96 hızlandırıcılı bir sunucu rafı Microsoft’un yeni yapay zekâ hamlesinin temelini oluşturuyor
Microsoft, yapay zekâ hızlandırıcısı Maia 300’ü tanıttı. Hızlandırıcının hesaplama yongacıkları Taiwan Semiconductor Manufacturing Co.’nun N2P sürecini kullanacak ve üretim sistemlerinde kullanıma 2027’de başlanacak. Duyuru, Microsoft’un kendi Maia donanımını ürünleri ve hizmetlerinde yapay zekâ çıkarımı için temel sistem haline getirme hedefinin arkasındaki somut tasarımı ortaya koyuyor.
İçindekiler
- 96 hızlandırıcılı bir sunucu rafı Microsoft’un yeni yapay zekâ hamlesinin temelini oluşturuyor
- TSMC N2P neleri üretecek?
- Bellek neden hesaplama gücü kadar önemli?
- Verinin nereye gideceğini yazılım belirliyor
- Tek bir raftan 12.288 hızlandırıcıya
- Verimlilik iddiaları gerçekte neyi karşılaştırıyor?
- Soğutma ve elektrik kullanımı dağıtımı şekillendiriyor
- Başlangıç noktası Maia 200
- TSMC ve Tayvan’ın sunucu sektörü daha büyük rol üstleniyor
- Nvidia planın parçası olmaya devam ediyor
- Öne Çıkanlar
Planlanan sunucu rafı, 167 kilovatlık güç sınırı içinde 96 hızlandırıcıyı bir araya getiriyor; 27,6 terabayt yüksek bant genişlikli bellek ve saniyede yaklaşık 1,7 petabayt toplam bellek bant genişliği sunuyor. Microsoft, Maia 300’ün megavat başına önde gelen grafik işlem birimi (GPU) tabanlı sistemlerden yüzde 40 daha fazla belirteç üreteceğini ve bir Maia 200 rafının çıktısının yedi katına kadar ulaşacağını öngörüyor.
Bunlar bağımsız kıyaslama sonuçları değil, şirketin performans iddiaları. Yine de Microsoft’un yatırımını hangi yöne yönelttiğini gösteriyor: tek bir yonganın hesaplama gücünü artırmaktan ziyade, veri merkezlerinin elektrik, soğutma ve alan sınırları içinde üretilebilen faydalı yapay zekâ çıktısını artırmak.
Microsoft’un Bulut ve Yapay Zekâdan Sorumlu Başkan Yardımcısı Scott Guthrie, şirketin 12 Ekim 2026 tarihli Azure Maia duyurusunda kullanım planını açıkladı.
Azure Maia ailesini 2027’den itibaren birden fazla gigavatlık kullanıma ölçeklendireceğiz ve Maia’yı Microsoft ürünleri ile hizmetleri için temel çıkarım sistemi haline getireceğiz.
Taahhüt yalnızca Maia 300’ü değil, Maia ailesini kapsıyor. Microsoft’un 2027’de bir milyondan fazla Maia 300 yongası kullanabileceğine ilişkin haberler, yayımlanan duyurunun ötesine geçiyor. Duyuru başlangıç yılını doğruluyor, ancak yonga sayısını ya da daha kapsamlı genişlemenin tamamlanma tarihini belirtmiyor.
TSMC N2P neleri üretecek?
Microsoft’un doğrulaması, Maia 300’ü genel ifadeyle 2 nanometrelik bir yonga olarak tanımlamaktan daha kesin. Hesaplama yongacıkları, TSMC’nin 2 nanometre ailesindeki bir süreç olan N2P’yi kullanıyor. Bellek denetleyicileri ile giriş ve çıkış işlevleri ayrı kalıplarda yer alıyor; böylece paketin farklı bölümlerinde, görevlerine uygun üretim teknolojileri kullanılabiliyor.
Yongacık, bir paket içindeki diğer kalıplarla birlikte çalışan daha küçük bir silikon parçasıdır. Maia 300’de bu bölümlendirme, Microsoft’un hesaplama işlevlerini gelişmiş bir süreçle üretirken bağlantı, bellek denetimi ve maliyeti ayrı tasarım tercihleri olarak ele almasını sağlıyor. Paketteki her kalıbın N2P kullandığı anlamına gelmiyor.
Azure Donanım Sistemleri ve Altyapısından Sorumlu Başkan Rani Borkar ile Sistem Planlama ve Mimarisinden Sorumlu Kurumsal Başkan Yardımcısı Saurabh Dighe’nin kaleme aldığı Microsoft’un 12 Ekim tarihli Maia 300 mimari incelemesi, bu ayrımı açıkça anlatıyor.
