2027-ல் பல ஜிகாவாட் AI திறனை இலக்காகக் கொண்டு, TSMC N2P தொழில்நுட்பத்தைப் பயன்படுத்தும் Microsoft Maia 300

Microsoft-இன் அடுத்த AI முன்னெடுப்புக்கு அடித்தளமாகும் 96 ஆக்சிலரேட்டர்கள் கொண்ட ரேக்

Microsoft, Maia 300-ஐ அறிமுகப்படுத்தியுள்ளது. இந்த AI ஆக்சிலரேட்டரின் கணிப்புச் சிப்லெட்டுகள் Taiwan Semiconductor Manufacturing Co. நிறுவனத்தின் N2P செயல்முறையைப் பயன்படுத்தும்; இதன் உற்பத்திப் பயன்பாடு 2027-ல் தொடங்கும். தனது தயாரிப்புகள் மற்றும் சேவைகளில் AI அனுமானச் செயலாக்கத்தை இயக்குவதற்கான முதன்மை அமைப்பாக சொந்த Maia வன்பொருளை உருவாக்கும் Microsoft-இன் இலக்குக்குப் பின்னால் உள்ள குறிப்பிட்ட வடிவமைப்பை இந்த அறிவிப்பு முன்வைக்கிறது.

திட்டமிடப்பட்டுள்ள ஒரு ரேக்கில், 167 கிலோவாட் மின் வரம்புக்குள் 96 ஆக்சிலரேட்டர்கள் இணைக்கப்படுகின்றன. அதில் 27.6 டெராபைட் உயர் அலைவரிசை நினைவகமும், வினாடிக்கு சுமார் 1.7 பெட்டாபைட் மொத்த நினைவக அலைவரிசையும் உள்ளன. கிராபிக்ஸ் செயலாக்க அலகுகள் (GPU) அடிப்படையிலான முன்னணி அமைப்புகளைவிட, ஒரு மெகாவாட்டுக்கு 40% அதிக டோக்கன்களை Maia 300 வழங்கும் என்றும், Maia 200 ரேக்கின் வெளியீட்டை விட ஏழு மடங்கு வரை வழங்கும் என்றும் Microsoft எதிர்பார்க்கிறது.

இவை நிறுவனத்தின் செயல்திறன் குறித்த கூற்றுகள்; சுயாதீன அளவீட்டுச் சோதனை முடிவுகள் அல்ல. இருப்பினும், Microsoft தனது முதலீட்டை எந்தத் திசையில் செலுத்துகிறது என்பதை இவை காட்டுகின்றன: ஒவ்வொரு சிப்பின் கணிப்புத் திறனை மட்டும் அதிகரிப்பதற்குப் பதிலாக, தரவு மையத்தின் மின்சாரம், குளிரூட்டல் மற்றும் இட வரம்புகளுக்குள் அதிக பயனுள்ள AI வெளியீட்டை அடைவது.

Microsoft-இன் கிளவுட் மற்றும் AI பிரிவின் செயல் துணைத் தலைவர் Scott Guthrie, நிறுவனத்தின் அக்டோபர் 12, 2026 தேதியிட்ட Azure Maia அறிவிப்பில் வரிசைப்படுத்தல் திட்டத்தை வெளியிட்டார்.

2027 முதல் பல ஜிகாவாட் அளவிலான வரிசைப்படுத்தல்களுக்கு எங்கள் Azure Maia குடும்பத்தை விரிவுபடுத்துவோம். இதன்மூலம், Microsoft தயாரிப்புகள் மற்றும் சேவைகளுக்கான முதன்மை அனுமானச் செயலாக்க அமைப்பாக Maia அமையும்.

இந்த உறுதிமொழி Maia 300-ஐ மட்டும் குறிக்கவில்லை; Maia குடும்பத்தையே குறிக்கிறது. 2027-ல் ஒரு மில்லியனுக்கும் அதிகமான Maia 300 சிப்புகளை Microsoft வரிசைப்படுத்தக்கூடும் என்ற செய்திகள், வெளியிடப்பட்ட அறிவிப்பில் உறுதிப்படுத்தப்பட்டவற்றைத் தாண்டிச் செல்கின்றன. விரிவாக்கம் தொடங்கும் ஆண்டை அறிவிப்பு உறுதிசெய்தாலும், சிப்புகளின் எண்ணிக்கையையோ பரந்த விரிவாக்கத்தை முடிப்பதற்கான காலக்கெடுவையோ அது குறிப்பிடவில்லை.

TSMC N2P எதில் பயன்படுத்தப்படும்

Maia 300-ஐ பொதுவாக 2 நானோமீட்டர் சிப் என்று விவரிப்பதைவிட Microsoft-இன் உறுதிப்படுத்தல் துல்லியமானது. கணிப்புச் சிப்லெட்டுகள், TSMC-யின் 2 நானோமீட்டர் குடும்பத்தைச் சேர்ந்த N2P செயல்முறையைப் பயன்படுத்துகின்றன. நினைவகக் கட்டுப்படுத்திகளும் உள்ளீடு, வெளியீட்டுச் செயல்பாடுகளும் தனித்தனி டைகளில் அமைக்கப்பட்டுள்ளன. இதனால் தொகுப்பின் வெவ்வேறு பகுதிகளுக்கு, அவற்றின் பணிக்கு ஏற்ற உற்பத்தித் தொழில்நுட்பங்களைப் பயன்படுத்த முடிகிறது.

