Microsoft treibt die Entwicklung eigener Halbleiter für Rechenzentren weiter voran. Am 12. Oktober 2026 stellte der Konzern auf dem OCP Global Summit in San Jose mit Azure Maia 300 die dritte Generation seines internen KI-Beschleunigers vor.
Der Chip ist als primäres Inferenz-System für die hauseigenen Microsoft-Produkte vorgesehen. Das Unternehmen plant den Rollout für das Jahr 2027 und strebt eine Skalierung der Maia-Produktfamilie auf Multi-Gigawatt-Deployments an.
Leistungsdaten und Architektur des neuen Beschleunigers
Der Maia 300 basiert auf einem Compute-Die, das im N2P-Prozess von TSMC gefertigt wird. Jeder einzelne Beschleuniger verfügt über eine Leistungsaufnahme von 950 Watt sowie acht HBM4-Speicherstapel mit einer Gesamtkapazität von 288 Gigabyte und einer Bandbreite von 18 Terabyte pro Sekunde.
Auf Rack-Ebene werden 96 Beschleuniger gebündelt, was einem Leistungsbedarf von rund 167 Kilowatt entspricht. Ein solches Rack stellt insgesamt 27,6 Terabyte High Bandwidth Memory und eine Bandbreite von 1,7 Petabyte pro Sekunde bereit. Gegenüber dem Vorgänger Maia 200 bedeutet dies die zweieinhalbfache Bandbreite und 33 Prozent mehr Speicherkapazität.
Während die Hardware-Entwicklung rasant voranschreitet, stellt der regulatorische Rahmen für den Einsatz von KI-Systemen Unternehmen vor neue Herausforderungen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
Nach Angaben von Microsoft soll das System einen bis zu siebenfach höheren Token-Durchsatz pro Rack im Vergleich zum Maia 200 erreichen und rund 40 Prozent mehr Tokens pro Megawatt liefern als führende GPU-Systeme.
Diese Werte wurden bislang nicht unabhängig verifiziert. Gegenüber Nvidias Rubin-Architektur weist der Maia 300 rund 20 Prozent weniger Speicherbandbreite auf. Das Modelltraining will Microsoft weiterhin auf Beschleunigern von Nvidia und AMD durchführen.
Geplante Skalierung und wirtschaftliche Hintergründe
Scott Guthrie, Executive Vice President Cloud und AI bei Microsoft, verwies darauf, dass Maia das primäre Inferenz-System des Konzerns werden soll, wobei im Jahr 2027 potenziell über eine Million Einheiten zum Einsatz kommen könnten.
Im August 2026 verhandelte Microsoft mit TSMC über mehr als 300.000 Maia-300-Chips für 2027. Berichten zufolge handle es sich bei der Zahl von rund einer Million Chips bislang um eine Absichtserklärung und nicht um eine feste Bestellung. Bislang wurden weder genaue Auslieferungsvolumina, Ziel-Rechenzentren noch ein verbindlicher Produktionspartner offiziell offengelegt.
Der Einsatz leistungsstarker KI-Infrastrukturen erfordert eine klare Einordnung der genutzten Systeme in rechtliche Risikoklassen. Erfahren Sie in diesem kostenlosen Report, welche Anforderungen die EU-KI-Verordnung stellt und wie Unternehmen ihre Dokumentationspflichten rechtssicher erfüllen. Kostenlosen Umsetzungsleitfaden zum AI Act anfordern
Maia-Chips befinden sich bereits im produktiven Einsatz für Microsoft Copilot, GitHub Copilot und eigene KI-Modelle. Der 2023 im Fünf-Nanometer-Verfahren eingeführte Maia 100 sowie der im Januar 2026 vorgestellte Maia 200 in Drei-Nanometer-Technik laufen in Rechenzentren in den USA, Europa und Australien. Der Rollout für GitHub Copilot und Microsoft Foundry soll bis Ende 2026 abgeschlossen sein.
Rani Borkar, President Azure Hardware Systems, erklärte, die wirtschaftliche Effizienz entscheide sich nicht über die maximale Spitzenrechenleistung, sondern über die Token-Effizienz. Bei Investitionsausgaben von mehr als 175 Milliarden US-dollar im laufenden Kalenderjahr schätzt das Analysehaus Evercore ISI, dass Maia bis zum ersten Quartal 2027 etwa 10 Prozent der KI-Chip-Ausgaben von Microsoft ausmachen könnte.
Der Trend zu maßgeschneiderter Halbleitertechnik
Mit dem verstärkten Fokus auf eigene Halbleiter will Microsoft die Margen externer Chipanbieter reduzieren. Dieser Schritt spiegelt eine branchenweite Entwicklung wider.
Laut Gartner wächst der Markt für kundenspezifische ASICs von 67,7 Milliarden US-Dollar im Jahr 2025 auf 203,6 Milliarden US-Dollar im Jahr 2030; bereits 2027 sollen die ASIC-Auslieferungen im Markt für Hochleistungs-Cloud-KI die von GPUs übertreffen.
Auch Wettbewerber wie Google mit seinen TPUs, Amazon mit Trainium und Meta mit MTIA investieren stark in eigene Architekturen, um ihre Abhängigkeit vom Merchant-Silicon-Markt zu verringern.