Microsoft accelera nello sviluppo dei semiconduttori proprietari per l’intelligenza artificiale e prepara un’espansione della propria infrastruttura cloud su scala di diversi gigawatt. Il gruppo guidato da Satya Nadella ha annunciato il 12 ottobre 2026 che, a partire dal 2027, la famiglia di acceleratori Azure Maia diventerà il principale sistema per l’inferenza AI utilizzato nei prodotti e nei servizi Microsoft.
Il nuovo Maia 300 promette maggiore capacità di elaborazione, consumi energetici più efficienti e una riduzione dei costi operativi dei data center.
L’annuncio, firmato da Scott Guthrie, vicepresidente esecutivo Cloud + AI di Microsoft, segna un’accelerazione nella strategia di integrazione tra hardware, software e servizi. L’obiettivo industriale è controllare una quota crescente dell’infrastruttura necessaria a far funzionare Copilot, i modelli di OpenAI e i sistemi autonomi basati sull’intelligenza artificiale.
Il progetto punta anche a contenere la dipendenza dai fornitori esterni di acceleratori, a cominciare da Nvidia e AMD, in un mercato nel quale il costo della capacità di calcolo incide direttamente sulla redditività dei servizi cloud.
Indice degli argomenti:
Maia 200 è già operativo: dal prototipo alla produzione
La prima fase dell’espansione è affidata a Maia 200, presentato il 26 gennaio 2026 e già impiegato per elaborare richieste reali di Microsoft Copilot. Il processore è realizzato da TSMC con tecnologia a 3 nanometri, dispone di 216 gigabyte di memoria HBM3e e raggiunge una banda di 7 terabyte al secondo. Secondo Microsoft, la piattaforma offre un rapporto tra prestazioni e costo superiore del 30% rispetto all’hardware più recente già presente nella sua infrastruttura.
Microsoft dichiara inoltre che Maia 200 produce fino a 1,7 volte più token per watt rispetto a sistemi concorrenti basati su gpu in specifiche funzioni di Teams, Copilot e Cowork. Il chip viene distribuito negli Stati Uniti, in Europa e in Australia.
Entro la fine del 2026 il gruppo prevede di estenderne l’uso a GitHub Copilot e Microsoft Foundry, la piattaforma per sviluppare e distribuire applicazioni AI. La produzione interessa modelli OpenAI, modelli proprietari MAI e famiglie open source: una scelta che permette di utilizzare lo stesso investimento hardware per servizi con esigenze differenti.
Maia 300, come cambia l’architettura dei chip
La generazione successiva sarà progettata soprattutto per l‘inferenza, la fase in cui un modello già addestrato risponde alle richieste degli utenti. È un’attività diversa dall’addestramento: conta la velocità della risposta, ma anche il costo per ogni token generato, l’unità con cui i modelli elaborano testi e altri contenuti. Nei sistemi conversazionali e negli agenti capaci di svolgere operazioni successive, i dati da conservare e trasferire aumentano rapidamente.
Maia 300 utilizzerà otto moduli di memoria HBM4, per complessivi 288 gigabyte e una banda dichiarata di 18 terabyte al secondo per acceleratore. Il limite termico di progetto è di 950 watt. La struttura a chiplet separa i componenti di calcolo, i controller della memoria e le funzioni di comunicazione; le unità di elaborazione saranno prodotte da TSMC con processo N2P. Memorie interne SRAM e formati numerici compatti, come MXFP4, dovrebbero ridurre il trasferimento di dati e il consumo energetico.
Microsoft stima il 40% di token in più per megawatt rispetto a sistemi gpu di riferimento. È una previsione del produttore, non una comparazione indipendente disponibile su identici carichi di lavoro.
Novantasei acceleratori per rack e reti su larga scala
Il progetto riguarda l’intero data center, non soltanto il semiconduttore. Ogni rack Maia 300 conterrà 96 acceleratori, il doppio della configurazione Maia 200, con una potenza complessiva prevista di 167 kilowatt. La memoria aggregata raggiungerà 27,6 terabyte, mentre la larghezza di banda complessiva arriverà a 1,7 petabyte al secondo.
L’architettura di rete, basata su Ethernet con un protocollo di trasporto specifico per l’AI, potrà collegare fino a 128 rack in un unico gruppo, pari a 12.288 acceleratori. Microsoft annuncia un massimo di sette volte il numero di token elaborati per rack rispetto a Maia 200 e oltre 2,5 volte le prestazioni per watt nella configurazione completa. Il confronto comprende però anche il raddoppio degli acceleratori per rack: non equivale a sostenere che ogni singolo chip sia sette volte più veloce.
Perché l’efficienza pesa sui conti di Microsoft
La posta economica emerge dai risultati pubblicati il 29 luglio 2026. Microsoft ha chiuso l’esercizio fiscale con oltre 331 miliardi di dollari di ricavi, in crescita del 18%. Nel trimestre aprile-giugno il fatturato di Azure e degli altri servizi cloud è aumentato del 43%, ma l’azienda ha dichiarato che la domanda continuava a superare la capacità disponibile.
