju un paziņoja par plāniem, sākot ar 2027. gadu, lielu daļu skaitļošanas aiz saviem mākslīgā intelekta produktiem novirzīt no Nvidia GPU uz savu silīciju.
Šis solis iezīmē ievērojamas pārmaiņas Microsoft, vienam no Nvidia lielākajiem klientiem, jo uzņēmums vēlas iegūt lielāku kontroli pār aparatūru, kurā darbojas tā Azure mākoņa un AI pakalpojumi. Tas notiek tāpēc, ka pieaugošais pieprasījums pēc mākslīgā intelekta skaitļošanas ir padarījis specializētās mikroshēmas arvien dārgākas un elektroenerģiju par galveno ierobežojumu datu centru operatoriem.
Paziņojot par jauno mikroshēmu, Skots Gutrijs, Microsoft Cloud + AI izpilddirektors, emuāra ierakstā, kas publicēts pirmdien, izklāstīja uzņēmuma ambīcijas.
“Tā kā mēs virzāmies uz Super Intelligence laikmetu, Microsoft ieiet jaunā infrastruktūras fāzē. Mēs paplašināsim savu Azure Maia saimi līdz vairāku gigavatu izvietošanai, sākot no 2027. gada, padarot Maia par primāro secinājumu sistēmu Microsoft produktiem un pakalpojumiem.”
Šis paziņojums iezīmē būtiskas izmaiņas Microsoft AI infrastruktūras stratēģijā. Tā vietā, lai galvenokārt paļautos uz ārējiem mikroshēmu piegādātājiem, uzņēmums vēlas, lai savi procesori apstrādātu pieaugošo pieprasījumu apjomu, kas plūst caur tā AI produktiem.
Pāreja koncentrējas uz secinājumiem, apmācītu AI modeļu palaišanas procesu, lai ģenerētu atbildes, rakstītu kodu un veiktu citus uzdevumus. Nvidia joprojām būs nozīmīgs piegādātājs lielu AI modeļu apmācībai.
Microsoft paziņoja, ka Maia 300 kļūs par primāro sistēmu AI secinājumiem visos tā produktos un pakalpojumos. Secinājumi ir apmācītu AI modeļu palaišanas process, lai ģenerētu atbildes, rakstītu kodu, atbildētu uz jautājumiem un veiktu citus uzdevumus.
Uzņēmums ir derējis, ka mikroshēmu projektēšana atbilstoši savai darba slodzei var palīdzēt nodrošināt ātrākus AI pakalpojumus ar zemākām darbības izmaksām.
Saskaņā ar Microsoft tehniskajām specifikācijām Maia 300 var apstrādāt par 40% vairāk AI marķieru uz megavatu nekā vadošās uz GPU balstītās sistēmas. Pilnībā konfigurēts statīvs, kurā ir 96 Maia 300 paātrinātāji, var apstrādāt līdz pat septiņām reizēm vairāk žetonu nekā statīvs, izmantojot iepriekšējās paaudzes Maia 200.
Šie skaitļi ir balstīti uz paša Microsoft veiktspējas apgalvojumiem. Uzņēmumam vēl ir jāpierāda, kā tās jaunākās mikroshēmas darbojas neatkarīgā pārbaudē.
Microsoft AI mikroshēmu stratēģija pārbauda Nvidia dominējošo stāvokli
Microsoft attiecības ar Nvidia ir bijušas galvenās tās AI paplašināšanā. Nvidia GPU darbojas visos Microsoft datu centros, atbalstot Azure klientus un AI modeļus, ko izstrādājuši uzņēmumi, tostarp OpenAI un Anthropic.
Šīs attiecības nebeidzas. Microsoft joprojām plāno paļauties uz Nvidia un AMD procesoriem, lai apmācītu lielus AI modeļus. Tās jaunā stratēģija galvenokārt ir vērsta uz secinājumiem, kur miljoniem ikdienas AI pieprasījumu apstrādes izmaksas var ātri palielināties.
