Story
13. Okt. 2026
Microsofts Maia 300 verschärft den Wettlauf um die Lockerung von Nvidias Griff
Microsoft betrachtet kundenspezifisches Silizium als Möglichkeit, Kosten und Effizienz der selbst betriebenen KI-Dienste zu kontrollieren, während Nvidias anhaltende Stärke beim Training und die eingeschränkte Lieferkette der Branche bedeuten, dass es sich um Diversifizierung und nicht um einen klaren Bruch handelt.
Microsofts Vorstoß in Richtung eigener KI-Chips ist seit Jahren in Vorbereitung. Das Unternehmen stellte 2023 Maia 100 vor und brachte Maia 200 in diesem Jahr in Produktions-Workloads, darunter Copilot, GitHub Copilot und eigene Modelle. Nach Angaben des Unternehmens ist der frühere Chip bei realen Servicekennzahlen bereits seine leistungsstärkste KI-Infrastruktur.1
Am 12. Oktober stellte Microsoft Maia 300, seinen Beschleuniger der dritten Generation, vor und positionierte den Chip als Antwort auf eine kostspielige neue Phase der KI: Schlussfolgern mit langem Kontext, schnelle Konversationssysteme und mehrstufige Agenten. Scott Guthrie, der Cloud-Chef des Unternehmens, sagte, eine Konfiguration mit 96 Chips könne bis zu siebenmal den Token-Durchsatz von Maia 200 auf Rack-Ebene liefern und zugleich 40 % mehr Tokens pro Megawatt als führende GPU-basierte Systeme bereitstellen.1
Satya Nadella bezeichnete ihn als Microsofts „größte Wette bislang auf unser eigenes Silizium“ und sagte, die Maia-Familie werde ab 2027 auf Bereitstellungen im Multi-Gigawatt-Bereich skaliert und zum primären Inferenzsystem für Microsofts eigene Produkte und Dienste werden.
2 Die Unterscheidung ist wichtig: Microsofts Chips stehen externen Unternehmen derzeit nicht zur Miete über Azure zur Verfügung, und die Zusage erstreckt sich nicht automatisch auf Kunden wie OpenAI.3
Die Strategie ist weniger eine Unabhängigkeitserklärung von Nvidia als ein Versuch, Verhandlungsmacht zu gewinnen. Microsoft erwartet, dass Produktionsbereitstellungen von Maia 300 2027 beginnen, doch Führungskräfte haben betont, dass das Unternehmen die Flexibilität haben will, für jedes Modell das passende Silizium auszuwählen. Nvidia und AMD werden bei Trainings-Workloads Partner bleiben, wo Nvidia weiterhin dominiert.4
Diese Aufteilung erfasst den breiteren Wettbewerb um KI-Chips. Google, Amazon, OpenAI, Meta und Anthropic verfolgen oder prüfen ebenfalls Alternativen, die größtenteils auf Inferenz abzielen, wo Betriebskosten und Margen am stärksten unter Druck stehen. Dennoch hat sich Nvidias Umsatz im zweiten Quartal auf 96 Milliarden US-Dollar mehr als verdoppelt, und Hersteller kundenspezifischer Chips sind weiterhin auf dieselbe knappe Lieferkette für Fertigung, Packaging und High-Bandwidth Memory angewiesen.4
Microsoft versucht daher, einen größeren Anteil an der wirtschaftlichen Wertschöpfung der KI zu sichern, ohne darauf zu wetten, dass Nvidias zentrale Rolle in absehbarer Zeit verschwindet.