சிப்லெட் என்பது ஒரு தொகுப்புக்குள் மற்ற டைகளுடன் இணைந்து செயல்படும் சிறிய சிலிக்கான் துண்டு. Maia 300-இல் இந்தப் பிரிப்பு, மேம்பட்ட செயல்முறையில் கணிப்புச் செயல்பாடுகளை அமைக்கவும், இணைப்பு, நினைவகக் கட்டுப்பாடு மற்றும் செலவு ஆகியவற்றைத் தனித்தனி வடிவமைப்புத் தேர்வுகளாகக் கையாளவும் Microsoft-க்கு வழிவகுக்கிறது. தொகுப்பிலுள்ள ஒவ்வொரு டையும் N2P-ஐப் பயன்படுத்துகிறது என்று இதற்குப் பொருளல்ல.

Microsoft-இன் Azure Hardware Systems and Infrastructure பிரிவுத் தலைவர் Rani Borkar மற்றும் Systems Planning and Architecture பிரிவின் கார்ப்பரேட் துணைத் தலைவர் Saurabh Dighe ஆகியோர் எழுதிய, அக்டோபர் 12 அன்று வெளியான Maia 300 கட்டமைப்பு ஆய்வு, இந்தப் பிரிவைத் தெளிவாக விவரிக்கிறது.

கட்டமைப்பில் செய்யப்பட்ட மாற்றங்கள், மிதவைப்புள்ளிச் செயல்பாடுகளால் அளவிடப்படும் அமைப்பின் கணிப்புச் செயல்திறனை 36% அதிகரிப்பதாகவும், HBM அலைவரிசையை 2.5 மடங்காக்குவதாகவும், ஆக்சிலரேட்டர்களுக்கு இடையிலான தகவல் தொடர்பு அலைவரிசையை 14% அதிகரிப்பதாகவும் அந்த ஆவணம் கூறுகிறது. இந்த எண்ணிக்கைகள் அமைப்பின் வெவ்வேறு வளங்களைக் குறிக்கின்றன. இவற்றில் எதுவும் தனித்தனியாக, ரேக்கின் டோக்கன் வெளியீடு ஏழு மடங்கு அதிகரிக்கும் என்ற கூற்றை விளக்குவதில்லை.

கணிப்புத் திறனைப் போலவே நினைவகமும் ஏன் முக்கியம்

ஏற்கெனவே பயிற்றுவிக்கப்பட்ட மாதிரியைப் பயன்படுத்தி பதில்களை உருவாக்குவது அல்லது பணிகளைச் செய்வது எனும் அனுமானச் செயலாக்கத்துக்காகவே Maia 300 முதன்மையாக வடிவமைக்கப்பட்டுள்ளது. நீண்ட ஆவணங்களை ஆராய்தல், விரைவான பதில்கள் தேவைப்படும் உரையாடல்கள், பல படிகளில் செயல்பட்டு நீண்ட நேரம் கருவிகளைப் பயன்படுத்தும் AI முகவர்கள் ஆகியவை இதற்கான நோக்கமுள்ள பணிச்சுமைகளில் அடங்கும்.

இத்தகைய பணிச்சுமைகளில், கணிதச் செயல்பாடுகளைச் செய்வதைவிட மாதிரித் தரவையும் சேமிக்கப்பட்ட உரையாடல் தகவல்களையும் நகர்த்துவதற்கு அதிக நேரம் செலவாகலாம். எனவே ஒவ்வொரு ஆக்சிலரேட்டரையும் எட்டு HBM4 நினைவக அடுக்குகளைச் சுற்றி Microsoft உருவாக்கியுள்ளது. இதனால் 950 வாட் வெப்ப வடிவமைப்பு மின் வரம்புக்குள் 288 ஜிகாபைட் கொள்ளளவும், வினாடிக்கு 18 டெராபைட் உச்ச அலைவரிசையும் கிடைக்கின்றன. வெப்ப வடிவமைப்பு மின்சக்தி என்பது மின்சாரம் மற்றும் குளிரூட்டலுக்கான வடிவமைப்புக் குறியீடு; இது தொடர்ந்து பயன்படுத்தப்படும் மின்சாரத்தின் அளவீடு அல்ல.

