米マイクロソフトはAIシステム「Azure Maia」を2027年からマルチギガワット規模に拡大すると発表した。
稼働中の「Maia 200」と次世代「Maia 300」で、AI推論の処理能力と電力効率を高める。
Maia 200が本番稼働、300は2027年投入へ
マイクロソフトは2026年10月12日（米国時間）、Azure Maiaファミリーを自社製品やサービスの主要なAI推論基盤として展開する計画を明らかにした。
半導体とソフトウェアを一体設計することで推論処理を最適化し、2027年から導入規模を拡大する計画だ。
既にMaia 200はMicrosoft Copilotなどの本番環境で稼働し、独自AIモデルを開発するMicrosoft AIチームも利用している。
年末までにGitHub CopilotとMicrosoft Foundryへの導入も予定されており、OpenAI製モデルや自社モデル、主要なオープンソースモデルを処理する。
同システムは米国、欧州、オーストラリアで展開が進む。Microsoft Teamsなどに組み込まれたAI機能では、主要なGPU基盤と比べ、消費電力1ワット当たりのトークン生成量が最大1.7倍に達するという。
2027年に本番展開を開始する予定のMaia 300は、長文を扱う推論や低遅延の対話、複数段階に及ぶAIエージェントの処理に重点を置く。
主要なGPUシステムより1メガワット当たり40％多くのトークンを生成できる見込みで、96基のアクセラレーターを搭載するラック構成では、Maia 200の最大7倍の処理量を目指す。
ただし、これらの性能値は将来の見通しであり、実際の本番運用で想定どおりの効果が得られるかは現時点で明らかになっていない。
さらに、HBM4（※）を8スタック搭載し、最大18.0TB/sのメモリ帯域幅を確保する。
半導体の演算部にはTSMCのN2P製造プロセスを採用し、データ移動を抑える設計によって消費電力の効率化を図る。
※HBM4：高帯域幅メモリ「HBM」の第4世代に当たる規格。複数のメモリチップを積み重ねて大容量データを高速転送する。AI向け半導体では、モデルの処理に必要なデータを効率よく供給する役割を担う。
独自基盤の普及でコスト削減期待、運用面には課題
今回の計画は、AIの競争軸がモデルの性能だけでなく、大量の推論をいかに低コストで提供できるかへ広がっていることを示す。
Copilotのようなサービスでは、処理に必要な電力や設備費が、運用規模の拡大とともに事業全体の収益性を左右する可能性がある。
独自半導体を自社のソフトウェアに合わせて設計できれば、汎用GPUへの依存を抑えつつ、用途に応じた処理効率を追求しやすくなる。
とりわけ長文処理やAIエージェントの普及が進めば、メモリ容量や通信速度を含むシステム全体の最適化が差別化要因になるだろう。
一方、マルチギガワット規模への拡張には、巨額の設備投資に加え、電力供給や冷却設備の確保が不可欠となる。
専用設計の比重を高めるほど、モデルの構造や需要が変化した際に、機器の設計を柔軟に適応させられるかも課題だ。
また、独自半導体の導入が進めば、AIインフラを自社で開発できる企業と、外部の計算資源に依存する企業との間で、コスト競争力に差が生まれる可能性もある。
2027年以降は、効率改善がサービス価格や応答速度、安定性にどこまで反映されるかが焦点となりそうだ。
関連記事：
OpenAIとBroadcom、LLM推論専用チップ「Jalapeño」発表 AIインフラ競争が加速へ
メタ、自社AI半導体4種を順次導入へ 推論需要拡大でデータセンター戦略を加速
NVIDIAとMediaTek、AI基盤連携を強化 エッジからクラウドへ
