跳到主要内容
返回文章列表

Microsoft เปิดตัว Maia 300 ชิป AI รุ่นใหม่ เตรียมขยายการติดตั้งครั้งใหญ่ในปี 2027

Microsoft เปิดตัว Maia 300 ชิปเร่งความเร็ว AI รุ่นที่สาม ซึ่งพัฒนาขึ้นเองเพื่อรองรับบริการ AI และลดต้นทุนการประมวลผลในศูนย์ข้อมูล

Microsoft เปิดตัว Maia 300 ชิป AI รุ่นใหม่ เตรียมขยายการติดตั้งครั้งใหญ่ในปี 2027

Microsoft เปิดตัว Maia 300 ชิปเร่งความเร็ว AI รุ่นที่สาม ซึ่งพัฒนาขึ้นเองเพื่อรองรับบริการ AI และลดต้นทุนการประมวลผลในศูนย์ข้อมูล บริษัทระบุว่ามีแผนติดตั้งชิปจำนวนมากในปี 2027 โดย Maia 300 ใช้การออกแบบแบบ Chiplet และมุ่งเพิ่มประสิทธิภาพการประมวลผลต่อพลังงานที่ใช้ การพัฒนานี้สะท้อนการแข่งขันระหว่างผู้ให้บริการคลาวด์ในการสร้างฮาร์ดแวร์ AI ของตนเอง

Microsoft เดินหน้าพัฒนาชิป AI ของตัวเอง

Microsoft ประกาศเปิดตัว Maia 300 ชิปเร่งความเร็ว AI รุ่นที่สาม เมื่อวันที่ 12 ตุลาคม 2026 โดยวางแผนใช้ชิปดังกล่าวสนับสนุนบริการ AI ภายในบริษัทและงานประมวลผลบนโครงสร้างพื้นฐานคลาวด์ การพัฒนาชิปเองเป็นส่วนหนึ่งของความพยายามควบคุมต้นทุนและเพิ่มความยืดหยุ่นในการจัดสรรทรัพยากรสำหรับงาน AI ที่เติบโตอย่างต่อเนื่อง

รายงานของ Reuters ระบุว่า Microsoft อาจติดตั้งชิป Maia 300 มากกว่าหนึ่งล้านหน่วยในปี 2027 ทั้งนี้ ตัวเลขดังกล่าวเป็นแผนที่รายงานจากบริษัท ไม่ใช่จำนวนชิปที่ติดตั้งสำเร็จแล้วทั้งหมด

Maia 300 ออกแบบมาเพื่อรองรับงาน AI โดยเฉพาะ

ชิป Maia 300 เป็นส่วนหนึ่งของตระกูลชิป AI ที่ Microsoft พัฒนาขึ้นเพื่อรองรับงานคำนวณที่เกี่ยวข้องกับโมเดลปัญญาประดิษฐ์ เช่น การสร้างคำตอบ การเขียนโค้ด การสรุปข้อมูล และการทำงานอัตโนมัติที่ต้องประมวลผลคำสั่งหลายขั้นตอน

การใช้ชิปเฉพาะทางช่วยให้ผู้พัฒนาสามารถออกแบบระบบให้เหมาะกับลักษณะงานมากขึ้น แทนที่จะต้องพึ่งพา GPU ที่ออกแบบมาให้รองรับงานหลากหลายประเภทเสมอไป อย่างไรก็ตาม ประสิทธิภาพที่ได้ขึ้นอยู่กับสถาปัตยกรรมชิป ซอฟต์แวร์ที่รองรับ และการปรับแต่งโมเดลให้ทำงานได้เหมาะสม

เทคโนโลยี Chiplet ช่วยเพิ่มความยืดหยุ่นในการออกแบบ

หนึ่งในจุดสำคัญของ Maia 300 คือการใช้แนวทางการออกแบบแบบ Chiplet ซึ่งแยกส่วนประกอบของชิปออกเป็นหลายส่วนที่สามารถออกแบบและผลิตด้วยกระบวนการที่แตกต่างกันได้ แทนการรวมทุกองค์ประกอบไว้ในชิปขนาดใหญ่เพียงชิ้นเดียว

ตามรายงานของ Reuters ส่วนการประมวลผลหลักใช้เทคโนโลยีการผลิตระดับ 2 นาโนเมตรจาก TSMC ขณะที่ส่วนประกอบบางส่วนใช้กระบวนการ 3 นาโนเมตร เพื่อสร้างสมดุลระหว่างประสิทธิภาพและต้นทุน

