MicrosoftはAzure Maiaを2027年からmulti-gigawatt規模へ広げ、primary inference systemにすると発表しました。Maia 200は本番稼働中で、Maia 300は2027年に配備を始めます。 custom siliconの拡大はagentやlong-context workloadの単価とcapacityに影響します。導入側は性能主張だけでなく、region、quota、data residency、fallbackを確認する必要があります。 Azure Maiaを推論基盤として2027年から拡大 Microsoftは2026年10月12日、Azure Maia familyを2027年からmulti-gigawatt規模へ広げ、同社製品・serviceのprimary inference systemにすると発表しました。Maia 200はすでにproduction workloadで稼働し、CopilotとMAI teamを支えています。GitHub CopilotとMicrosoft Foundryも年末までに追加する予定です。OpenAI model、MicrosoftのMAI model、主要なopen-source model familyを扱う方針です。 Maia 300は長文脈と持続的agent taskを想定 2027年にproduction deploymentを始めるMaia 300は、long-context reasoning、低遅延の対話、複数stepが続くagentic task向けのinference-first architectureです。Microsoftはleading GPU-based system比でtokens per megawattを40%増やす見込みと説明します。96 accelerators構成ではMaia 200の最大7倍のrack-scale token throughputを掲げ、8基のHBM4 stackにより18.0 TB/sのpeak memory bandwidthを示しました。 効率はchip単体ではなくdataflowとnetworkで測る Microsoftの説明では、AI workloadでdata movementが重要なbottleneckになるため、Maia 300はcompute、memory、networkをまたぐsoftware-defined dataflowを採用します。scale-up network、Ethernet-based infrastructure、low-precision format、KV-cacheの効率化も組み合わせます。Maia 200はTeams、Copilot、Coworkのbuilt-in AIでleading infrastructure比最大1.7倍のtokens per wattを提供するとしています。 利用企業は性能指標と供給条件を分けて評価する custom siliconの拡大は、agentやlong-context workloadの単価、latency、capacity planningに影響する可能性があります。ただし発表値はMicrosoftの見込みであり、顧客環境の実効性能や料金を直接示すものではありません。Azure利用者はmodel availability、region、throughput quota、data residency、fallback先を契約と設計の両面で確認する必要があります。infrastructure効率を採用判断に使うなら、業務taskごとのqualityと総costを実測することが重要です。