Atšķirībai ir nozīme. AI modeļa apmācībai ir nepieciešami milzīgi skaitļošanas resursi, taču šī modeļa izmantošana miljoniem klientu rada pastāvīgus izdevumus. Uzņēmumi, kas var samazināt katras AI atbildes izmaksas, var uzlabot peļņas normas, pieaugot lietojumam.
Microsoft ir pavadījis gadus, gatavojoties šai pārejai.
Tā ieviesa savu pirmo Maia mikroshēmu 2023. gadā, kam sekoja Maia 200 2026. gada janvārī. Otrās paaudzes procesors jau apstrādā ražošanas darba slodzi, tostarp Microsoft Copilot un OpenAI modeļus.
Microsoft izpilddirektors Satja Nadella jūlijā sacīja analītiķiem, ka Maia 200 nodrošina “par 30% labāku veiktspēju par vienu dolāru nekā jaunākās paaudzes aparatūra mūsu flotē”.
Maia 300 pastiprina šīs pūles.
Microsoft plāno sākt ražošanas izvietošanu 2027. gadā un galu galā paplašināt Maia saimi līdz vairāku gigavatu instalācijām savos datu centros. Jaunākais dizains divkāršo paātrinātāju skaitu vienā statīvā, salīdzinot ar Maia 200, palielinot AI skaitļošanas apjomu, ko Microsoft var iekļaut savā esošajā infrastruktūrā.
Mikroshēmas varētu atbalstīt ātrāku mijiedarbību starp Microsoft 365 Copilot, GitHub Copilot, Teams un citiem AI pakalpojumiem.
Energoefektivitāte ir vēl viens svarīgs faktors. Tā kā mākslīgā intelekta datu centri patērē vairāk elektroenerģijas, lielāka skaitļošanas darba iegūšana no vienas un tās pašas enerģijas avota ir kļuvusi par konkurences priekšrocību.
“Mums ir vajadzīgas jaunas arhitektūras, kas nodrošinās mums būtībā labāku veiktspēju, labāku mūsu jaudas izmantošanu,” sacīja Microsoft ģenerālmenedžeris Alisters Speirs. “Varat domāt par to, ka jauda var tieši pārvērsties ekspluatācijas izmaksās arī tādām lietām kā datu centrs.”
Microsoft pievienojas plašākiem nozares centieniem, lai atbrīvotu Nvidia saķeri ar AI infrastruktūru. Google ir ieguldījis lielus līdzekļus savos tensoru apstrādes blokos, Amazon izstrādā Trainium mikroshēmas, un citi uzņēmumi pēta alternatīvas parastajiem GPU.
Microsoft pieejai joprojām ir ierobežojumi. Atšķirībā no Google un Amazon pielāgotajiem paātrinātājiem, Maia mikroshēmas pašlaik nav pieejamas ārējiem klientiem, lai tās neatkarīgi nomātu, izmantojot Azure, ziņoja CNBC.
“Neviens vēl nav tos testējis ārpus Microsoft,” sacīja Patriks Mūrheds, Moor Insights and Strategy izpilddirektors.
Uzņēmumam Nvidia Microsoft paziņojums nenozīmē tūlītēju lielāko klientu zaudēšanu. Mikroshēmu ražotājs joprojām ir dziļi iekļauts AI modeļu apmācībā un mākoņa infrastruktūrā.
Taču Microsoft stratēģija norāda uz lielāku nozares maiņu. Uzņēmumi, kas tērē miljardus AI infrastruktūrai, arvien vairāk vēlas iegūt vairāk tehnoloģiju.
Microsoft Maia 300 ir mazāka par Nvidia aizstāšanu vienas nakts laikā, bet gan ar AI darbības izmaksu samazināšanu tādā mērogā, kas galu galā varētu sasniegt miljardus ikdienas mijiedarbību.
