Ngày 12/10/2026, Microsoft công bố Maia 300, thế hệ thứ ba của dòng chip AI tự phát triển Azure Maia, được thiết kế cho AI inference (quá trình tạo ra câu trả lời từ mô hình AI, khác với việc huấn luyện mô hình). Theo The Verge, mức cải thiện hiệu suất này sẽ giúp Microsoft sớm dựa chủ yếu vào chip của chính mình thay vì chip của Nvidia và AMD. “Chúng tôi sẽ mở rộng dòng Azure Maia lên quy mô nhiều gigawatt từ năm 2027, đưa Maia trở thành hệ thống AI inference chính cho các sản phẩm và dịch vụ của Microsoft,” Scott Guthrie, phó chủ tịch điều hành mảng cloud của Microsoft, cho biết.
Maia 300 là gì và kế nhiệm chip nào?
Maia 300 là thế hệ thứ ba của chương trình Azure Maia. Thế hệ trước, Maia 200, được công bố vào tháng 1/2026 và đã chạy workload thực tế: phục vụ Microsoft Copilot, hỗ trợ nhóm MAI phát triển mô hình thế hệ kế tiếp, với GitHub Copilot và Microsoft Foundry dự kiến theo sau trước cuối năm, theo blog chính thức của Microsoft (12/10/2026).
Maia 200 chạy các mô hình OpenAI, mô hình MAI do Microsoft tự phát triển và các dòng mô hình mã nguồn mở hàng đầu. Chip đang được triển khai tại Mỹ, châu Âu và Úc, cho số token mỗi watt cao hơn tới 1,7 lần với các tính năng AI tích hợp sẵn trong Teams, Copilot và Cowork so với hạ tầng GPU hàng đầu.
“Maia 200 là hạ tầng AI có hiệu năng tốt nhất trong hệ thống của chúng tôi, đo theo các chỉ số thực tế của dịch vụ AI,” Guthrie cho biết. Maia 300 được thiết kế để đi xa hơn, nhắm vào ba loại workload mới: suy luận ngữ cảnh dài, hội thoại nhạy cảm với độ trễ và các tác vụ agentic kéo dài nhiều bước (quy trình mà AI tự thực hiện qua nhiều bước để hoàn thành mục tiêu).
Maia 300 cải thiện hiệu suất đến mức nào?
Microsoft dự kiến Maia 300 cho số token mỗi megawatt nhiều hơn 40% so với các hệ thống GPU hàng đầu, và trong cấu hình đầy đủ 96 accelerator, throughput token ở cấp rack cao gấp tới 7 lần Maia 200 (Guthrie, blog Microsoft, 12/10/2026). Những thay đổi kiến trúc đứng sau các con số này, theo blog kỹ thuật của Microsoft Azure (12/10/2026):
- Thiết kế multi-chiplet trên TSMC N2P: phần tính toán, bộ điều khiển bộ nhớ và I/O nằm trên các die riêng, mỗi phần dùng công nghệ phù hợp nhất với vai trò của mình. Cách làm này tăng 36% FLOPs tính toán của hệ thống (số phép tính dấu phẩy động, thước đo sức xử lý thô), tăng băng thông HBM (High Bandwidth Memory, bộ nhớ băng thông cao) lên 2,5 lần và băng thông scale-up thêm 14%.
- Inference độ chính xác thấp: các định dạng MXFP4 và sub-3-bit giảm lượng bộ nhớ và dữ liệu phải di chuyển cho mỗi token, cho phép hệ thống chạy mô hình lớn hơn và ngữ cảnh dài hơn trong cùng mức điện năng.
- Tổ chức bộ nhớ NUMA: bộ nhớ chuyển sang kiểu non-uniform memory access giữa các chiplet, để phần mềm đặt dữ liệu gần đơn vị tính toán sử dụng nó.
- Mở rộng lên 12.288 accelerator: mỗi rack tăng gấp đôi lên 96 accelerator, phạm vi scale-up mở rộng thành superpod 12.288 accelerator hoạt động như một hệ thống.
Maia 300 phục vụ những loại tác vụ nào?
Guthrie mô tả Maia 300 là “một hệ thống AI hoàn chỉnh được thiết kế cho các loại workload AI mới đang xuất hiện.” Theo blog chính thức của Microsoft, Maia 200 và Maia 300 cùng được thiết kế để hỗ trợ thêm nhiều dịch vụ AI của hãng: tác vụ lập trình nhiều bước cho GitHub, phục vụ mô hình trên Microsoft Foundry, inference và tạo dữ liệu cho nhóm MAI, và các tương tác cần độ trễ thấp cho Dragon Copilot, trợ lý quy trình lâm sàng của Microsoft.
