96基のアクセラレーターを搭載するラックがMicrosoftの次のAI戦略を支える
Microsoftは、AIアクセラレーター「Maia 300」を発表した。演算チップレットにはTaiwan Semiconductor Manufacturing Co.（TSMC）のN2Pプロセスを採用し、2027年に本番環境への導入を開始する。今回の発表により、自社製Maiaハードウェアを製品やサービス全体のAI推論における主力システムとするMicrosoftの構想が、具体的な設計として示された。
目次
計画中のラックは、消費電力を167キロワットに抑えながら96基のアクセラレーターを搭載し、27.6テラバイトの広帯域メモリーと毎秒約1.7ペタバイトの合計メモリー帯域幅を備える。Microsoftは、Maia 300がメガワット当たりのトークン生成量で主要なグラフィックス処理装置（GPU）ベースのシステムを40%上回り、Maia 200のラックと比べて最大7倍の出力を実現すると見込んでいる。
これらは企業側の性能主張であり、独立したベンチマークの結果ではない。それでも、Microsoftが投資をどこへ向けているかは明確だ。個々のチップの演算能力を単純に高めるのではなく、データセンターの電力、冷却、設置スペースの制約内で、実用的なAI出力を増やすことを目指している。
Microsoftのクラウド・AI部門エグゼクティブバイスプレジデント、スコット・ガスリー氏は、2026年10月12日付のAzure Maiaに関する発表で導入計画を明らかにした。
2027年からAzure Maiaファミリーを複数ギガワット規模の導入へ拡大し、MaiaをMicrosoftの製品やサービスにおける主力推論システムにします
この方針が対象とするのはMaia 300単体ではなく、Maiaファミリー全体だ。Microsoftが2027年にMaia 300チップを100万個以上導入する可能性があるとの報道は、公表された発表の範囲を超えている。発表で確認されたのは開始年であり、チップ数や拡張全体の完了時期は示されていない。
TSMCのN2Pが製造するもの
Microsoftの説明は、Maia 300を単に2ナノメートルのチップとする一般的な表現よりも具体的だ。演算チップレットには、TSMCの2ナノメートル世代に属するN2Pプロセスを採用する。メモリーコントローラーや入出力機能は別々のダイに配置し、パッケージ内の各部分に、それぞれの用途に適した製造技術を使えるようにしている。
チップレットとは、パッケージ内でほかのダイと連携する小型のシリコン片だ。Maia 300では機能を分けることで、演算機能に先端プロセスを使いつつ、接続性、メモリー制御、コストを別個の設計要素として扱える。パッケージ内のすべてのダイにN2Pを使うという意味ではない。
MicrosoftのAzure Hardware Systems and Infrastructure部門プレジデント、ラニ・ボーカール氏と、Systems Planning and Architecture部門コーポレートバイスプレジデントのサウラブ・ディゲ氏が執筆した、10月12日付のMaia 300のアーキテクチャ分析では、この機能分担が明記されている。
同文書によると、アーキテクチャの変更により、浮動小数点演算で測るシステムの演算スループットは36%向上し、HBM帯域幅は2.5倍となり、アクセラレーター間通信の帯域幅は14%増加する。これらはシステム内の異なるリソースを表す数値であり、いずれも単独ではラックのトークン出力が最大7倍になるとの主張を説明するものではない。
メモリーが演算能力と同じほど重要な理由
Maia 300は主に推論向けに設計されている。推論とは、学習済みモデルを使って回答を生成したり、タスクを実行したりする処理だ。想定するワークロードには、長文書の推論、素早い応答が必要な会話、複数の手順を踏んでツールを使うAIエージェントなどが含まれる。
こうしたワークロードでは、演算処理よりも、モデルデータや保存された会話情報の移動に多くの時間を費やす場合がある。そのためMicrosoftは、各アクセラレーターに8基のHBM4メモリースタックを搭載し、容量288ギガバイト、ピーク帯域幅毎秒18テラバイトを実現した。熱設計電力（TDP）は950ワット。TDPは電力と冷却の設計仕様であり、電力を常時その量だけ消費するという測定値ではない。
