Tech · 12 ottobre 2026 · 4 min di lettura
Microsoft svela Maia 300: il chip a 2 nanometri per abbattere i costi dell'inferenza IA
In sintesi: Microsoft ha presentato Maia 300, la terza generazione del suo processore custom dedicato all'inferenza nei data center Azure. Realizzato su processo TSMC a 2 nanometri con architettura a chiplet, il chip promette un incremento del 40% nell'efficienza per megawatt rispetto alle piattaforme GPU commerciali. Il debutto nei carichi di produzione è fissato per il 2027, con l'obiettivo dichiarato di sostenere in autonomia l'ecosistema di Copilot e i nuovi flussi di lavoro agentici.
di Team Mocchi's
Nel mezzo della corsa all'espansione dei data center per l'intelligenza artificiale, i colossi del cloud si trovano ad affrontare due colli di bottiglia insostenibili sul lungo periodo: la disponibilità energetica e la dipendenza dalle forniture di semiconduttori esterni. Per allentare la pressione su entrambi i fronti, Microsoft ha presentato ufficialmente Maia 300, la terza generazione del proprio acceleratore hardware proprietario pensato per governare i carichi di calcolo dell'ecosistema Azure.
Come riporta The Verge, il nuovo silicio è stato progettato per diventare il motore primario di inferenza per i prodotti consumer e aziendali di Redmond a partire dal 2027, con un piano di implementazione che prevede cluster estesi su scala multi-gigawatt.
Un'architettura a chiplet sul nodo a 2 nanometri
Dal punto di vista ingegneristico, Maia 300 segna un cambio di passo rispetto al predecessore Maia 200, annunciato all'inizio dell'anno e già operativo sui carichi produttivi di Microsoft Copilot, GitHub Copilot e della piattaforma Microsoft Foundry. Il nuovo processore è realizzato sul nodo litografico avanzato N2P di TSMC e adotta un'architettura modulare a chiplet.
Questo approccio separa fisicamente i blocchi di calcolo dai controller di memoria e dalle interfacce di input/output. Secondo il team infrastrutturale di Azure, il disaccoppiamento consente di massimizzare la porzione di silicio destinata alla pura potenza computazionale, assegnando a ciascun sottosistema il processo produttivo più adatto. In termini di densità nei data center, una configurazione a rack completa composta da 96 acceleratori Maia 300 è accreditata di un throughput complessivo fino a sette volte superiore rispetto alla generazione precedente.
Più token per megawatt per sostenere gli agenti
Il vero terreno di confronto per la nuova generazione di chip non è soltanto la pura velocità di picco, ma l'efficienza energetica. Scott Guthrie, vicepresidente esecutivo del gruppo Cloud di Microsoft, ha spiegato che Maia 300 è progettato per erogare il 40% in più di token per megawatt rispetto alle piattaforme basate su GPU leader di mercato fornite da Nvidia e AMD.
La revisione architetturale risponde direttamente al mutamento dei carichi di lavoro nell'IA moderna. I modelli generativi tradizionali stanno lasciando spazio a modelli di ragionamento con finestre di contesto molto ampie (long-context), sistemi conversazionali a bassa latenza e, soprattutto, task agentici persistenti. Questi flussi impongono un calcolo continuo a cascata che rischia di rendere proibitivi i costi operativi se eseguito su hardware general-purpose.
Mustafa Suleyman, CEO di Microsoft AI, ha sottolineato come la co-progettazione tra modelli proprietari e silicio proprietario sia l'unico modo per competere ad armi pari con concorrenti integrati verticalmente come Google DeepMind: ottimizzare lo stack tecnologico dai pesi sinaptici fino ai transistor consente di comprimere i margini di spreco computazionale.
Il punto di Mocchi's
Per le software house e le aziende italiane che integrano servizi cognitivi nei propri prodotti, l'annuncio di Maia 300 traccia una direzione economica fondamentale: il costo dell'inferenza cloud è destinato a scendere man mano che i grandi hyperscaler taglieranno l'intermediazione dell'hardware commerciale. Quando gli agenti autonomi dovranno eseguire milioni di chiamate API al giorno per automatizzare processi aziendali complessi, l'efficienza per megawatt non sarà più un parametro accademico per data center, ma il fattore che determinerà la fattibilità economica dei nostri software su Azure. L'integrazione verticale del silicio è la premessa necessaria affinché l'IA agentica smetta di essere un prototipo costoso e diventi un'infrastruttura quotidiana sostenibile.