Summary

  • O plano de outubro leva a Maia de um projeto de aceleradores próprios a uma plataforma de inferência de vários gigawatts, com expansão prevista a partir de 2027.
  • O ganho de 40% em tokens por megawatt é uma estimativa da Microsoft, sem validação independente ou orçamento específico da Maia.

A questão de mercado em torno da Maia não é apenas se um acelerador próprio supera outro em uma tarefa escolhida. É se um sistema completo de inferência converte eletricidade e espaço de data center, ambos escassos, em serviços mais valiosos. Em 12 de outubro, a Microsoft ampliou a escala da aposta: anunciou implantações de vários gigawatts a partir de 2027 e disse que a Maia será seu principal sistema de inferência para produtos e serviços. Trata-se de um plano futuro, não de uma contagem de racks ou megawatts já instalados.

A Maia 200 faz a ponte entre o projeto e a operação atual. Segundo a Microsoft, ela já atende cargas de produção do Copilot e da equipe de modelos MAI, além de executar modelos da OpenAI e famílias abertas de ponta. Microsoft Foundry e GitHub Copilot aparecem como cargas esperadas até o fim do ano. Assim, a empresa descreve uma geração em produção, a Maia 200, e uma geração de expansão, a Maia 300.

O número de desempenho mais chamativo deve ser atribuído à própria Microsoft. A empresa espera que a Maia 300 entregue 40% mais tokens por megawatt que os principais sistemas baseados em GPU. Também afirma que um rack completo com 96 aceleradores pode atingir até sete vezes a vazão de um rack Maia 200. O anúncio não apresenta um protocolo completo nem reprodução independente desses testes. Modelo, precisão, agrupamento de solicitações, utilização, qualidade das respostas e limite de medição de energia podem alterar a comparação. São expectativas da empresa, não um ranking geral de custo-benefício.

As especificações publicadas mostram por que a comparação não termina no chip. A Microsoft descreve um rack com envelope de potência de 167 quilowatts, 27,6 terabytes de HBM e largura de banda agregada de memória de 1,7 petabyte por segundo. Sua explicação técnica combina silício, localidade dos dados, software e kernels, rede, resfriamento, telemetria e operação dos data centers. A potência do rack não é o consumo total da instalação: resfriamento, perdas de conversão e equipamentos compartilhados também entram na conta. A ambição de vários gigawatts tampouco especifica quantos racks desse tipo serão instalados.

O desenho integrado pode ser relevante mesmo que nenhum componente isolado decida a disputa. Menos movimentação de dados, aceleradores ocupados e cargas programadas dentro dos limites de energia e refrigeração podem elevar a produção útil de uma instalação restrita. Porém, mais eficiência por unidade não garante menor despesa nem menor consumo total. Se a inferência mais barata ampliar o uso, o consumo agregado pode crescer mesmo com melhora por token. Utilização, custos operacionais, qualidade do serviço e receita determinam se o ganho de engenharia se converte em retorno.

Os números de investimento da Microsoft mostram a dimensão do ciclo, mas não isolam a Maia. Na teleconferência do quarto trimestre fiscal de 2026, a empresa reportou US$ 41 bilhões de capex trimestral, dos quais cerca de dois terços foram para ativos de vida curta, principalmente CPUs e GPUs. Após uma mudança na classificação de arrendamentos, estimou cerca de US$ 175 bilhões de capex no ano-calendário de 2026; esperava crescimento anual no FY2027 e mais de US$ 50 bilhões no primeiro trimestre fiscal, incluindo a reclassificação. São números consolidados, sem alocação para a Maia.

Na mesma conversa, a Microsoft descreveu uma frota combinada de Maia, NVIDIA e AMD, com racks AMD Helios e NVIDIA Vera Rubin planejados. Maia é uma opção adicional de alocação, não prova de abandono das GPUs.

Para avaliar o retorno, será preciso conhecer a capacidade instalada, a parcela das cargas de inferência executada na Maia, a utilização por tipo de trabalho, resultados em condições comparáveis, custo por saída útil e investimento e depreciação do programa. Uma carga de produção identificada comprova uso; utilização sustentada e custos por unidade mostram relevância operacional. Sem alocação de custos e receitas, a meta de vários gigawatts e a previsão por megawatt não demonstram retorno financeiro.

O anúncio da Maia 200 em janeiro marcou a chegada do produto e os primeiros usos. Em outubro, a Maia passou a ser apresentada como uma plataforma operacional a ser ampliada. A evidência aponta para ambição maior e projeto sistêmico, mas ainda não mostra quanto capital será destinado à Maia, que demanda ela atenderá ou se a eficiência anunciada resistirá a uma comparação econômica completa.

Fontes