Maia 200-உடன் ஒப்பிடுகையில், Maia 300-இல் நினைவகக் கொள்ளளவு 33% அதிகம் என்றும், நினைவக அலைவரிசை 2.5 மடங்கு அதிகம் என்றும் Microsoft கூறுகிறது. கொள்ளளவு 216 ஜிகாபைட்டிலிருந்து 288 ஜிகாபைட்டாக அதிகரித்துள்ளதாக வெளியாகியுள்ள தகவலுடன் இந்த ஒப்பீடு ஒத்துப்போகிறது. அதாவது, ஒவ்வொரு ஆக்சிலரேட்டருக்கும் 72 ஜிகாபைட் கூடுதல் நினைவகம் கிடைக்கிறது.

அலைவரிசை அலகுகளைக் கவனமாக ஒப்பிட வேண்டும். சில செய்திகள் முந்தைய சிப்பின் அலைவரிசையை வினாடிக்கு டெராபிட் என்றும், புதிய ரேக்கின் அலைவரிசையை வினாடிக்கு பெட்டாபிட் என்றும் குறிப்பிடுகின்றன. Microsoft-இன் Maia 300 ஆவணங்கள் வினாடிக்கு டெராபைட் மற்றும் பெட்டாபைட் என்ற அலகுகளைப் பயன்படுத்துகின்றன. பிட், பைட் ஆகியவற்றுக்கு எட்டு மடங்கு வேறுபாடு இருப்பதால், வெவ்வேறு அலகுகளில் கூறப்பட்டுள்ள அந்த எண்ணிக்கைகளை ஒன்றுக்கொன்று மாற்றாகக் கருதக்கூடாது.

தரவு எங்கு செல்கிறது என்பதை மென்பொருள் கட்டுப்படுத்துகிறது

Maia 300, Microsoft-இன் Software Defined Locally Accessed Dataflow Architecture (SDLA) கட்டமைப்பை விரிவுபடுத்துகிறது. நடைமுறையில், தரவு எங்கு சேமிக்கப்படுகிறது, அது எப்படிப் பரிமாறப்படுகிறது, அதன் வடிவம் எப்போது மாறுகிறது, கணிப்புப் பொறிகள், நினைவகம் மற்றும் வலையமைப்பு ஆகியவற்றில் செயல்பாடுகள் எவ்வாறு ஒருங்கிணைக்கப்படுகின்றன என்பதை மென்பொருள் நேரடியாகக் கட்டுப்படுத்த இது வழிவகுக்கிறது.

புதிய வடிவமைப்பில் சிப்லெட்டுகள் முழுவதும் சீரற்ற நினைவக அமைப்பு பயன்படுத்தப்படுகிறது. சில நினைவகப் பகுதிகள் குறிப்பிட்ட கணிப்புப் பகுதிக்கு அருகில் இருக்கும்; மற்றவை தொலைவில் இருக்கும். எனவே, தரவைத் தேவைப்படும் பொறிகளுக்கு அருகில் வைப்பதன் மூலம் அதன் நகர்வைக் குறைக்க மென்பொருளால் முடியும். டையில் அமைந்துள்ள வேகமான நினைவகமான SRAM, மென்பொருள் நிர்வகிக்கும் தற்காலிகப் பணியிடமாகவும் செயல்படுகிறது; இதனால் HBM மீதான தேவை குறைகிறது.

இந்த மாற்றங்களுடன், MXFP4 உள்ளிட்ட சுருக்கமான எண் வடிவங்களுக்கும், மூன்று பிட்டுகளுக்கும் குறைவான சேமிப்பு வடிவங்களுக்கும் மேம்படுத்தப்பட்ட ஆதரவை Microsoft இணைக்கிறது. இத்தகைய வடிவங்கள், தரவு நினைவகத்தில் எடுத்துக்கொள்ளும் இடத்தையும் அனுமானச் செயலாக்கத்தின்போது நகர்த்த வேண்டிய பைட்டுகளின் எண்ணிக்கையையும் குறைக்கின்றன. அவற்றின் பயன், சிறிய வடிவம் மட்டுமல்லாமல், மென்பொருள் மற்றும் மாதிரிகளின் ஆதரவையும் பொறுத்தது.

ஏற்கெனவே செயலாக்கப்பட்ட டோக்கன்களின் தகவல்களைச் சேமிக்கும் KV cache-யையும் இந்த வடிவமைப்பு இலக்காகக் கொண்டுள்ளது. இதனால் ஒவ்வொரு படியிலும் அந்தத் தகவலை மீண்டும் கணக்கிட வேண்டியதில்லை. உரையாடல்கள் நீளமாகும்போதும் அல்லது ஒரே நேரத்தில் பல பயனர்களுக்குச் சேவை வழங்க வேண்டியபோதும் இந்தத் தற்காலிக நினைவகத்தைச் சுருக்கமாக வைத்திருப்பது முக்கியம்.

தனது குழு மாதிரிகளுக்குக் கீழே உள்ள தளத்தின் மீதான கட்டுப்பாட்டை ஏன் விரும்புகிறது என்பதை விளக்கி, Microsoft AI தலைமைச் செயல் அதிகாரி Mustafa Suleyman, வன்பொருள் திட்டத்தை நிறுவனத்தின் மாதிரி உருவாக்கப் பணிகளுடன் இணைத்துப் பேசினார்.

