موبالپ | فروشگاه اینترنتی لپ تاپ، موبایل و لوازم جانبی
نویسنده: دیار حسینی 
مایکروسافت Maia 300 را معرفی میکند؛ آیا دوران وابستگی به انویدیا در حال پایان است؟
رقابت بر سر سختافزار هوش مصنوعی وارد مرحله تازهای شده است. در حالی که انویدیا همچنان یکی از قدرتمندترین بازیگران بازار شتابدهندههای هوش مصنوعی محسوب میشود، غولهای فناوری تلاش میکنند تراشههای اختصاصی خود را توسعه دهند تا هزینههای زیرساخت AI را کاهش دهند و کنترل بیشتری روی مراکز داده داشته باشند.
حالا گزارش جدیدی منتشر شده که میتواند یکی از مهمترین اتفاقات بازار تراشههای هوش مصنوعی در سال ۲۰۲۶ باشد.
بر اساس گزارشی که امروز منتشر شده، مایکروسافت قصد دارد Maia 300، نسل بعدی تراشه اختصاصی هوش مصنوعی خود را در پاییز امسال و احتمالاً از سپتامبر ۲۰۲۶ معرفی کند. این گزارش به نقل از منابعی با اطلاع مستقیم از برنامههای مایکروسافت منتشر شده است.
هدف مایکروسافت تنها ساخت یک تراشه جدید نیست؛ این شرکت میخواهد با افزایش تولید تراشههای اختصاصی، وابستگی خود به پردازندههای گرانقیمت انویدیا را کاهش دهد.
اگر این برنامه موفق شود، Maia 300 میتواند یکی از مهمترین قطعات پازل مایکروسافت برای آینده هوش مصنوعی باشد.
Maia 300 چیست؟
Maia 300 نسل جدید شتابدهنده هوش مصنوعی مایکروسافت است که برای استفاده در زیرساختهای ابری و مراکز داده طراحی میشود.
مایکروسافت نخستین تراشه Maia را در سال ۲۰۲۳ معرفی کرد و سپس در ژانویه ۲۰۲۶ نسل دوم آن یعنی Maia 200 را عرضه کرد.
Maia 200 مشخصاً برای پردازشهای Inference طراحی شده بود؛ یعنی اجرای مدلهای هوش مصنوعی و تولید پاسخ پس از آموزش مدل.
این تراشه با فناوری ساخت ۳ نانومتری TSMC تولید شده و بیش از ۱۴۰ میلیارد ترانزیستور دارد. مایکروسافت برای Maia 200 از ۲۱۶ گیگابایت حافظه HBM3e با پهنای باند ۷ ترابایت بر ثانیه و ۲۷۲ مگابایت SRAM روی تراشه استفاده کرده است.
Maia 300 قرار است این مسیر را ادامه دهد، اما با هدفی بسیار بزرگتر:
افزایش مقیاس استفاده از تراشههای اختصاصی مایکروسافت در مراکز داده.
چرا مایکروسافت میخواهد با انویدیا رقابت کند؟
برای پاسخ به این سؤال باید به اقتصاد هوش مصنوعی نگاه کنیم.
مدلهای بزرگ زبانی، سرویسهای مولد هوش مصنوعی، موتورهای جستوجوی هوشمند و دستیارهایی مانند Copilot به حجم عظیمی از قدرت پردازشی نیاز دارند.
مایکروسافت برای اجرای سرویسهای Azure و محصولات هوش مصنوعی خود به تعداد بسیار زیادی شتابدهنده نیاز دارد.
انویدیا در سالهای اخیر یکی از تأمینکنندگان اصلی این سختافزارها بوده است.
اما مشکل اینجاست که استفاده گسترده از GPUهای پیشرفته انویدیا بسیار پرهزینه است.
بنابراین حتی اگر مایکروسافت همچنان از تراشههای انویدیا استفاده کند، داشتن سختافزار اختصاصی میتواند به این شرکت اجازه دهد برخی بارهای کاری مشخص را با هزینه کمتر اجرا کند.
این دقیقاً همان مسیری است که گوگل و آمازون نیز دنبال کردهاند.
گوگل با TPU و آمازون با Trainium تلاش کردهاند بخشی از نیاز پردازشی خود را با تراشههای اختصاصی تأمین کنند. گزارش رویترز نیز تأکید میکند که مایکروسافت در توسعه و مقیاسدادن تراشه اختصاصی خود از این رقبا عقبتر بوده است.