Microsoftによると、Maia 200と比べ、Maia 300はメモリー容量が33%増え、帯域幅は2.5倍となる。容量の比較は、アクセラレーター1基当たり216ギガバイトから288ギガバイトへ、72ギガバイト増えるという説明と整合する。
帯域幅の単位には注意が必要だ。一部の報道では旧チップの帯域幅を毎秒テラビット、新ラックの帯域幅を毎秒ペタビットで表している。一方、MicrosoftのMaia 300資料では毎秒テラバイト、毎秒ペタバイトを使う。ビットとバイトには8倍の差があるため、単位の異なる数値をそのまま比較することはできない。
データの行き先を制御するソフトウェア
Maia 300は、Microsoft独自の「Software Defined Locally Accessed Dataflow Architecture（SDLA）」を拡張している。実際には、データの保存場所や移動方法、形式を変えるタイミング、演算エンジン、メモリー、ネットワーク間の処理の連携を、ソフトウェアが明示的に制御できる仕組みだ。
新設計ではチップレット間のメモリー配置に不均一性を持たせている。メモリーの一部は、ほかの領域よりも特定の演算領域に近い。ソフトウェアが必要な演算エンジンの近くにデータを置くことで、データ移動を減らせる。ダイ上にある高速メモリーのSRAMも、ソフトウェアが管理する一時作業領域として使い、HBMへの負荷を軽減する。
さらに、MXFP4や3ビット未満のストレージ形式を含む、よりコンパクトな数値形式への対応を拡大する。こうした表現形式を使うと、メモリー上のデータ量と推論時に移動するバイト数を減らせる。ただし、その有用性は形式を小さくするだけで決まるのではなく、ソフトウェアやモデルの対応状況にも左右される。
設計ではKVキャッシュも重視している。これはモデルがすでに処理したトークンの情報を保存し、各ステップで再計算する必要をなくすものだ。会話が長くなったり、多数の利用者に同時対応したりする場合、キャッシュを小さく保つことが重要になる。
Microsoft AIの最高経営責任者、ムスタファ・スレイマン氏は、同社のモデル開発とハードウェア計画を結びつけ、自社モデルを支える基盤を自ら制御したい理由を説明した。
その規模では、自社で保有し、モデルと共同設計するプラットフォームが必要です。だからこそ、Microsoft AIのモデルをMaiaチップ上で動かすことが、私たちのチームにとって重要な重点分野なのです
1ラックから12,288基のアクセラレーターへ
Maia 300のラックは24枚のトレイで構成され、各トレイにアクセラレーター4基と、対応するホストプロセッサー、メモリー、ストレージ、冷却機器を搭載する。アクセラレーター数は、Maia 200ラックの48基から倍増する。ホスト機器をトレイに統合することで、専用のホストトレイが不要になり、追加のアクセラレーターを置くスペースが生まれる。
Microsoftのネットワーク設計では、最大128ラックを接続し、アクセラレーター12,288基を備えるスーパーポッドを構成できる。ラック内では電気接続、ラック間では光接続を使い、Ethernetを基盤とする独自のAI通信方式を採用する。
このネットワークにより、スーパーポッド全体でソフトウェアに単一の通信モデルを提供する。アクセラレーターは、ホストプロセッサーやラック間通信専用の別のネットワークインターフェースを経由せずに、ほかのアクセラレーターへのデータ転送を開始できる。
モデルを複数のチップに分割する際、この点は重要になる。テンソル並列化ではモデル計算の一部を複数のアクセラレーターに分けるため、それらの間で頻繁な通信が必要だ。Microsoftによると、ソフトウェアは応答時間を最短にする必要がある通信をラック内にとどめ、ほかの処理はより広範囲に分散できる。
同じネットワークを使い、プロンプトの初期処理と、その後の回答生成を分離することもできる。保存済みのKVデータは、各段階を担当するワーカー間で直接移動する。別のラックにある余剰アクセラレーターで、利用できなくなった処理能力を補うこともできるが、通信経路が長くなるため遅延が増える。
効率に関する主張の比較対象
Microsoftは、大きく分けて2つの比較値を示しているが、別々に扱う必要がある。メガワット当たりのトークン数が40%増えるとの見込みは、Maia 300と主要なGPUシステムとの比較だ。ラック当たりのトークン出力が最大7倍になるとの主張は、フル構成のMaia 300ラックとMaia 200ラックを比べている。
