Microsoft chuẩn bị tung hệ thống chip AI Azure Maia 300 quy mô đa gigawatt từ năm 2027

Microsoft vừa công bố định hướng triển khai thế hệ chip tăng tốc AI tiếp theo mang tên Azure Maia 300, với mục tiêu đưa vào vận hành ở quy mô đa gigawatt từ năm 2027. “Đa gigawatt” ở đây ám chỉ mức tiêu thụ điện cực lớn của hạ tầng trung tâm dữ liệu, cho thấy tham vọng xây dựng các cụm AI khổng lồ phục vụ đám mây Azure. Theo hãng, Maia 200 đã bắt đầu xử lý các tác vụ thực tế trong môi trường production, tức hệ thống đang chạy dịch vụ thật cho khách hàng, và Maia 300 sẽ là bước kế nhiệm cho làn sóng tải AI mới.

Microsoft cho biết một rack đầy đủ với 96 bộ tăng tốc Maia 300 có thể đạt thông lượng token ở cấp độ tủ máy cao gấp 7 lần so với Maia 200. Trong AI tạo sinh, “token” là đơn vị dữ liệu nhỏ mà mô hình dùng để đọc và sinh văn bản, còn “thông lượng token” phản ánh tốc độ hệ thống xử lý hoặc tạo ra các token đó. Nói đơn giản, chỉ số này càng cao thì mô hình càng phản hồi nhanh và phục vụ được nhiều yêu cầu hơn. Hãng cũng tuyên bố hệ thống mới tạo ra nhiều hơn 40% token trên mỗi megawatt điện năng so với các nền tảng dựa trên GPU hàng đầu, nhấn mạnh lợi thế về hiệu quả năng lượng.

Theo Microsoft, Maia 300 được xây dựng theo kiến trúc “inference-first”, tức ưu tiên cho suy luận AI thay vì huấn luyện. “Suy luận” là giai đoạn mô hình đã được đào tạo và bắt đầu trả lời câu hỏi, tạo nội dung hoặc thực hiện tác vụ cho người dùng. Kiến trúc này được tối ưu cho các khối lượng công việc có “long-context” – nghĩa là mô hình phải xử lý lượng ngữ cảnh rất dài, chẳng hạn hàng trăm trang tài liệu hoặc chuỗi hội thoại lớn – đồng thời phù hợp với các tác vụ “decode-heavy”, tức thiên về quá trình giải mã và sinh đầu ra liên tục. Đây là những đặc điểm ngày càng phổ biến trong các hệ AI hiện đại, đặc biệt là trợ lý số có khả năng thực hiện nhiều bước.

Mỗi chip Maia 300 sẽ tích hợp 8 chồng bộ nhớ HBM4. HBM, viết tắt của High Bandwidth Memory, là loại bộ nhớ băng thông cao được xếp chồng theo chiều dọc để tăng tốc độ truyền dữ liệu giữa bộ nhớ và bộ xử lý AI. Microsoft cho biết thiết kế này cho phép đạt băng thông bộ nhớ đỉnh tới 18 TB/s, mức rất quan trọng khi chạy các mô hình ngôn ngữ lớn vì dữ liệu phải được nạp và truy xuất cực nhanh. Băng thông càng cao, hệ thống càng dễ xử lý các mô hình lớn và các tác vụ dài ngữ cảnh mà không bị nghẽn dữ liệu.

Điểm đáng chú ý là Microsoft không mô tả Maia 300 đơn thuần như một con chip, mà là “một hệ thống thông minh hoàn chỉnh”. Điều đó có nghĩa phần mềm, silicon, hạ tầng rack vật lý, mạng kết nối và cả trung tâm dữ liệu được đồng thiết kế để hoạt động như một nền tảng thống nhất. Cách tiếp cận này còn gọi là tích hợp theo chiều dọc, tức một công ty kiểm soát nhiều lớp công nghệ từ phần cứng đến phần mềm để tối ưu hiệu năng. Đây là chiến lược từng giúp Google và Nvidia tạo lợi thế lớn trong AI, và giờ Microsoft dường như đang đi theo hướng tương tự.

Microsoft cho rằng kiểu tải mới mà Maia 300 nhắm tới là “agentic inference”. “Agentic” có thể hiểu là AI hoạt động như một tác nhân số, không chỉ trả lời một câu hỏi đơn lẻ mà còn tự chia nhỏ nhiệm vụ, gọi công cụ, tra cứu dữ liệu và thực hiện nhiều bước liên tiếp để hoàn thành mục tiêu. Chính vì vậy, loại tải này đòi hỏi xử lý đa bước, giải mã ngữ cảnh dài và phối hợp với công cụ bên ngoài, làm thay đổi “computational profile” – tức đặc tính tính toán – của hệ thống suy luận. Nói cách khác, trung tâm dữ liệu AI tương lai không chỉ cần chip mạnh, mà còn phải được tối ưu cho các luồng công việc phức tạp hơn chatbot truyền thống.

Động thái mới cho thấy Microsoft đang tăng tốc kiểm soát toàn bộ “stack” AI, tức ngăn xếp công nghệ từ chip, máy chủ, mạng, mô hình cho tới dịch vụ đám mây. Trước đây, hãng từng nhấn mạnh hợp tác trong các nguyên tắc AI Access Principles năm 2024 và thậm chí từng lập luận rằng Google có lợi thế cạnh tranh nhờ tích hợp dọc mạnh mẽ. Nhưng đến nay, Microsoft đã sở hữu chip AI riêng, thiết kế rack riêng và cả các mô hình MAI do nội bộ phát triển. Việc này giúp công ty giảm phụ thuộc vào đối tác, đồng thời có thêm khả năng tối ưu chi phí, hiệu năng và tốc độ triển khai dịch vụ AI trên Azure.

Hướng đi của Maia 300 cũng phản ánh xu thế chung trên thị trường. Nvidia đã phát triển các hệ thống AI quy mô rack xoay quanh GPU của mình, trong khi AMD cũng thúc đẩy các nền tảng hạ tầng như Helion và Helios để tận dụng tối đa phần cứng và phần mềm nội bộ. Với kế hoạch triển khai Azure Maia ở quy mô đa gigawatt từ năm 2027, Microsoft đang phát tín hiệu rõ ràng rằng cuộc cạnh tranh AI sẽ không còn chỉ xoay quanh mô hình ngôn ngữ, mà chuyển mạnh sang năng lực xây dựng hạ tầng đồng bộ, hiệu quả điện năng và tối ưu cho suy luận AI thế hệ mới. Công ty cho biết sẽ chia sẻ thêm chi tiết về chiến lược này tại sự kiện Microsoft Ignite 2026 diễn ra ở San Francisco vào tháng tới.