مایکروسافت قرار است Maia 300 را کجا استفاده کند؟
مهمترین محل استفاده Maia 300 احتمالاً مراکز داده Azure خواهد بود.
این نکته بسیار مهم است، زیرا مایکروسافت برخلاف شرکتهای تولیدکننده تراشه، مجبور نیست Maia 300 را بهصورت گسترده در بازار مصرفکننده بفروشد.
مایکروسافت میتواند تراشه را در مراکز داده خودش نصب کند و مستقیماً از آن برای اجرای سرویسهای هوش مصنوعی استفاده کند.
به این ترتیب، حتی اگر Maia 300 هیچوقت به یک محصول قابل خرید برای کاربران عادی تبدیل نشود، همچنان میتواند تأثیر بزرگی روی اکوسیستم مایکروسافت داشته باشد.
سرویسهایی مانند Azure AI، Copilot و مدلهای هوش مصنوعی مورد استفاده مایکروسافت میتوانند از چنین زیرساختی بهره ببرند.
مایکروسافت در معرفی Maia 200 نیز اعلام کرده بود که این تراشه برای بارهای کاری AI و سرویسهای Azure طراحی شده و در زیرساختهای این شرکت مستقر شده است.
تولید بیش از ۳۰۰ هزار تراشه Maia 300
یکی از مهمترین بخشهای گزارش جدید، برنامه مایکروسافت برای افزایش شدید تولید است.
بر اساس گزارش منتشرشده، مایکروسافت در حال مذاکره با TSMC برای تأمین ظرفیت تولید بیش از ۳۰۰ هزار تراشه Maia 300 برای تحویل در سال ۲۰۲۷ است.
این شرکت حتی به دنبال افزایش ظرفیت تولید به بیش از یک میلیون تراشه است؛ هرچند محدودیتهای زنجیره تأمین قطعات و ظرفیت تولید TSMC میتواند اجرای این برنامه را دشوار کند.
این اعداد نشان میدهند که Maia 300 قرار نیست صرفاً یک پروژه آزمایشی باشد.
اگر مایکروسافت واقعاً بتواند صدها هزار تراشه اختصاصی را وارد مراکز داده خود کند، این پروژه میتواند تأثیر اقتصادی قابلتوجهی روی هزینه اجرای هوش مصنوعی داشته باشد.
TSMC در این پروژه چه نقشی دارد؟
تولید تراشههای پیشرفته هوش مصنوعی بدون همکاری با بزرگترین تولیدکنندگان نیمههادی تقریباً غیرممکن است.
TSMC یکی از مهمترین شرکای صنعت تراشه محسوب میشود و Maia 200 نیز با فناوری ساخت ۳ نانومتری این شرکت تولید شده است.
اکنون مایکروسافت در تلاش است ظرفیت تولید بیشتری برای Maia 300 رزرو کند.
اما اینجا یک مشکل مهم وجود دارد.
مایکروسافت تنها شرکتی نیست که به ظرفیت تولید TSMC نیاز دارد.
انویدیا، AMD، اپل و بسیاری دیگر از شرکتهای بزرگ فناوری نیز به خطوط تولید پیشرفته این شرکت وابستهاند.
بنابراین افزایش تولید Maia 300 تنها به تصمیم مایکروسافت بستگی ندارد؛ ظرفیت تولید، تأمین حافظه، بستهبندی پیشرفته و سایر قطعات نیز میتوانند سرعت توسعه این پروژه را تعیین کنند.
آیا Maia 300 واقعاً رقیب مستقیم Nvidia است؟
از نظر فنی، مقایسه مستقیم Maia 300 با یک GPU خاص انویدیا هنوز زود است.
تا زمانی که مایکروسافت مشخصات کامل Maia 300، معماری، تعداد هستهها، حافظه، پهنای باند و توان مصرفی آن را اعلام نکند، نمیتوان گفت این تراشه دقیقاً چه جایگاهی در برابر محصولات انویدیا دارد.
بنابراین بهتر است Maia 300 را در حال حاضر رقیب استراتژیک انویدیا بدانیم، نه لزوماً رقیب مستقیم یک GPU مشخص.
هدف اصلی مایکروسافت این نیست که تمام بازار GPU را از انویدیا بگیرد.
هدف این است که برای بارهای کاری مشخص، گزینه دیگری در اختیار داشته باشد.
این تفاوت بسیار مهم است.
مایکروسافت میتواند همچنان از GPUهای انویدیا برای برخی پردازشها استفاده کند و در بخش دیگری از سرویسهای Azure از Maia بهره ببرد.