அந்த அளவில் எங்களுக்குச் சொந்தமான, எங்கள் மாதிரிகளுடன் இணைந்து வடிவமைக்கும் ஒரு தளம் தேவை. அதனால்தான் Maia சிப்பில் எங்கள் Microsoft AI மாதிரிகளை இயக்குவது எங்கள் குழுவின் முக்கியக் கவனமாக உள்ளது.

ஒரு ரேக்கிலிருந்து 12,288 ஆக்சிலரேட்டர்கள் வரை

Maia 300 ரேக்கில் 24 தட்டுகள் உள்ளன. ஒவ்வொரு தட்டிலும் நான்கு ஆக்சிலரேட்டர்களுடன் தொடர்புடைய ஹோஸ்ட் செயலி, நினைவகம், சேமிப்பகம் மற்றும் குளிரூட்டல் அமைப்புகள் இடம்பெறுகின்றன. Maia 200 ரேக்கில் இருந்த 48 ஆக்சிலரேட்டர்களுடன் ஒப்பிடுகையில் இது இரட்டிப்பு எண்ணிக்கையாகும். ஹோஸ்ட் உபகரணங்களை இந்தத் தட்டுகளிலேயே ஒருங்கிணைப்பதால் தனி ஹோஸ்ட் தட்டுகள் தேவையில்லை; கூடுதல் ஆக்சிலரேட்டர்களுக்கான இடமும் கிடைக்கிறது.

Microsoft-இன் வலையமைப்பு வடிவமைப்பு, 128 ரேக்குகள் வரை இணைத்து 12,288 ஆக்சிலரேட்டர்களைக் கொண்ட சூப்பர்பாடை உருவாக்கும். ரேக்குகளுக்குள் மின்சார இணைப்புகளையும், ரேக்குகளுக்கு இடையே ஒளியிழை இணைப்புகளையும் இது பயன்படுத்துகிறது. இதற்கென உருவாக்கப்பட்ட AI போக்குவரத்து முறை Ethernet அடிப்படையில் அமைந்துள்ளது.

சூப்பர்பாட் முழுவதும் மென்பொருளுக்கு ஒரே தகவல் தொடர்பு முறையை இந்த வலையமைப்பு வழங்குகிறது. ரேக்குகளுக்கு இடையிலான தகவல் பரிமாற்றத்திற்காக ஹோஸ்ட் செயலி அல்லது தனி வலையமைப்பு இடைமுகம் வழியாகச் செல்லாமல், ஆக்சிலரேட்டர்கள் மற்ற ஆக்சிலரேட்டர்களுக்குத் தரவு பரிமாற்றத்தைத் தொடங்க முடியும்.

ஒரு மாதிரி பல சிப்புகளுக்கிடையே பிரிக்கப்படும்போது இது முக்கியமாகிறது. டென்சர் இணைச் செயலாக்கத்தில் மாதிரியின் கணக்கீடுகள் ஆக்சிலரேட்டர்களுக்கிடையே பிரிக்கப்படுவதால், அவற்றுக்குள் அடிக்கடி தகவல் பரிமாற்றம் தேவைப்படுகிறது. மிகக் குறைந்த பதில் நேரம் தேவைப்படும் போக்குவரத்தை ஒரு ரேக்குக்குள் வைத்திருக்கவும், பிற பணிகளைப் பரந்த அளவில் பகிரவும் மென்பொருளால் முடியும் என Microsoft கூறுகிறது.

ஒரு கேள்விக்கான ஆரம்பச் செயலாக்கத்தையும் அதற்குப் பதில் உருவாக்கும் அடுத்த கட்டத்தையும் இதே வலையமைப்பு தனித்தனியாகப் பிரிக்க முடியும். சேமிக்கப்பட்ட KV தரவு, இந்த இரு கட்டங்களையும் கையாளும் பணியாளர்களுக்கிடையே நேரடியாக நகர்கிறது. திறன் கிடைக்காதபோது மற்றொரு ரேக்கிலுள்ள பயன்படுத்தப்படாத ஆக்சிலரேட்டர்களும் பணியை ஏற்கலாம்; ஆனால் நீண்ட தகவல் தொடர்புப் பாதையால் கூடுதல் தாமதம் ஏற்படும்.

செயல்திறன் கூற்றுகள் உண்மையில் எதை ஒப்பிடுகின்றன

ஒன்றாகக் கலக்கக்கூடாத இரண்டு முக்கிய ஒப்பீடுகளை Microsoft முன்வைக்கிறது. மெகாவாட்டுக்கு டோக்கன்கள் 40% அதிகரிக்கும் என்ற எதிர்பார்ப்பு, Maia 300-ஐ முன்னணி GPU அமைப்புகளுடன் ஒப்பிடுகிறது. ரேக்குக்கு ஏழு மடங்கு வரை டோக்கன் வெளியீடு என்ற கூற்று, முழுமையாக அமைக்கப்பட்ட Maia 300 ரேக்கை Maia 200 ரேக்குடன் ஒப்பிடுகிறது.

