Microsoft szykuje milion własnych chipów AI | Future Intelligence #31

Microsoft chce wdrożyć w 2027 roku ponad milion własnych akceleratorów Maia 300 — po raz pierwszy jest to skala, która zmienia układ sił między własnym krzemem a kupowanymi GPU. ASML podniosła dolną granicę prognozy do 44–45 miliardów euro nie z powodu silniejszego popytu, lecz dlatego, że zamówień jest więcej niż wyprodukowanych maszyn; wąskim gardłem całego cyklu AI jest litografia. A podczas gdy Meta zaprezentowała swój pierwszy model frontier Muse Wonder, JPMorgan zamknął zewnętrznym agentom AI dostęp do rachunków klientów — granica tego, co autonomiczny model może zrobić w regulowanym środowisku, wyłania się szybciej niż rozwijają się możliwości samych modeli.

Future Intelligence to ekskluzywny raport analityczny, publikowany raz w tygodniu i dostępny wyłącznie dla członków Bulios Black. Członkowie otrzymują go automatycznie w każdą niedzielę rano na e-mail — w pełnej wersji, wraz z konkretnymi scenariuszami i implikacjami rynkowymi. Stały dostęp do raportu uzyskasz, dołączając do Bulios Black.

Maia 300: Microsoft szykuje milion własnych chipów i gigawaty mocy poza Nvidią

12 października podczas szczytu Open Compute Project Microsoft zaprezentował trzecią generację własnego akceleratora AI. Według agencji Reuters planuje wdrożyć ponad milion sztuk Maia 300 już w 2027 roku, kiedy ruszy ich seryjne wdrażanie. W swoim komunikacie firma podała cel wyrażony w gigawatach, a nie w liczbie chipów.

Dyskusja o własnym krzemie hiperskalerów przenosi się tym samym z prezentacji do liczb na poziomie sieci energetycznej. Microsoft podaje jednocześnie, że Maia 300 ma być główną platformą inferencyjną w jego produktach — czyli służyć do uruchamiania modeli, a nie ich trenowania.

Czym jest Maia 300 od strony technicznej

Jeden akcelerator zawiera osiem układów pamięci HBM4 o przepustowości 18 TB/s i poborze mocy 950 W; chiplet obliczeniowy produkuje TSMC w procesie N2P. W przypadku inferencji wysoka przepustowość pamięci jest ważniejsza niż surowa moc obliczeniowa — przy generowaniu każdego tokenu model musi ponownie odczytać swoje wagi z pamięci.

Podstawową jednostką jest szafa z 96 akceleratorami o poborze mocy 167 kW, wyposażona w 27,6 TB pamięci HBM i oferująca łączną przepustowość 1,7 PB/s. Microsoft podaje nawet siedmiokrotnie większą przepustowość tokenów niż w szafie Maia 200, którą firma zaprezentowała w styczniu tego roku i która napędza Copilota. Dokument techniczny mówi o ponad 2,5-krotnie wyższej wydajności na wat.

Kluczowy jest jednak inny wskaźnik: o 40 % więcej tokenów na megawat niż w czołowych systemach opartych na GPU. Microsoft nie wskazał, z jakim systemem dokonano porównania. Z podanych parametrów wynika, że milion chipów oznacza około 10 400 szaf i mniej więcej 1,7 gigawata poboru mocy — obecnie ekspansję ogranicza nie krzem, lecz dostępność energii elektrycznej.

Dlaczego hiperskalerzy budują własny krzem

Powód jest finansowy. Microsoft planuje w 2026 roku nakłady inwestycyjne rzędu 190 miliardów dolarów, o 61 % wyższe rok do roku, w tym szacowany wpływ 25 miliardów z tytułu droższych komponentów. Marża brutto w trzecim kwartale roku fiskalnego spadła do 67,6 %, najniższego poziomu od 2022 roku, w miarę wzrostu amortyzacji centrów danych.

Maia nie jest na razie oferowana zewnętrznym klientom Azure — w przeciwieństwie do Google czy AWS pozostaje rozwiązaniem wewnętrznym. Microsoft nadal kupuje więc sprzęt Nvidii na dużą skalę, a oszczędności pojawią się najwcześniej w 2027 roku. Własny chip zwiększa siłę negocjacyjną, ale nie zmienia od razu struktury kosztów.

Na razie nie zmienia to radykalnie podziału rynku. W marcu tego roku Morgan Stanley szacował udział Nvidii w przychodach z procesorów AI na około 85 %, udział niestandardowych układów ASIC na ponad 10 %, a AMD na mniej niż 5 %. Bloomberg Intelligence szacuje, że Nvidia utrzyma 70–75 % rynku akceleratorów do 2030 roku.

Intel, Broadcom i podział zysków

Tego samego dnia, na tym samym szczycie, Intel zaprezentował parametry układów GPU z serii D, wcześniej znanej jako Crescent Island: 480 GB pamięci LPDDR5X, przepustowość 1,5 TB/s i moc obliczeniowa 1,3 petaflopa FP8 przy poborze mocy 350 W. To chłodzona powietrzem karta PCIe przeznaczona do modeli o maksymalnie 300 miliardach parametrów. Próbki są już testowane przez klientów. Intel stawia na tańszą pamięć i ekonomikę eksploatacji, a nie na najwyższą wydajność.

Najwięcej zarabia na razie strona dostawców układów projektowanych na zamówienie. Broadcom odnotował w trzecim kwartale roku fiskalnego 2026 przychody z półprzewodników AI w wysokości 16,7 miliarda dolarów, o 221 % wyższe rok do roku, i prognozuje 21,7 miliarda w kolejnym kwartale. Według szacunków Marvell ma w tym segmencie 20–25 % udziału, a wśród jego projektów są Maia i Trainium.

W dniu ogłoszenia cena akcji Nvidii spadła o około 1 %, do poziomu około 226 dolarów. W czwartek 15 października akcje zamknęły się na poziomie 221,30 dolara po spadku o 3,2 %, przy kapitalizacji rynkowej wynoszącej 5,51 biliona dolarów — wciąż blisko rocznego przedziału 164,27–243,37 dolara.

Jensen Huang powtarza, że popyt na infrastrukturę AI będzie rósł szybciej niż podaż komponentów. Z punktu widzenia wyceny kluczowe jest to, czy presja na Nvidię odbije się na wolumenach, czy na marży.

Dopóki Maia obsługuje wyłącznie wewnętrzne zadania, Microsoft pozostaje dużym nabywcą GPU, ale zyskuje lepszą pozycję negocjacyjną. Wartość produkcyjna i tak trafia do TSMC, niezależnie od tego, czyje logo widnieje na chipie.

Warto obserwować dwie kwestie: czy Microsoft potwierdzi harmonogram na 2027 rok podczas styczniowej publikacji wyników oraz czy Maia kiedykolwiek wyjdzie poza wewnętrzne zastosowania i trafi do oferty Azure. Dopiero ten drugi krok oznaczałby bezpośrednią konkurencję w obszarze instancji GPU, które klienci kupują obecnie.

ASML podniosła prognozę do 44–45 miliardów euro: litografia jest wąskim gardłem cyklu AI

Holenderski producent maszyn litograficznych opublikował 14 października wyniki za trzeci kwartał i zawęził całoroczną prognozę przychodów do 44–45 miliardów euro, z wcześniejszych 43–45 miliardów. Powodem nie jest optymizm dotyczący popytu, lecz sytuacja odwrotna do zwykle obserwowanej: zamówień jest więcej, niż firma jest w stanie wyprodukować maszyn.