در چنین مدلی، مایکروسافت به جای حذف انویدیا، وابستگی خود به انویدیا را کاهش میدهد.
Maia 200 چه چیزی درباره Maia 300 به ما میگوید؟
برای درک مسیر Maia 300، نگاه کردن به Maia 200 بسیار مفید است.
مایکروسافت Maia 200 را یک شتابدهنده قدرتمند برای inference معرفی کرده است.
این تراشه از Tensor Coreهای FP8 و FP4، حافظه HBM3e و سیستم حافظهای با پهنای باند بالا استفاده میکند.
مایکروسافت اعلام کرده Maia 200 بیش از ۱۰ پتافلاپس عملکرد FP4 و بیش از ۵ پتافلاپس عملکرد FP8 ارائه میدهد و در محدوده توان ۷۵۰ وات فعالیت میکند.
این مشخصات نشان میدهد مایکروسافت از ابتدا روی یک مسئله بسیار مشخص تمرکز کرده است:
چگونه میتوان هزینه و مصرف انرژی اجرای مدلهای هوش مصنوعی را کاهش داد؟
Maia 300 احتمالاً همین فلسفه را در مقیاس بزرگتر دنبال خواهد کرد.
Anthropic هم میتواند مشتری Maia 300 باشد
یکی از نکات جالب گزارش جدید این است که مایکروسافت تنها به استفاده داخلی از Maia 300 فکر نمیکند.
این شرکت ظاهراً تلاش میکند برخی مشتریان بزرگ ابری مانند Anthropic را نیز به استفاده از این تراشه ترغیب کند.
اگر این اتفاق رخ دهد، Maia میتواند از یک تراشه داخلی به بخشی از زیرساخت تجاری Azure تبدیل شود.
این موضوع برای مایکروسافت اهمیت زیادی دارد.
زیرا اگر مشتریان Azure بتوانند مدلهای خود را روی Maia اجرا کنند و هزینه پایینتری نسبت به برخی گزینههای دیگر داشته باشند، تقاضا برای تراشه اختصاصی مایکروسافت نیز افزایش خواهد یافت.
رقابت واقعی فقط میان Microsoft و Nvidia نیست
بازار تراشههای هوش مصنوعی دیگر یک رقابت دوطرفه نیست.
در یک طرف انویدیا قرار دارد که اکوسیستم قدرتمندی از سختافزار و نرمافزار ایجاد کرده است.
در طرف دیگر شرکتهایی مانند AMD در حال توسعه شتابدهندههای AI خود هستند.
در کنار آنها:
Google → TPU
Amazon → Trainium
Microsoft → Maia
این شرکتها یک هدف مشترک دارند:
کاهش وابستگی به یک تأمینکننده واحد و کنترل بیشتر روی زیرساخت هوش مصنوعی.
این روند میتواند در بلندمدت بازار تراشههای AI را متنوعتر کند.
آیا Nvidia باید نگران Maia 300 باشد؟
احتمالاً بله، اما نه به معنای از دست دادن ناگهانی بازار.
بزرگترین مزیت انویدیا فقط قدرت سختافزار نیست.
یکی از مهمترین دلایل موفقیت این شرکت، اکوسیستم نرمافزاری CUDA و ابزارهای توسعهای آن است.
یک شرکت بزرگ نمیتواند صرفاً با ساخت تراشه قدرتمند، مشتریان انویدیا را به سمت خود جذب کند.
توسعهدهندگان باید نرمافزارها و مدلهای خود را برای معماری جدید بهینه کنند.
مایکروسافت این مسئله را میداند.
به همین دلیل در کنار سختافزار، روی نرمافزار و ابزارهای توسعه Maia نیز سرمایهگذاری کرده است.
در مورد Maia 200، مایکروسافت از SDK، ادغام با PyTorch، کامپایلر Triton و کتابخانههای بهینهشده برای توسعه مدلها صحبت کرده بود.
اگر این اکوسیستم در Maia 300 نیز توسعه پیدا کند، مایکروسافت شانس بیشتری برای جذب مشتری خواهد داشت.
چرا حافظه HBM برای Maia 300 حیاتی است؟
یکی از مهمترین قطعات هر شتابدهنده مدرن هوش مصنوعی، حافظه است.
مدلهای بزرگ AI حجم بسیار زیادی از داده را جابهجا میکنند و سرعت انتقال داده میتواند به اندازه قدرت محاسباتی اهمیت داشته باشد.
