Summary

  • Der Oktoberplan macht aus Maia mehr als ein eigenes Beschleunigerprojekt: Ab 2027 soll eine Inferenzplattform im Umfang mehrerer Gigawatt entstehen.
  • Die 40 Prozent mehr Tokens je Megawatt sind eine Prognose von Microsoft; unabhängige Bestätigung und ein Maia-spezifisches Budget fehlen.

Die entscheidende Marktfrage bei Maia lautet nicht nur, ob ein eigener Beschleuniger bei einer ausgewählten Aufgabe schneller ist. Entscheidend ist, ob ein vollständiges Inferenzsystem knappen Strom und Rechenzentrumsfläche in wertvollere Dienste umwandelt. Am 12. Oktober hob Microsoft den Anspruch auf eine neue Größenordnung: Ab 2027 sollen Maia-Systeme in mehreren Gigawatt ausgerollt werden und zur primären Inferenzplattform für Microsoft-Produkte und -Dienste werden. Das ist eine Absichtserklärung, keine Liste bereits installierter Racks oder Megawatt.

Maia 200 verbindet den Entwurf mit dem heutigen Betrieb. Nach Angaben von Microsoft läuft der Chip bereits in Copilot-Produktionslasten und bei der MAI-Modellentwicklung; außerdem führt er OpenAI-Modelle und führende Open-Source-Modellfamilien aus. Microsoft Foundry und GitHub Copilot sollen bis Jahresende hinzukommen. Die Roadmap hat damit eine erklärte Produktionsbasis und eine geplante Skalierungsgeneration: Maia 200 und Maia 300.

Die auffälligste Leistungszahl bleibt eine Prognose des Unternehmens. Microsoft erwartet für Maia 300 40 Prozent mehr Tokens je Megawatt als bei führenden GPU-Systemen. Ein volles Rack mit 96 Beschleunigern könne zudem bis zu den siebenfachen Durchsatz eines Maia-200-Racks erreichen. Die Mitteilung veröffentlicht jedoch weder ein vollständiges Benchmarkverfahren noch eine unabhängige Wiederholung. Modell, Genauigkeit, Batch-Größe, Auslastung, Antwortqualität und die Grenze der Strommessung können den Vergleich verändern. Die Angaben sind deshalb keine allgemeingültige Rangliste des Preis-Leistungs-Verhältnisses.

Die technischen Daten zeigen, warum ein Chipvergleich zu kurz greift. Microsoft nennt für ein Maia-300-Rack ein Leistungsbudget von 167 Kilowatt, 27,6 Terabyte HBM und eine aggregierte HBM-Bandbreite von 1,7 Petabyte pro Sekunde. Der Architekturansatz verbindet Silizium, Datennähe, Software und Kernel, Netzwerke, Kühlung, Telemetrie und den Betrieb des Rechenzentrums. Das Rack-Leistungsbudget ist nicht der Strombedarf eines ganzen Standorts: Kühlung, Umwandlungsverluste und gemeinsam genutzte Anlagen kommen hinzu. Auch lässt sich das Mehrgigawatt-Ziel nicht in eine Rackzahl umrechnen, die Microsoft nicht genannt hat.

Die gemeinsame Auslegung des Systems kann wirtschaftlich relevant sein, selbst wenn kein einzelnes Bauteil den Ausschlag gibt. Weniger Datentransport, ausgelastete Beschleuniger und eine an Strom- und Kühlgrenzen angepasste Planung können den nutzbaren Durchsatz eines begrenzten Standorts erhöhen. Höhere Effizienz je Einheit garantiert jedoch weder niedrigere Gesamtausgaben noch weniger Stromverbrauch. Sinkende Inferenzkosten können die Nachfrage steigern; dann wächst der Gesamtverbrauch womöglich trotz besserer Effizienz je Token.

Erst Auslastung, Betriebskosten, Dienstqualität und Erlöse zeigen, ob der technische Vorteil eine Rendite erzeugt.

Microsofts Investitionsangaben belegen die Größenordnung des Infrastrukturzyklus, nicht den Maia-Anteil. Im Gespräch zu den Ergebnissen des vierten Quartals 2026 meldete das Unternehmen 41 Milliarden US-Dollar Quartalsinvestitionen; etwa zwei Drittel entfielen auf kurzlebige Anlagen, vor allem CPUs und GPUs. Nach einer geänderten Leasing-Klassifizierung setzte Microsoft die Investitionen für das Kalenderjahr 2026 auf rund 175 Milliarden Dollar an, erwartete für FY2027 einen Anstieg gegenüber dem Vorjahr und mehr als 50 Milliarden Dollar im ersten Quartal einschließlich der Umklassifizierung. Das sind Konzernwerte, kein Maia-Budget.

Im selben Gespräch beschrieb Microsoft einen gemischten Bestand aus Maia-, NVIDIA- und AMD-Systemen sowie geplante Rack-Systeme mit AMD Helios und NVIDIA Vera Rubin. Maia ist ein zusätzlicher Hebel für die Zuteilung, kein Beleg für einen Abschied von GPUs.

Für eine Renditeanalyse braucht es Angaben zu installierter Maia-Leistung, Anteil der Inferenzlasten, Auslastung je Aufgabe, Leistung bei vergleichbarer Qualität und Dienstgüte, Kosten je nutzbarem Ergebnis sowie Investition und Abschreibung. Eine namentlich genannte Produktionslast belegt den Einsatz; anhaltende Auslastung und Stückkosten zeigen die betriebliche Bedeutung. Ohne Kosten- und Erlöszuordnung belegen weder das Mehrgigawatt-Ziel noch die Token-Prognose eine finanzielle Rendite.

Die Vorstellung von Maia 200 im Januar war ein Produkt- und erster Einsatzschritt. Im Oktober beschrieb Microsoft Maia als geplante Plattform für den Betrieb im großen Maßstab. Die verfügbaren Angaben zeigen größere Ambitionen und einen stärker integrierten Entwurf. Wie viel Kapital gezielt in Maia fließt, welche Nachfrage das System übernimmt und ob sein Effizienzvorteil einen vollständigen Kostenvergleich besteht, bleibt offen.

Quellen