Belgeye göre mimarideki değişiklikler, kayan nokta işlemleriyle ölçülen sistem hesaplama verimini yüzde 36 artırıyor, HBM bant genişliğini 2,5 katına çıkarıyor ve hızlandırıcılar arasındaki iletişim bant genişliğine yüzde 14 ekliyor. Bu rakamlar sistemdeki farklı kaynakları tanımlıyor. Hiçbiri tek başına, raf başına belirteç çıktısında iddia edilen yedi kat artışı açıklamıyor.
Bellek neden hesaplama gücü kadar önemli?
Maia 300 öncelikle çıkarım için tasarlandı. Çıkarım, önceden eğitilmiş bir modelin yanıt üretmek veya görev yapmak üzere kullanılmasıdır. Hedeflenen iş yükleri arasında uzun belgeler üzerinde akıl yürütme, hızlı yanıt gerektiren konuşmalar ve uzun süre boyunca birden fazla adım uygulayıp araç kullanan yapay zekâ ajanları bulunuyor.
Bu tür iş yüklerinde, aritmetik işlem yapmaktan ziyade model verileri ve saklanan konuşma bilgileri taşınırken önemli ölçüde zaman harcanabiliyor. Bu nedenle Microsoft, her hızlandırıcıyı 288 gigabayt kapasite ve saniyede 18 terabayt tepe bant genişliği sağlayan sekiz HBM4 bellek yığını etrafında tasarladı. Bunlar, 950 wattlık termal tasarım gücü sınırı içinde sunuluyor. Termal tasarım gücü, güç ve soğutma için belirlenmiş bir tasarım değeridir; sürekli elektrik tüketiminin ölçümü değildir.
Microsoft’a göre Maia 300, Maia 200’le karşılaştırıldığında yüzde 33 daha fazla bellek kapasitesi ve 2,5 kat bellek bant genişliği sunuyor. Kapasite karşılaştırması, yonga başına 216 gigabayttan 288 gigabayta çıkan ve 72 gigabaytlık artışa karşılık gelen değerlerle örtüşüyor.
Bant genişliği birimlerine dikkat etmek gerekiyor. Bazı haberlerde önceki yonganın bant genişliği saniyede terabit, yeni rafınki ise saniyede petabit olarak veriliyor. Microsoft’un Maia 300 belgelerinde saniyede terabayt ve petabayt birimleri kullanılıyor. Bit ile bayt arasında sekiz kat fark olduğundan, farklı birimlerle ifade edilen bu değerler birbirinin yerine kullanılamaz.
Verinin nereye gideceğini yazılım belirliyor
Maia 300, Microsoft’un Yazılım Tanımlı Yerel Erişimli Veri Akışı Mimarisi’ni (SDLA) geliştiriyor. Uygulamada bu mimari, yazılıma verinin nerede saklanacağı, nasıl taşınacağı, biçiminin ne zaman değiştirileceği ve hesaplama motorları, bellek ile ağ arasındaki işlemlerin nasıl eşgüdümleneceği üzerinde açık denetim sağlıyor.
Yeni tasarım, yongacıklar arasında tek tip olmayan bir bellek düzeni kullanıyor. Bazı bellekler belirli bir hesaplama bölgesine diğerlerinden daha yakın. Yazılım, veriyi ihtiyaç duyan motorların yakınına yerleştirerek taşıma miktarını azaltabiliyor. Kalıp üzerinde bulunan hızlı bir bellek olan SRAM da yazılımın yönettiği geçici çalışma alanı olarak görev yapıyor ve HBM’ye olan talebi düşürüyor.
Microsoft bu değişiklikleri, MXFP4 gibi kompakt sayısal biçimlere ve üç bitten daha az kullanan depolama biçimlerine yönelik desteğin genişletilmesiyle bir araya getiriyor. Bu gösterimler, verinin bellekte kapladığı alanı ve çıkarım sırasında taşınması gereken bayt miktarını azaltıyor. Bunların faydası yalnızca daha küçük biçime değil, yazılımın ve modelin desteğine de bağlı.
Tasarım ayrıca, modelin daha önce işlediği belirteçlere ait bilgileri saklayan ve böylece her adımda bu bilgileri yeniden hesaplamasını önleyen KV önbelleğini hedefliyor. Konuşmalar uzadığında veya aynı anda çok sayıda kullanıcıya hizmet verilmesi gerektiğinde bu önbelleğin küçük tutulması önem kazanıyor.
Microsoft Yapay Zekâ Üst Yöneticisi Mustafa Suleyman, ekibinin modellerinin altında yatan platformu neden denetlemek istediğini açıklarken donanım programını şirketin model geliştirme çalışmalarıyla ilişkilendirdi.
Bu ölçekte, sahip olduğumuz ve modellerimizle birlikte tasarladığımız bir platforma ihtiyacımız var. Microsoft AI modellerimizi Maia yongası üzerinde çalıştırmak bu nedenle ekibimizin öncelikli odağı.