Maia 200 با ۲۱۶ گیگابایت HBM3e و پهنای باند ۷ ترابایت بر ثانیه نشان داد که مایکروسافت اهمیت حافظه پرسرعت را کاملاً جدی گرفته است.
بنابراین یکی از سؤالهای مهم درباره Maia 300 این خواهد بود که مایکروسافت چه میزان حافظه و چه نسل جدیدی از HBM را برای آن در نظر گرفته است.
اگر محدودیت تأمین HBM ادامه پیدا کند، حتی داشتن طراحی قدرتمند نیز لزوماً به معنی امکان تولید انبوه نخواهد بود.
Maia 300 چه تأثیری روی قیمت هوش مصنوعی خواهد داشت؟
این شاید مهمترین سؤال برای کاربران عادی باشد.
چرا باید یک تراشه دیتاسنتری برای کاربرانی که فقط از ChatGPT، Copilot یا ابزارهای AI استفاده میکنند اهمیت داشته باشد؟
پاسخ در هزینه زیرساخت است.
اجرای هر درخواست هوش مصنوعی برای شرکتهای ارائهدهنده سرویس هزینه دارد.
هرچه سختافزار کارآمدتر باشد، هزینه پردازش نیز میتواند کاهش پیدا کند.
اگر مایکروسافت بتواند Maia 300 را با هزینه پایینتر از برخی گزینههای موجود به کار بگیرد، این کاهش هزینه میتواند در بلندمدت به توسعه بیشتر سرویسهای AI و حتی کاهش هزینه برخی خدمات ابری منجر شود.
البته این موضوع به عملکرد واقعی تراشه و هزینه ساخت آن بستگی دارد.
تحلیل اختصاصی موبالپ؛ Maia 300 مهمتر از یک تراشه جدید است
از نگاه موبالپ، خبر Maia 300 را نباید فقط به شکل «مایکروسافت یک تراشه جدید ساخت» نگاه کرد.
موضوع اصلی تغییر توازن قدرت در بازار زیرساخت هوش مصنوعی است.
تا چند سال قبل، شرکتهایی که میخواستند مدلهای هوش مصنوعی بزرگ اجرا کنند، انتخابهای محدودی داشتند و انویدیا یکی از مهمترین گزینهها بود.
اما اکنون غولهای فناوری به این نتیجه رسیدهاند که ادامه این وابستگی در مقیاس بسیار بزرگ میتواند هزینههای سنگینی داشته باشد.
مایکروسافت با Azure یکی از بزرگترین مصرفکنندگان زیرساخت AI در جهان است.
بنابراین منطقی است که بخواهد بخشی از سختافزار مورد نیاز خود را خودش طراحی کند.
نکته جالبتر این است که مایکروسافت نمیخواهد فقط برای مصرف داخلی تراشه بسازد.
اگر Maia 300 بتواند مشتریانی مانند Anthropic را جذب کند، مایکروسافت میتواند یک اکوسیستم کامل ایجاد کند:
طراحی تراشه → تولید تراشه → دیتاسنتر Azure → سرویس ابری → مشتریان AI
در این حالت، ارزش Maia 300 بسیار بیشتر از یک محصول سختافزاری خواهد بود.
آینده Maia؛ آیا مایکروسافت میتواند به Nvidia نزدیک شود؟
هنوز برای پاسخ قطعی زود است.
انویدیا سالها روی سختافزار، نرمافزار، CUDA و اکوسیستم توسعهدهندگان سرمایهگذاری کرده است.
مایکروسافت نمیتواند تنها با معرفی Maia 300 این مزیت را از بین ببرد.
اما مایکروسافت یک مزیت بسیار بزرگ دارد:
خودش یکی از بزرگترین مصرفکنندگان تراشههای AI است.
بنابراین حتی اگر Maia 300 در ابتدا نتواند با بهترین محصولات Nvidia در همه زمینهها رقابت کند، مایکروسافت میتواند آن را برای بارهای کاری خاص خود بهینه کند.
این مدل میتواند در نهایت به یک بازار چندقطبی منجر شود.
انویدیا همچنان بازیگر اصلی باقی میماند، اما شرکتهایی مانند Microsoft، Google و Amazon بخش بیشتری از نیاز خود را با تراشههای اختصاصی تأمین خواهند کرد.
Maia 300 چه زمانی معرفی میشود؟
بر اساس گزارش منتشرشده امروز، مایکروسافت قصد دارد Maia 300 را در پاییز ۲۰۲۶ معرفی کند و سپتامبر یکی از زمانهای احتمالی رونمایی است.