டோக்கன் என்பது மொழி மாதிரி செயலாக்கும் உரையின் ஓர் அலகு; அது பெரும்பாலும் முழுச் சொல்லாக இல்லாமல் சொல்லின் ஒரு பகுதியாக இருக்கும். டோக்கன் செயலாக்க அளவு, வெளியீட்டின் அளவைக் காட்டுகிறது. ஆனால் அதுவே பதிலின் தரத்தையோ ஒவ்வொரு பயனருக்கான பதில் வேகத்தையோ எல்லா மாதிரிகளின் செயல்திறனையோ நிரூபிக்காது.

Maia 200-உடனான செயல்திறன் ஒப்பீட்டில் கட்டமைப்பு ஆவணம் வெவ்வேறு சொற்றொடர்களைப் பயன்படுத்துகிறது. ரேக் குறித்த பகுதியில், ஒரு வாட்டுக்கு 2.5 மடங்கு வரை அதிக செயல்திறன் எனக் கூறப்பட்டுள்ளது; இறுதி ஒப்பீட்டில் 2.5 மடங்குக்கும் அதிகம் என்று கூறப்படுகிறது. விரிவான சோதனை நிபந்தனைகள் இல்லாத நிலையில், இந்த விளக்கங்களை ஒரே உறுதியான முடிவாகச் சுருக்கக்கூடாது.

ரேக்கின் வெளியீடு அதிகரிப்பதற்கான ஒரு காரணத்தை ஆக்சிலரேட்டர்களின் எண்ணிக்கை விளக்குகிறது: Maia 300 சிப்புகளின் எண்ணிக்கையை இரட்டிப்பாக்குகிறது. எனவே, வெளியீடு ஏழு மடங்கு அதிகரிக்கும் என்ற கூற்று, சிப்புகளின் எண்ணிக்கை அதிகரிப்பதைத் தாண்டி, நினைவகம், மென்பொருள், வலையமைப்பு மற்றும் செயலாக்கத் திறனில் ஏற்பட்ட மாற்றங்களையும் உள்ளடக்குகிறது. ஒவ்வொரு தனிச் சிப்பின் செயல்திறன் ஏழு மடங்கு உயர்கிறது என்று இதைப் பொருள்கொள்ளக்கூடாது.

ஆக்சிலரேட்டருக்கான 950 வாட் விவரக்குறையும், ரேக்குக்கான 167 கிலோவாட் மின் வரம்பும் வேறுபட்டவை. 96-ஐ 950 வாட்டால் பெருக்கினால் 91.2 கிலோவாட் கிடைக்கும். ஹோஸ்ட்கள், நினைவகம், வலையமைப்பு மற்றும் மின்சார விநியோகம் உள்ளிட்ட பரந்த அமைப்பை ரேக்கின் அளவீடு உள்ளடக்குவதால், இந்த இரண்டு மதிப்புகளும் வெவ்வேறு எல்லைகளைக் குறிக்கின்றன.

குளிரூட்டலும் மின்சாரமும் வரிசைப்படுத்தலை வடிவமைக்கின்றன

ஒரு ரேக்குக்கு 167 கிலோவாட் என்ற அளவில், Maia 300-க்கு மின்சாரம் மற்றும் வெப்பத்தை ஒருங்கிணைந்த முறையில் கையாள வேண்டும். ஆக்சிலரேட்டர்கள், மின்னழுத்த ஒழுங்குபடுத்திகள் மற்றும் வலையமைப்பு ஸ்விட்ச் சிப்புகளின் வெப்பச் சுமையில் 80%-க்கும் அதிகமானதை திரவக் குளிரூட்டல் வெளியேற்றுவதாக Microsoft கூறுகிறது. நினைவகம், சேமிப்பகம் மற்றும் பிற பாகங்களை காற்றுக் குளிரூட்டல் கையாள்கிறது.

வசதி மையத்தில் நீர் கிடைக்கும்போது ரேக்கை நேரடியாக நீர் விநியோகத்துடன் இணைக்கலாம்; காற்றுக் குளிரூட்டலைப் பயன்படுத்தும் தரவு மையத்தில் வெப்பப் பரிமாற்றியையும் பயன்படுத்தலாம். பராமரிப்புக்காக ஒரு மின் இணைப்பு துண்டிக்கப்படும்போது தொடர்ந்து இயக்கத்தை ஆதரிக்க இரட்டை மின் இணைப்புகளும் தானியங்கி மாறுதல் ஸ்விட்சும் உள்ளன.

ரேக் மற்றும் வரிசை அளவிலான மின் அளவீடுகள் தரவு மையச் செயல்பாடுகளுக்கு அனுப்பப்படுகின்றன. கிடைக்கும் மின்சாரம் மற்றும் குளிரூட்டல் திறனுக்கு ஏற்ப, மின்சாரத்தைப் பகிர்ந்தளிக்கவும், பணிச்சுமைகளை அமைக்கவும், வரிசைப்படுத்தல் அடர்த்தியை மாற்றவும் இந்தத் தகவல் தங்கள் வழிமுறைகளுக்கு உதவுவதாக Microsoft கூறுகிறது.

