Tra i grandi operatori cloud, Microsoft è quella che ha aspettato di più prima di progettarsi il proprio acceleratore. Ed è anche quella che, per via del rapporto con OpenAI, ne aveva più bisogno.
Le origini
Il programma diventa pubblico alla fine del 2023, quando Microsoft presenta due chip insieme: Maia, acceleratore per l'AI, e Cobalt, una CPU Arm per i carichi generali di Azure. Non è un debutto improvvisato — l'azienda progetta silicio da anni per Xbox, per HoloLens e per i moduli di sicurezza dei server — ma è la prima volta che entra nel cuore del data center.
Maia nasce con un vincolo di progetto particolare: viene sviluppato in stretta relazione con i carichi reali dei modelli OpenAI, quindi ottimizzato su forme di rete note anziché su un profilo generico. Attorno al chip Microsoft ha progettato anche l'infrastruttura fisica: rack dedicati e un sistema di raffreddamento a liquido pensato per essere installato nei data center esistenti senza rifarli.
Cosa fa davvero
Maia non è in vendita: è capacità interna di Azure, usata per servire una parte dei carichi di inferenza dei servizi Microsoft — Copilot, le funzioni AI di Office e Bing, i modelli offerti tramite Azure AI. La CPU Cobalt segue la stessa logica di Graviton in AWS: prendersi la fetta di calcolo generalista che non richiede acceleratori.
La transizione, però, si è rivelata più lenta del previsto. Le generazioni successive del chip hanno accumulato ritardi rispetto ai piani annunciati, e nel frattempo Azure ha continuato a costruire la propria capacità AI soprattutto su GPU NVIDIA e, in misura minore, su acceleratori AMD.
La svolta AI
Il senso strategico di Maia va letto insieme all'evoluzione del rapporto con OpenAI, che nel frattempo si è allargata ad altri fornitori cloud e ha avviato programmi di silicio proprio. Per Microsoft, avere un acceleratore interno significa tre cose: ridurre il costo per token dei servizi che vende a margine, avere una leva sui prezzi di acquisto delle GPU e non dipendere da un unico fornitore per una capacità che vale decine di miliardi l'anno.
Dove può rompersi
Il rischio principale è semplicemente arrivare tardi con un prodotto che insegue prestazioni già superate. Progettare un acceleratore richiede due o tre anni; se ogni anno esce una nuova generazione commerciale, il confronto si fa contro un bersaglio in movimento.
Il secondo rischio è di specializzazione: un chip ottimizzato su un insieme di modelli invecchia male se le architetture cambiano. E il terzo è interno — il costo opportunità di un programma di silicio che assorbe ingegneri, capitale e attenzione mentre il vero collo di bottiglia di Azure, in questa fase, sono energia e spazi fisici.