با این حال، باید توجه داشت که زمان دقیق معرفی هنوز از سوی مایکروسافت بهصورت رسمی اعلام نشده است.
همچنین بخش قابلتوجهی از اطلاعات مربوط به ظرفیت تولید و برنامه عرضه Maia 300 از گزارشهای رسانهای و منابع مطلع به دست آمده و ممکن است برنامههای مایکروسافت تغییر کند.
جمعبندی
Maia 300 میتواند یکی از مهمترین پروژههای سختافزاری مایکروسافت در حوزه هوش مصنوعی باشد.
این شرکت قصد دارد با توسعه نسل جدید تراشههای اختصاصی، وابستگی خود به شتابدهندههای گرانقیمت انویدیا را کاهش دهد و کنترل بیشتری روی زیرساخت Azure داشته باشد.
گزارشهای جدید از برنامه مایکروسافت برای معرفی Maia 300 در سپتامبر ۲۰۲۶ و مذاکره با TSMC برای تولید بیش از ۳۰۰ هزار تراشه در سال ۲۰۲۷ خبر میدهند. این شرکت حتی به دنبال ظرفیت تولید بیش از یک میلیون تراشه است، هرچند محدودیتهای زنجیره تأمین میتواند مانع تحقق کامل این هدف شود.
از طرف دیگر، Maia 200 نشان داده که مایکروسافت در حال ساخت یک اکوسیستم واقعی برای تراشههای AI است؛ اکوسیستمی که سختافزار، نرمافزار و Azure را به یکدیگر متصل میکند.
بنابراین Maia 300 را نباید صرفاً یک «رقیب Nvidia» دانست.
این تراشه بخشی از تلاش بزرگتر مایکروسافت برای کنترل زنجیره هوش مصنوعی است.
اگر مایکروسافت بتواند Maia 300 را در مقیاس صدها هزار دستگاه تولید کند و مشتریان بزرگی مانند Anthropic را نیز به سمت آن بیاورد، بازار شتابدهندههای هوش مصنوعی میتواند وارد مرحلهای کاملاً جدید شود.
در چنین شرایطی، آینده بازار AI دیگر فقط به انویدیا وابسته نخواهد بود؛ بلکه رقابت میان تراشههای اختصاصی Microsoft، Google و Amazon نیز میتواند تعیینکننده نسل بعدی زیرساخت هوش مصنوعی باشد.
سوالات متداول
Maia 300 چیست؟
Maia 300 نسل بعدی شتابدهنده هوش مصنوعی اختصاصی مایکروسافت است که برای استفاده در زیرساختهای Azure و مراکز داده طراحی میشود.
آیا Maia 300 رقیب انویدیا است؟
از نظر استراتژیک بله، زیرا مایکروسافت میخواهد با توسعه تراشههای اختصاصی وابستگی خود به پردازندههای انویدیا را کاهش دهد. اما برای مقایسه مستقیم عملکرد Maia 300 با تراشههای مشخص Nvidia باید تا اعلام مشخصات رسمی منتظر ماند.
Maia 300 چه زمانی معرفی میشود؟
طبق گزارشهای جدید، مایکروسافت ممکن است Maia 300 را در سپتامبر ۲۰۲۶ معرفی کند، اما تاریخ رسمی هنوز اعلام نشده است.
Maia 300 کجا استفاده خواهد شد؟
تمرکز اصلی این تراشه روی مراکز داده و زیرساخت ابری Azure است و احتمال دارد برخی مشتریان بزرگ ابری نیز از آن استفاده کنند.
Maia 200 چه تفاوتی با Maia 300 دارد؟
Maia 200 نسل فعلی شتابدهنده اختصاصی مایکروسافت برای inference است و با فناوری ۳ نانومتری TSMC ساخته شده است. Maia 300 نسل بعدی این خانواده خواهد بود و هدف اصلی آن افزایش مقیاس استفاده از تراشههای اختصاصی مایکروسافت است.
آیا Maia 300 باعث کاهش قیمت سرویسهای هوش مصنوعی میشود؟
احتمال آن وجود دارد، اما هنوز نمیتوان با قطعیت چنین نتیجهای گرفت. اگر Maia 300 بتواند هزینه پردازش هر درخواست AI را کاهش دهد، این موضوع در بلندمدت میتواند به کاهش هزینه زیرساخت و توسعه سرویسهای ارزانتر کمک کند.