“Chúng tôi phải làm trên toàn bộ stack, xuống tận tầng silicon,” Mustafa Suleyman, CEO Microsoft AI, nói. “Ở quy mô đó, chúng tôi cần một nền tảng do mình sở hữu và cùng thiết kế với các mô hình của mình. Đó là lý do chạy các mô hình Microsoft AI trên chip Maia là trọng tâm quan trọng của nhóm.”
Góc nhìn Hingewise: Maia 300 có ý nghĩa gì với khả năng hiển thị trên AI search?
Theo cách đọc của Hingewise, inference rẻ hơn làm giảm chi phí của mỗi câu trả lời do AI tạo ra. Mỗi khi ai đó hỏi Copilot và nhận câu trả lời thay vì danh sách link, thương hiệu của bạn hoặc có mặt trong câu trả lời đó, hoặc không, và mức hiệu suất Microsoft dự kiến cho Maia 300 có thể giúp hãng phục vụ nhiều câu trả lời như vậy hơn trong cùng mức điện năng.
Microsoft đã dùng Maia 200 cho các tính năng AI tích hợp trong Teams, Copilot và Cowork, nên phạm vi ảnh hưởng không chỉ dừng ở tìm kiếm.
Thông báo này cũng cho thấy Microsoft muốn nắm bao nhiêu phần trong chuỗi. Suleyman nói về phần cứng được thiết kế cùng các mô hình của Microsoft, và các mô hình đó chạy trong sản phẩm người dùng cuối của hãng. Theo nhận định biên tập của Hingewise, mức tích hợp này có thể cho Microsoft thêm dư địa điều chỉnh cách Copilot trả lời, thêm một lý do để kiểm tra nội dung của bạn hiển thị ra sao trong các sản phẩm AI của Microsoft, không chỉ của Google.
Microsoft cũng nhấn mạnh suy luận ngữ cảnh dài. Theo Hingewise, mô hình đọc được nhiều nội dung của một trang cùng lúc có thể ưu tiên nội dung đầy đủ và có cấu trúc rõ ràng, dù Microsoft chưa nói gì về cách Copilot chọn hay trích dẫn nguồn.
Nhận định của Hingewise: Maia 300 là tin phần cứng mà nhiều đội marketing sẽ bỏ qua, nhưng inference rẻ hơn và quy mô lớn hơn là một phần lý do câu trả lời do AI tạo ra có thể được phục vụ rộng rãi. Mốc đáng theo dõi là đợt đưa vào sản xuất năm 2027, nhất là mọi thay đổi trong cách Copilot xử lý nội dung dài và trích dẫn nguồn.
Trước khi Maia 300 vào sản xuất năm 2027, hãy kiểm tra nội dung của bạn:
- Nội dung quan trọng có được cấu trúc để AI nhận ra câu trả lời cốt lõi trong 100 từ đầu không?
- Các trang chính có trả lời câu hỏi cụ thể thay vì chỉ mô tả sản phẩm hay dịch vụ không?
- Nội dung dài có thực sự đầy đủ, hay chỉ dừng ở mức bề mặt?
- Bạn có hiện diện nhất quán trên hệ sinh thái Microsoft (Bing, LinkedIn, Microsoft 365), không chỉ trên Google?
- Các trang có dùng structured data (schema markup, dữ liệu có cấu trúc giúp AI nhận ra loại nội dung, tác giả và các khẳng định chính) không?
- Những thông tin quan trọng nhất trên website có đứng độc lập được thành câu hoàn chỉnh để AI trích dẫn chính xác không?
Nguồn: The Verge, 12/10/2026 · Microsoft Official Blog, 12/10/2026 · Microsoft Azure Blog, 12/10/2026
Lam Nguyen · Hingewise
Bài viết được soạn với sự hỗ trợ của AI từ các nguồn dẫn ở trên và đối chiếu với các nguồn đó trước khi đăng. "Góc nhìn Hingewise" là nhận định biên tập của Hingewise, dựa trên khung phân tích và lập trường chúng tôi dùng trong công việc GEO. Cách chúng tôi làm việc: Chính sách biên tập.