புதிய கட்டமைப்பைப் பற்றிப் பேசும்போது Microsoft பொது மேலாளர் Alistair Speirs, செயல்பாட்டுச் செலவுடனான தொடர்பை விளக்கினார்.

அடிப்படையில், எங்களிடம் உள்ள மின்சாரத்தைச் சிறப்பாகப் பயன்படுத்தி, மேம்பட்ட செயல்திறனை வழங்கும் புதிய கட்டமைப்புகள் எங்களுக்குத் தேவை.

எனவே, ஜிகாவாட் அளவிலான வரிசைப்படுத்தல் இலக்கு என்பது சிப்புகள் வாங்கும் திட்டத்தை மட்டும் குறிக்கவில்லை. ரேக்குகள், வலையமைப்புகள், மின் திறன் மற்றும் குளிரூட்டல் ஆகியவற்றை உள்ளடக்கிய பெரிய உள்கட்டமைப்பு உறுதிப்பாட்டை இது விவரிக்கிறது. அந்தத் திறனுக்கான இடங்கள், பிராந்தியப் பகிர்வு அல்லது நிறைவு அட்டவணையை வெளியிடப்பட்ட அறிவிப்பு குறிப்பிடவில்லை.

Maia 200 தொடக்க அடித்தளமாக உள்ளது

Microsoft Copilot உள்ளிட்ட உற்பத்திப் பணிச்சுமைகளுக்கு Maia 200 ஏற்கெனவே சேவை வழங்குவதாகவும், புதிய மாதிரிகளை உருவாக்கும் MAI குழுவுக்கு ஆதரவளிப்பதாகவும் Microsoft கூறுகிறது. இது OpenAI மாதிரிகள், Microsoft-இன் சொந்த MAI மாதிரிகள் மற்றும் முன்னணி திறந்த மூல மாதிரிக் குடும்பங்களை இயக்குகிறது. அமெரிக்கா, ஐரோப்பா மற்றும் ஆஸ்திரேலியாவில் இது பயன்பாட்டில் உள்ளது.

GitHub Copilot மற்றும் Microsoft Foundry-யின் அறிமுகம் குறித்த தகவல்கள் மாறுபடுகின்றன. இரண்டும் Maia 200-இல் ஏற்கெனவே உற்பத்திப் பணிச்சுமைகளை இயக்குவதாக ஒரு அறிக்கை கூறுகிறது. 2026 இறுதிக்குள் அவையும் Maia 200-க்கு மாறும் என Microsoft-இன் அக்டோபர் 12 அறிக்கை கூறுகிறது. அவற்றின் நிலையைக் குறிப்பிடுவதற்கு அந்த அதிகாரப்பூர்வ கால அட்டவணையே உறுதியான அடிப்படையாகும்.

முன்னணி GPU உள்கட்டமைப்புடன் ஒப்பிடும்போது, Teams, Copilot மற்றும் Cowork அனுபவங்களில் உள்ளமைக்கப்பட்ட AI செயல்பாடுகளுக்கு ஒரு வாட்டுக்கு டோக்கன்கள் 1.7 மடங்கு வரை அதிகம் என Microsoft தெரிவிக்கிறது. நிரலாக்க உதவி, கிளவுட் மாதிரி சேவை, MAI-க்கான அனுமானச் செயலாக்கம் மற்றும் தரவு உருவாக்கம், Dragon Copilot வழியான மருத்துவப் பணிச்சூழல்கள் உள்ளிட்ட எதிர்காலப் பயன்பாடுகளையும் அது சுட்டிக்காட்டுகிறது.

அறிவிப்புகள் மற்றும் திட்டமிடப்பட்ட மைல்கற்களின் வரிசை:

• 2023: Microsoft தனது முதல் தனிப்பயன் AI ஆக்சிலரேட்டரான Maia 100-ஐ அறிமுகப்படுத்துகிறது.
• ஜனவரி 2026: Microsoft Maia 200-ஐ அறிவிக்கிறது.
• அக்டோபர் 12, 2026: Microsoft Maia 300-இன் கட்டமைப்பை வெளியிட்டு, Maia 200 உற்பத்திப் பணிச்சுமைகளில் பயன்படுத்தப்படுவதை உறுதிப்படுத்துகிறது.
• 2026 இறுதிக்குள்: GitHub Copilot மற்றும் Microsoft Foundry ஆகியவையும் Maia 200-க்கு மாறும் என எதிர்பார்க்கப்படுகிறது.
• 2027: Maia 300-இன் உற்பத்திப் பயன்பாடும், Maia குடும்பத்தைப் பல ஜிகாவாட் அளவுக்கு விரிவுபடுத்தும் பணியும் தொடங்கும்.