Nello stesso trimestre le spese in conto capitale hanno raggiunto 41 miliardi di dollari. La direttrice finanziaria Amy Hood ha indicato per l’intero anno solare 2026 investimenti per circa 175 miliardi, dopo una riclassificazione contabile relativa ai contratti di locazione dei data center. Ha inoltre previsto un’ulteriore crescita degli investimenti nell’esercizio fiscale 2027.
Il rapporto tra capacità installata e ricavi generati diventa quindi essenziale. Un acceleratore che aumenta le risposte prodotte per unità di energia può migliorare l’utilizzo di impianti costosi e alleggerire i costi unitari. Ma l’effetto effettivo sui margini dipenderà anche dal prezzo dei chip, dal loro tasso di utilizzo, dalla manutenzione e dalla durata economica delle installazioni.
Dagli assistenti agli agenti: le applicazioni previste
La domanda che Microsoft intende soddisfare non si limita alle conversazioni con un chatbot. I nuovi servizi richiedono finestre di contesto estese, risposte rapide e operazioni composte da più passaggi: un agente, per esempio, può consultare documenti, usare strumenti software, eseguire controlli e correggere il proprio lavoro prima di restituire un risultato.
L’azienda prevede di utilizzare Maia per sostenere GitHub Copilot nello sviluppo di codice, Microsoft Foundry nell’esecuzione di modelli differenti e i servizi interni del team MAI. Tra le applicazioni indicate compare Dragon Copilot, destinato al settore sanitario e progettato per alleggerire le attività documentali dei medici. Le esigenze cambiano da un’applicazione all’altra: per questo Microsoft presenta il controllo congiunto di processori, reti e software come un vantaggio operativo.
La dimensione commerciale è già rilevante. Nella trimestrale di luglio, Satya Nadella ha dichiarato oltre 30 milioni di licenze a pagamento di Microsoft 365 Copilot e 50 milioni di utenti per GitHub Copilot. Più richieste possono tradursi in più ricavi, ma anche in maggiori costi di elaborazione se l’efficienza non cresce.
Nvidia, AMD e la concorrenza dei chip proprietari
Sviluppare Maia non significa rinunciare agli acceleratori acquistati sul mercato. Il 20 luglio 2026 Microsoft ha annunciato l’estensione della collaborazione con AMD, includendo la piattaforma Helios e nuovi sistemi per l’inferenza. Nella successiva presentazione dei risultati, Nadella ha confermato la volontà di adottare anche infrastrutture Nvidia Vera Rubin. Azure rimane quindi una piattaforma eterogenea.
La concorrenza segue una strada simile. Amazon Web Services ha reso disponibili nel dicembre 2025 i sistemi basati su Trainium3, progettati anche per applicazioni generative e agentiche. Google Cloud ha annunciato nel novembre dello stesso anno la disponibilità delle TPU Ironwood, destinate tra l’altro all’inferenza. Tutti i grandi operatori cercano di controllare una parte maggiore della catena tecnologica per migliorare costi, prestazioni e disponibilità.
Per Microsoft, il vantaggio potenziale sta nella possibilità di progettare l’hardware attorno ai propri servizi. Restano tuttavia importanti i produttori esterni: anche Maia 300 utilizzerà processi produttivi di TSMC. La maggiore autonomia nella progettazione non elimina la dipendenza dalle fabbriche di semiconduttori avanzati.
Il problema dei gigawatt: energia, reti e raffreddamento
L’espressione «diversi gigawatt» descrive una potenza infrastrutturale enorme. Un gigawatt assorbito in modo continuativo corrisponde teoricamente a 8,76 terawattora di elettricità in un anno; non è però possibile trasformare l’annuncio Microsoft in un consumo annuo previsto senza conoscere capacità effettivamente installata, utilizzo e tempi di attivazione.
L’Agenzia internazionale dell’energia, nel rapporto Energy and AI pubblicato nel 2025, stima che il consumo mondiale dei data center possa raggiungere circa 945 terawattora nel 2030, più del doppio rispetto al 2024. La crescita è alimentata soprattutto dall’AI, mentre l’ampliamento delle reti elettriche richiede tempi spesso più lunghi di quelli necessari a realizzare nuovi centri dati.
Microsoft sostiene che il raffreddamento a liquido del sistema Maia 300 rimuoverà oltre l’80% del carico termico del rack. Migliorare i token generati per watt è economicamente utile, ma non garantisce una riduzione dei consumi complessivi: se aumentano molto le richieste e il numero di installazioni, la domanda totale di elettricità può continuare a salire.
La verifica arriverà con le installazioni del 2027
Le specifiche dichiarate delineano una macchina costruita per produrre più inferenza con una quantità limitata di energia e spazio. Ma i dati sull’efficienza di Maia 300 dovranno essere confermati da carichi reali, con confronti omogenei su modelli, latenza, qualità delle risposte e costi complessivi. Saranno decisivi anche i tempi di consegna dei sistemi e la disponibilità di energia nelle aree in cui verranno installati.
Microsoft intende fornire ulteriori dettagli alla conferenza Ignite del novembre 2026, a San Francisco e online. Per ora Maia 200 è operativo, mentre Maia 300 è programmato per il 2027. Il risultato industriale si misurerà nella capacità di trasformare investimenti miliardari in servizi AI sostenibili dal punto di vista economico, senza trasferire automaticamente sui clienti il costo dell’espansione delle infrastrutture.
Partecipa alla community