การใช้ Chiplet อาจช่วยให้ผู้ผลิตปรับแต่งส่วนต่าง ๆ ของระบบได้ยืดหยุ่นขึ้น แต่การเชื่อมต่อระหว่างชิปย่อย การจัดการความร้อน และการใช้พลังงานยังเป็นปัจจัยที่ต้องพิจารณาอย่างรอบคอบ

Microsoft ต้องการลดต้นทุนการประมวลผล AI

การให้บริการ AI ในระดับใหญ่ต้องใช้ทั้งชิป หน่วยความจำ ระบบเครือข่าย และพลังงานจำนวนมาก เมื่อจำนวนผู้ใช้เพิ่มขึ้น ค่าใช้จ่ายในการประมวลผลจึงกลายเป็นปัจจัยสำคัญต่อความสามารถในการแข่งขันของผู้ให้บริการคลาวด์

Microsoft ระบุว่า Maia 300 สามารถเพิ่มปริมาณงานต่อหน่วยพลังงานเมื่อเทียบกับระบบ GPU ชั้นนำบางประเภท โดยตัวเลขประสิทธิภาพที่รายงานเป็นข้อมูลจากบริษัทและควรพิจารณาร่วมกับลักษณะงานที่ใช้ทดสอบ เพราะผลลัพธ์จริงอาจแตกต่างกันระหว่างโมเดลและซอฟต์แวร์

การใช้ชิปของตัวเองยังช่วยให้ Microsoft วางแผนระบบฮาร์ดแวร์และซอฟต์แวร์ให้สอดคล้องกันได้มากขึ้น แต่ไม่ได้หมายความว่าจะเลิกใช้ชิปจากผู้ผลิตรายอื่นทั้งหมดในทันที

การแข่งขันกับ NVIDIA และผู้ให้บริการคลาวด์รายอื่น

NVIDIA ยังคงเป็นผู้เล่นสำคัญในตลาด GPU สำหรับ AI แต่ผู้ให้บริการคลาวด์รายใหญ่ต่างพัฒนาชิปเฉพาะทางของตัวเองเพื่อเพิ่มทางเลือกในการจัดซื้อและควบคุมต้นทุนในระยะยาว

การมีชิปภายในองค์กรช่วยให้ Microsoft สามารถกำหนดทิศทางการพัฒนาให้ตรงกับบริการของตัวเองได้ อย่างไรก็ตาม ระบบนิเวศซอฟต์แวร์ ความเข้ากันได้กับเครื่องมือพัฒนา และความสามารถในการรองรับโมเดลจากหลายผู้พัฒนา ยังคงมีความสำคัญไม่แพ้ประสิทธิภาพของฮาร์ดแวร์

ผลกระทบต่อบริการ AI และ Azure

หาก Maia 300 สามารถนำไปใช้งานได้ตามแผน Microsoft อาจมีทางเลือกเพิ่มขึ้นในการรองรับการประมวลผล AI ภายในบริการของบริษัท รวมถึงการเพิ่มขีดความสามารถของบริการคลาวด์ Azure

ในระยะยาว การแข่งขันด้านชิปเฉพาะทางอาจช่วยให้ผู้ให้บริการมีอำนาจต่อรองมากขึ้น และสร้างระบบที่เหมาะกับงานของตนเอง แต่ผลต่อราคาบริการสำหรับลูกค้าจะขึ้นอยู่กับต้นทุนรวม การลงทุนในศูนย์ข้อมูล และการกำหนดราคาของแต่ละบริการด้วย

สรุป

Maia 300 เป็นอีกก้าวของ Microsoft ในการพัฒนาชิป AI ภายในองค์กร โดยมีเป้าหมายเพิ่มประสิทธิภาพ ลดต้นทุน และรองรับการเติบโตของบริการ AI ในปี 2027 แผนการติดตั้งจำนวนมากแสดงให้เห็นว่าบริษัทให้ความสำคัญกับการสร้างโครงสร้างพื้นฐานของตัวเอง แต่ความสำเร็จจะต้องวัดจากประสิทธิภาพจริง ความพร้อมของซอฟต์แวร์ และความสามารถในการใช้งานในศูนย์ข้อมูลขนาดใหญ่


ที่มา: Reuters , Folha de S.Paulo