Maia 300 மூலம் Microsoft 365 Copilot-இன் சில பகுதிகள் வேகமாகும் என Microsoft தொழில்நுட்ப ஆய்வாளர் Jim Kleewein கூறுகிறார். பயனர் பதில் நேரங்களில் ஏற்படும் மேம்பாட்டுக்கான அளவிடப்பட்ட விவரம் எதுவும் அறிவிக்கப்படவில்லை.

TSMC மற்றும் தைவானின் சர்வர் தொழில்துறைக்கு விரிவடையும் பங்கு

மற்றொரு பெரிய கிளவுட் நிறுவனத்தின் மேம்பட்ட AI வன்பொருளில் TSMC-க்கு உறுதிப்படுத்தப்பட்ட பங்கை Maia 300 வழங்குகிறது. ஆக்சிலரேட்டரை Microsoft வடிவமைக்கிறது; அதன் N2P கணிப்புச் சிப்லெட்டுகளை TSMC உற்பத்தி செய்கிறது. எனவே, வாங்கப்படும் GPU-களைச் சார்ந்திருப்பதைக் குறைப்பது, குறைக்கடத்தி உற்பத்தித் திறனைச் சார்ந்திருப்பதை நீக்காது.

2 நானோமீட்டர் செயல்முறையைப் பயன்படுத்தும் ஐந்து தொழிற்சாலைகள் 2026-ல் உற்பத்தியை அதிகரிக்கும் என TSMC தெரிவித்துள்ளது. அவற்றில் இரண்டு சின்சுவிலும் மூன்று கவோசியோங்கிலும் உள்ளன. N2P-யின் பெருமளவு உற்பத்தி 2026 இரண்டாம் பாதியில் திட்டமிடப்பட்டுள்ளது; இது Microsoft திட்டமிட்டுள்ள 2027 வரிசைப்படுத்தலுக்கு முந்தையது.

2026 இறுதிக்குள் TSMC-யின் மாதாந்திர 2 நானோமீட்டர் உற்பத்தித் திறன் சுமார் 90,000 முதல் 100,000 செமிக்கண்டக்டர் வேஃபர்களாகவும், 2027 நடுப்பகுதிக்குள் 110,000-ஐத் தாண்டியும் இருக்கும் என சந்தை மதிப்பீடுகள் கூறுகின்றன. இந்தச் செயல்முறை ஆண்டின் இரண்டாம் பாதி வருவாயில் கிட்டத்தட்ட 10% பங்களிக்கக்கூடும் என்ற மதிப்பீடுகள் முன்னறிவிப்புகளே தவிர, Maia ஆர்டர்களிலிருந்து உறுதிப்படுத்தப்பட்ட வருவாய் அல்ல.

2 நானோமீட்டர் செயல்முறையின் முதல் ஆண்டில், 2023-ல் 3 நானோமீட்டர் உற்பத்தியின் முதல் ஆண்டைவிட 45% அதிக வேஃபர் உற்பத்தி செய்வதும், 2026 முதல் 2028 வரை 2 நானோமீட்டர் உற்பத்தித் திறனை ஆண்டுக்கு சராசரியாக 70% வளர்ப்பதும் TSMC அறிவித்துள்ள இலக்குகளில் அடங்கும். இந்த இலக்குகள் எதுவும் அந்த உற்பத்தியில் Microsoft-க்குரிய பங்கை உறுதிப்படுத்துவதில்லை.

AI சர்வர்களுக்கான தேவை அதிகரிப்பால் Foxconn, Quanta, Wistron, Wiwynn, Pegatron, Inventec, Compal மற்றும் MiTAC நிறுவனங்கள் பயனடையக்கூடும் எனப் பரந்த சந்தை முன்னறிவிப்புகள் குறிப்பிடுகின்றன. AI சர்வர் ஏற்றுமதி 2026-ல் 3.5 மில்லியனாகவும், 2027-ல் 5.2 மில்லியனாகவும் இருக்கும் என மதிப்பிடப்பட்டுள்ளது. இந்தச் சுற்றாக்கப்பட்ட மொத்த எண்ணிக்கைகள் சுமார் 49% வளர்ச்சியைக் குறிக்கின்றன; இது தனியாகக் குறிப்பிடப்பட்ட 46% முன்னறிவிப்பைவிடச் சற்றே அதிகம்.

2026-ல் அமெரிக்காவின் முன்னணி கிளவுட் வழங்குநர்களின் மூலதனச் செலவு 96% அதிகரிக்கும் என்றும், அந்த உயர்வில் பாதியளவு தரவு மையக் கட்டுமானத்துக்குச் செல்லும் என்றும் முன்னறிவிப்புகள் கணிக்கின்றன. AI ரேக் ஏற்றுமதி ஆண்டுக்கு இரட்டிப்புக்கும் அதிகமாகும் என Foxconn எதிர்பார்க்கிறது; AI சர்வர் வளர்ச்சி குறைந்தது 100% இருக்கும் என்ற இலக்கை Quanta தொடர்ந்து முன்வைக்கிறது. இவை பரந்த தொழில்துறை எதிர்பார்ப்புகளே தவிர, Maia 300 விநியோக ஒப்பந்தங்கள் உறுதிசெய்யப்பட்டுள்ளன என்பதற்கான ஆதாரமல்ல.