トークンは言語モデルが処理するテキストの単位で、単語全体ではなく単語の一部分であることも多い。トークンスループットは出力量を測るが、それだけでは回答の品質、各利用者への応答速度、すべてのモデルでの性能は分からない。
アーキテクチャ資料では、Maia 200に対する効率の表現も異なる。ラックに関する説明ではワット当たり性能が最大2.5倍とされる一方、まとめの比較では2.5倍超とされている。詳細な試験条件が示されていない以上、これらを単一の保証値にまとめるべきではない。
ラックの出力増加には、アクセラレーター数も一部寄与する。Maia 300はチップ数を2倍にするため、スループットが7倍になるとの主張は、単なる高密度化を超えるものだ。メモリー、ソフトウェア、ネットワーク、処理効率の改善も組み合わせている。個々のチップの性能が7倍になるという意味ではない。
アクセラレーターの仕様である950ワットと、ラック全体の電力枠である167キロワットも区別が必要だ。96基に950ワットを掛けると91.2キロワットになる。ラックの数値はホスト、メモリー、ネットワーク、電力供給を含むより広いシステムを対象としており、両者は異なる範囲を表す。
冷却と電力が導入を左右する
ラック当たり167キロワットのMaia 300には、電力と熱を一体で管理する仕組みが必要だ。Microsoftによると、液冷によりアクセラレーター、電圧レギュレーター、ネットワークスイッチチップの熱負荷の80%超を除去する。メモリー、ストレージなどの部品は空冷する。
ラックは、施設で利用可能な場合は水冷設備に直接接続できる。空冷を採用するデータセンターでは、熱交換器を使う。二系統の電源供給と自動切替スイッチにより、一方の電源系統を保守のため停止しても稼働を継続できる。
ラックや列単位で測定した電力データは、データセンターの運用に反映される。Microsoftによると、その情報をアルゴリズムで活用し、利用可能な電力や冷却能力に合わせて電力を配分し、ワークロードを配置し、導入密度を調整する。
Microsoftのゼネラルマネジャー、アリスター・スピアーズ氏は、新アーキテクチャを説明する中で、運用コストとの関係について次のように述べた。
基本的には、より高い性能を実現し、利用可能な電力をより有効に使える新しいアーキテクチャが必要です
したがって、ギガワット規模の導入目標はチップの調達計画にとどまらない。ラック、ネットワーク、電力容量、冷却を含む大規模なインフラ投資を意味する。公表された発表では、対象拠点、地域別の配分、容量拡大の完了時期は明らかにされていない。
Maia 200が出発点に
Microsoftによると、Maia 200はすでにMicrosoft Copilotを含む本番ワークロードで稼働し、新モデルを開発するMAIチームも支援している。OpenAIのモデル、自社のMAIモデル、主要なオープンソースモデル群を動かし、米国、欧州、オーストラリアで導入されている。
GitHub CopilotとMicrosoft Foundryの導入状況については、報道に食い違いがある。両方がすでにMaia 200で本番稼働しているとするものもあるが、Microsoftは10月12日の発表で、2026年末までに導入する見込みだと述べている。両サービスの状況を説明する際は、この公式日程を基準とするのがより確実だ。
Microsoftは、Teams、Copilot、Coworkの機能に組み込まれたAIで、主要GPUインフラと比べてワット当たりのトークン数が最大1.7倍になるとしている。また、コーディング支援、クラウドでのモデル提供、MAI向けの推論とデータ生成、Dragon Copilotによる臨床業務支援などを今後の用途に挙げている。
発表と計画上の節目は次の通り。
- 2023年：Microsoftが初の独自AIアクセラレーター、Maia 100を発表。
- 2026年1月：MicrosoftがMaia 200を発表。
- 2026年10月12日：MicrosoftがMaia 300のアーキテクチャを公表し、Maia 200の本番ワークロードへの導入を確認。
- 2026年末まで：GitHub CopilotとMicrosoft FoundryをMaia 200に導入する見込み。
- 2027年：Maia 300の本番導入と、Maiaファミリーの複数ギガワット規模への拡大を開始。
Microsoftのテクニカルフェロー、ジム・クリーウェイン氏は、Microsoft 365 Copilotの一部機能がMaia 300で高速化する見通しを示している。利用者の応答時間がどれほど改善するかを示す数値は公表されていない。
