Maia 100 está diseñada para entrenar y ejecutar modelos de inteligencia artificial, mientras que Cobalt 100 está destinada a ejecutar cargas de trabajo generales. Tanto Maia 100 como Cobalt 100 se implementarán en los centros de datos de Azure a principios del próximo año. Microsoft ha desarrollado sus propios chips de inteligencia artificial personalizados, el Acelerador de IA Azure Maia y la CPU Azure Cobalt. Estos chips se construyen internamente y tienen como objetivo optimizar el rendimiento, el consumo energético y el coste de las cargas de trabajo de inteligencia artificial.
Según Reuters, Microsoft no tiene la intención de vender estos chips a Nvidia, AMD, Intel y otros, sino más bien emplearlos para potenciar sus productos de software por suscripción y sus servicios en la nube Azure. Los chips Maia están diseñados para operar los productos de Microsoft, Copilot y Azure OpenAI, desarrollado en colaboración con OpenAI. Los ejecutivos de Microsoft manifestaron sus planes de abordar costos potencialmente diez veces superiores en servicios tradicionales como los motores de búsqueda mediante el empleo de un modelo de inteligencia artificial fundamental unificado.
Mencionaron que los chips Maia están optimizados para este propósito. Scott Guthrie, vicepresidente ejecutivo del Grupo de Nube e IA de Microsoft, declaró: 'Creemos que esto nos proporciona una solución superior, que nos permite satisfacer las demandas de los clientes de forma más rápida, más económica y con mayor calidad'. Lea también: OpenAI Conpublic-source contexts In-House Chip Production Amid Global Shortages Take on the workload Cobalt Pat Stemen, director de proyecto del equipo AHSI, mencionó que antes de 2016, la mayor parte de la infraestructura de Microsoft Cloud se establecía mediante la compra de equipos estándar.
Posteriormente, Microsoft decidió empezar a construir internamente servidores y racks personalizados para reducir costos y ofrecer a los clientes una experiencia más consistente. Con el tiempo, el silicio se convirtió en uno de los requisitos clave. Según las noticias oficiales de Microsoft, Stemen dijo que Microsoft compartió su experiencia en el diseño de racks personalizados con socios de la industria, haciéndolos utilizables independientemente del silicio que contengan.
'Todo lo que construimos, ya sea infraestructura, software o firmware, podemos aprovecharlo ya sea que despleguemos nuestros propios chips o los de nuestros socios de la industria', afirmó. Microsoft, mediante el desarrollo de sus capacidades internas de silicio personalizado, puede cumplir con precisión estándares de calidad específicos y garantizar un rendimiento óptimo de los chips bajo cargas de trabajo críticas. El proceso de prueba implica evaluar el rendimiento de cada chip bajo diferentes frecuencias, temperaturas y condiciones de energía para garantizar el máximo rendimiento máximo.
Es crucial que, en los centros de datos reales de Microsoft, cada chip se someta a pruebas bajo condiciones y configuraciones que simulen escenarios del mundo real para asegurar que el rendimiento cumpla con las expectativas. Esta arquitectura de silicio no solo mejora la eficiencia de refrigeración de Microsoft, sino que también optimiza la utilización de sus activos actuales de centros de datos, maximizando la capacidad de los servidores dentro de su huella existente.
Microsoft tiene la intención de ampliar estas opciones en el futuro y ya ha comenzado a diseñar la segunda generación de la serie de aceleradores de IA Azure Maia y la serie de CPU Azure Cobalt. Stemen señaló que la misión de la empresa sigue siendo consistente: optimizar varios niveles de la pila tecnológica, desde los componentes centrales de silicio hasta los servicios finales. Lea también: Intel lanza los aceleradores de IA Habana Gaudi2 en China como alternativa a los chips NVIDIA A800 Actualmente, Maia 100 se encuentra en la fase de pruebas en GPT-3.5 Turbo, soportando modelos como ChatGPT, cargas de trabajo de Bing AI y GitHub Copilot.
Microsoft está en la etapa inicial de implementación y aún no ha publicado información específica sobre las especificaciones o los puntos de referencia de rendimiento de Maia.