مایکروسافت از تراشه جدید هوش مصنوعی Maia 300 رونمایی کرد

مایکروسافت از نسل سوم تراشه هوش مصنوعی اختصاصی خود با نام Maia 300 رونمایی کرده است؛ تراشه‌ای که برای تبدیل‌شدن به سامانه اصلی استنتاج هوش مصنوعی در محصولات و سرویس‌های این شرکت طراحی شده است. Maia 300 علاوه بر کاهش هزینه و افزایش بهره‌وری اجرای بارهای کاری هوش مصنوعی در فضای ابری، توانایی بیشتری برای اجرای مدل‌های استدلالی جدید و وظایف مبتنی بر عامل‌های هوش مصنوعی دارد.

مایکروسافت قصد دارد عرضه Maia 300 برای استفاده در بارهای کاری عملیاتی را از سال 2027 آغاز کند. این تراشه با تمرکز بر بهره‌وری طراحی شده است. اسکات گاتری، معاون اجرایی بخش رایانش ابری مایکروسافت، می‌گوید انتظار می‌رود Maia 300 در مقایسه با سامانه‌های پیشرو مبتنی بر GPU، به‌ازای هر مگاوات برق، 40 درصد توکن بیشتری پردازش کند. همچنین، در پیکربندی کامل شامل 96 شتاب‌دهنده، توان عملیاتی پردازش توکن در مقیاس رک آن تا 7 برابر بیشتر از Maia 200 خواهد بود.

این بهبودهای بهره‌وری به مایکروسافت امکان می‌دهد در آینده نزدیک بیشتر به تراشه‌های هوش مصنوعی اختصاصی خود متکی باشد و وابستگی‌اش به محصولات انویدیا و AMD را کاهش دهد. گاتری می‌گوید مایکروسافت از سال 2027، خانواده تراشه‌های Azure Maia را در مقیاسی چندگیگاواتی توسعه خواهد داد تا Maia به سامانه اصلی استنتاج هوش مصنوعی برای محصولات و سرویس‌های این شرکت تبدیل شود.

تراشه Maia 300 جانشین Maia 200 است؛ محصولی که تنها در ماه ژانویه معرفی شد. Maia 200 هم‌اکنون برای اجرای بارهای کاری عملیاتی هوش مصنوعی در بخش‌های مختلف مایکروسافت، از جمله Microsoft Copilot، GitHub Copilot، Microsoft Foundry و مدل‌های هوش مصنوعی اختصاصی این شرکت، استفاده می‌شود. گاتری می‌گوید Maia 200 از نظر شاخص‌های عملکرد واقعی سرویس‌های هوش مصنوعی، بهترین زیرساخت هوش مصنوعی در مجموعه مایکروسافت است.

بااین‌حال، Maia 300 به‌عنوان یک سامانه کامل هوش مصنوعی برای نسل جدید بارهای کاری طراحی شده است؛ از جمله استدلال با زمینه طولانی، تعاملات مکالمه‌ای حساس به تأخیر و وظایف چندمرحله‌ای مستمر که عامل‌های هوش مصنوعی انجام می‌دهند. مایکروسافت برای دستیابی به بهبودهای مهم در بهره‌وری، از معماری جدید چیپلت (Chiplet) استفاده می‌کند. معماری Maia 300 بر پایه فرایند ساخت N2P شرکت TSMC توسعه یافته و بخش‌های محاسباتی، کنترلر حافظه و ورودی/خروجی را از یکدیگر جدا می‌کند.

به گفته تیم سخت‌افزار و زیرساخت Azure، این طراحی فضای بیشتری از سطح سیلیکون را به عملکرد محاسباتی اختصاص می‌دهد و به هر بخش اجازه می‌دهد از فناوری ساخت متناسب با وظیفه خود بهره ببرد. Maia 300 همچنین بخش مهمی از برنامه‌های مایکروسافت برای توسعه مدل‌های هوش مصنوعی اختصاصی این شرکت است و می‌تواند به تحقق هدف آن برای هم‌سطح‌شدن با Google DeepMind، OpenAI و Anthropic کمک کند.

مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، می‌گوید:

ما باید در تمام لایه‌ها، تا سطح سیلیکون، به‌صورت یکپارچه کار کنیم. در چنین مقیاسی، به پلتفرمی نیاز داریم که مالک آن باشیم و آن را به‌صورت مشترک با مدل‌های خود طراحی کنیم. به همین دلیل، اجرای مدل‌های هوش مصنوعی مایکروسافت روی تراشه Maia یکی از اولویت‌های اساسی تیم ماست.