TSMCと台湾サーバー産業の役割拡大
Maia 300により、TSMCは別の大手クラウド企業の先端AIハードウェアを担うことが確定した。アクセラレーターはMicrosoftが設計し、演算チップレットはTSMCがN2Pで製造する。したがって、購入したGPUへの依存を減らしても、半導体の製造能力への依存はなくならない。
TSMCは、2ナノメートルプロセスを使う5つの工場が2026年に生産を立ち上げると説明している。新竹に2工場、高雄に3工場を設ける。N2Pの量産は2026年後半に予定されており、Microsoftが計画する2027年の導入に先行する。
市場予測では、TSMCの2ナノメートル月間生産能力は2026年末までに約9万～10万枚、2027年半ばには11万枚を超えるとされる。同プロセスが2026年後半の売上高の10%近くを占める可能性があるとの見方は予測であり、Maiaの受注による売上高が確認されたわけではない。
TSMCが掲げる目標には、2ナノメートルプロセス初年度のウエハー生産量を、2023年の3ナノメートル初年度より45%増やすことや、2026年から2028年にかけて2ナノメートルの生産能力を年平均成長率70%で拡大することが含まれる。いずれの目標も、Microsoftが生産量のうちどれだけを確保するかを示すものではない。
より広範な市場予測では、AIサーバー需要の拡大で恩恵を受ける可能性がある企業として、Foxconn、Quanta、Wistron、Wiwynn、Pegatron、Inventec、Compal、MiTACが挙げられている。AIサーバーの出荷台数は2026年に350万台、2027年に520万台と予測される。この丸めた数値から算出される伸び率は約49%で、別途示された46%の予測をわずかに上回る。
また、米大手クラウド事業者の設備投資は2026年に96%増加し、その増加分の約半分はデータセンター建設によるものとの予測もある。FoxconnはAIラックの年間出荷台数を2倍超に増やす見通しを示し、QuantaはAIサーバーを少なくとも100%増やす目標を維持している。これらは業界全体の予測であり、Maia 300の供給契約を裏付けるものではない。
Nvidiaも計画に残る
Microsoftの目標は、自社製品やサービスでMaiaを主力の推論システムにすることであり、Azure全体のGPUをすべて置き換えることではない。新たなモデルの学習は別途必要であり、MicrosoftはそのためにNvidiaやAMDとの協業を続ける。
7月の決算説明会でMicrosoftは、Nvidia Vera RubinとAMD Heliosのシステムを導入する最初期のクラウド事業者の一つになる見通しを示した。Evercore ISIは、2027年第1四半期までにMicrosoftのAIチップ支出に占めるMaiaの割合が約10%になると推定している。支出の割合と、実際にMaiaで処理される推論ワークロードの割合は異なるため、この推定値からMicrosoftの運用目標の達成度を直接測ることはできない。
現在、Maiaアクセラレーターを他社が時間単位で借りることはできない。そのため外部からの評価は限られ、公表された性能主張だけでは、特定のモデルを使った場合に独立した顧客がどのような性能を得られるかは分からない。
導入数、ギガワット規模の能力を実現する時期、詳細なベンチマーク条件、Maiaと購入したGPUの間で最終的にワークロードをどう分担するかは、なお不透明だ。Microsoftは、2026年11月にサンフランシスコとオンラインで開催するIgnite 2026で、戦略の詳細をさらに公表するとしている。
要点
- Maia 300の演算チップレットはTSMCのN2Pを採用し、2027年に本番導入を開始する。
- 各アクセラレーターは288GBのHBM4メモリーと、ピーク帯域幅毎秒18TBを備える。
- フル構成のラックは、電力枠167kWでアクセラレーター96基を搭載する。
- Microsoftは、主要GPUシステム比でメガワット当たりのトークン数が40%増え、Maia 200のラック比で出力が最大7倍になると見込む。
- Maiaファミリーの導入規模は2027年から複数ギガワットへ拡大するが、完了時期は公表されていない。
- Maia 300を100万基以上導入するとの報道は、Microsoftの発表では確認されていない。
- Microsoftは自社ハードウェアと並行して、NvidiaやAMDのシステムも導入する計画を続けている。