Nvidia-வும் திட்டத்தின் ஒரு பகுதியாகவே உள்ளது

தனது தயாரிப்புகள் மற்றும் சேவைகளுக்கான முதன்மை அனுமானச் செயலாக்க அமைப்பாக Maia-வை உருவாக்குவதே Microsoft-இன் இலக்கு; Azure முழுவதிலும் உள்ள ஒவ்வொரு GPU-வையும் மாற்றுவது அல்ல. புதிய மாதிரிகளைப் பயிற்றுவிப்பது தனியான தேவையாக உள்ளது. அந்தப் பணிக்காக Nvidia மற்றும் AMD நிறுவனங்களுடன் Microsoft தொடர்ந்து பணியாற்றுகிறது.

ஜூலை மாத வருவாய் கலந்துரையாடலில், Nvidia Vera Rubin மற்றும் AMD Helios அமைப்புகளைப் பயன்படுத்தும் முதல் கிளவுட் வழங்குநர்களில் ஒன்றாக இருக்கும் என Microsoft கூறியது. 2027 முதல் காலாண்டுக்குள் Microsoft-இன் AI சிப் செலவில் Maia சுமார் 10% ஆக இருக்கக்கூடும் என Evercore ISI மதிப்பிடுகிறது. செலவின் பங்கு என்பது மேற்கொள்ளப்படும் அனுமானச் செயலாக்கப் பணியின் பங்குக்கு இணையானதல்ல. எனவே, அந்த மதிப்பீடு Microsoft-இன் செயல்பாட்டு இலக்கை நோக்கிய முன்னேற்றத்தை நேரடியாக அளவிடாது.

தற்போது பிற நிறுவனங்கள் Maia ஆக்சிலரேட்டர்களை மணிநேர அடிப்படையில் வாடகைக்கு எடுக்க முடியாது. இதனால் வெளிப்புற மதிப்பீடு கட்டுப்படுத்தப்படுகிறது; குறிப்பிட்ட மாதிரியைப் பயன்படுத்தும் சுயாதீன வாடிக்கையாளர் எத்தகைய முடிவை அடைவார் என்பதை வெளியிடப்பட்ட செயல்திறன் கூற்றுகள் நிரூபிக்கவில்லை.

வரிசைப்படுத்தப்படும் சிப்புகளின் எண்ணிக்கை, முழு ஜிகாவாட் திறனை எட்டும் காலம், விரிவான அளவீட்டுச் சோதனை நிபந்தனைகள், Maia மற்றும் வாங்கப்படும் GPU-களுக்கு இடையிலான பணிச்சுமைப் பகிர்வு ஆகியவை இன்னும் தெளிவாகவில்லை. சான் பிரான்சிஸ்கோவிலும் இணையவழியிலும் நவம்பரில் நடைபெறும் Ignite 2026 நிகழ்வில் கூடுதல் வியூகத் தகவல்களைப் பகிர்வதாக Microsoft கூறுகிறது.

முக்கிய அம்சங்கள்

• Maia 300-இன் கணிப்புச் சிப்லெட்டுகள் TSMC N2P-ஐப் பயன்படுத்துகின்றன; உற்பத்திப் பயன்பாடு 2027-ல் தொடங்கும்.
• ஒவ்வொரு ஆக்சிலரேட்டரிலும் 288 ஜிபி HBM4 நினைவகமும், வினாடிக்கு 18 டிபி உச்ச நினைவக அலைவரிசையும் உள்ளன.
• முழுமையான ஒரு ரேக்கில் 167 கிலோவாட் மின் வரம்புக்குள் 96 ஆக்சிலரேட்டர்கள் உள்ளன.
• முன்னணி GPU அமைப்புகளைவிட ஒரு மெகாவாட்டுக்கு 40% அதிக டோக்கன்களும், Maia 200 ரேக்கின் வெளியீட்டைவிட ஏழு மடங்கு வரையும் கிடைக்கும் என Microsoft எதிர்பார்க்கிறது.
• Maia குடும்பத்தின் வரிசைப்படுத்தல்கள் 2027 முதல் பல ஜிகாவாட் அளவுக்கு விரிவடையும்; நிறைவு காலக்கெடு வெளியிடப்படவில்லை.
• ஒரு மில்லியனுக்கும் அதிகமான Maia 300 சிப்புகள் வரிசைப்படுத்தப்படும் என்ற செய்திகள் Microsoft அறிவிப்பில் உறுதிப்படுத்தப்படவில்லை.
• சொந்த வன்பொருளுடன் Nvidia மற்றும் AMD அமைப்புகளையும் வரிசைப்படுத்த Microsoft தொடர்ந்து திட்டமிடுகிறது.