Tek bir raftan 12.288 hızlandırıcıya
Bir Maia 300 rafında 24 tepsi bulunuyor. Her tepside, ilgili ana işlemci, bellek, depolama ve soğutma bileşenlerinin yanında dört hızlandırıcı yer alıyor. Bu, Maia 200 rafındaki 48 hızlandırıcı sayısının iki katı. Ana sistem donanımının bu tepsilere entegre edilmesi, ayrı ana sistem tepsilerine duyulan ihtiyacı ortadan kaldırıyor ve ek hızlandırıcılara yer açıyor.
Microsoft’un ağ tasarımı, 12.288 hızlandırıcı içeren bir süper kümede 128 rafa kadar bağlantı kurulmasını sağlıyor. Rafların içinde elektrik bağlantıları, raflar arasında ise özel bir yapay zekâ aktarım sistemiyle birlikte Ethernet tabanlı optik bağlantılar kullanılıyor.
Ağ, süper küme genelinde yazılıma tek bir iletişim modeli sunuyor. Hızlandırıcılar, raflar arası iletişim için bir ana işlemci ya da ayrı ağ arayüzünden geçmeden diğer hızlandırıcılara veri aktarımı başlatabiliyor.
Bir model birden fazla yongaya bölündüğünde bu önem kazanıyor. Tensör paralelliği, model hesaplamalarının bir bölümünü hızlandırıcılara dağıtıyor ve aralarında sık iletişim kurulmasını gerektiriyor. Microsoft, en kısa yanıt süresi gereken trafiğin raf içinde tutulabildiğini, diğer işlerin ise daha geniş alana dağıtılabildiğini söylüyor.
Aynı ağ, bir istemin ilk işlenmesiyle yanıtın sonraki üretim aşamasını birbirinden ayırabiliyor. Saklanan KV verisi, bu aşamalarda görev yapan çalışanlar arasında doğrudan aktarılıyor. Kullanılabilir kapasitenin düşmesi halinde başka bir raftaki boş hızlandırıcılar da görevi devralabiliyor; ancak daha uzun iletişim yolu ek gecikmeye neden oluyor.
Verimlilik iddiaları gerçekte neyi karşılaştırıyor?
Microsoft, birbirinden ayrı değerlendirilmesi gereken iki temel karşılaştırma sunuyor. Megavat başına belirteç sayısında beklenen yüzde 40’lık artış, Maia 300’ü önde gelen GPU sistemleriyle karşılaştırıyor. Raf başına belirteç çıktısının yedi kata kadar çıkacağı iddiasıysa tam donanımlı Maia 300 rafını Maia 200’le karşılaştırıyor.
Belirteç, bir dil modeli tarafından işlenen metin birimidir; çoğunlukla tam bir sözcük değil, sözcüğün bir parçasıdır. Belirteç verimi çıktı hacmini ölçer; ancak tek başına yanıtların kalitesini, her kullanıcı için yanıt hızını veya her modeldeki performansı göstermez.
Mimari belgesinde Maia 200’e kıyasla verimlilik farklı ifadelerle anlatılıyor. Raf bölümünde watt başına performansın 2,5 kata kadar çıkacağı belirtilirken, sonuç bölümündeki karşılaştırmada 2,5 kattan fazla ifadesi kullanılıyor. Ayrıntılı test koşulları olmadan bu ifadeler tek bir garanti edilmiş sonuca indirgenmemeli.
Raf çıktısındaki artışın bir bölümü, hızlandırıcı sayısıyla açıklanıyor: Maia 300’de yonga sayısı iki katına çıkıyor. Dolayısıyla yedi kat verim iddiası yalnızca yoğunluktan kaynaklanmıyor; ek hızlandırıcıların yanı sıra bellek, yazılım, ağ ve yürütme verimliliğindeki değişiklikleri de kapsıyor. Bu, her bir yonganın tek başına yedi kat iyileşeceği şeklinde okunmamalı.
Hızlandırıcının 950 wattlık teknik değeri ile rafın 167 kilovatlık güç sınırı da birbirinden farklı. 96 ile 950 watt çarpıldığında 91,2 kilovat elde ediliyor. Raf değeri ana sistemleri, belleği, ağı ve güç dağıtımını da içeren daha kapsamlı bir sistemi kapsıyor; dolayısıyla iki değer farklı sınırları tanımlıyor.
Soğutma ve elektrik kullanımı dağıtımı şekillendiriyor
Raf başına 167 kilovat güç gereksinimi, Maia 300’ün güç ve ısıyı bütünleşik biçimde ele almasını gerektiriyor. Microsoft, sıvı soğutmanın hızlandırıcılar, voltaj regülatörleri ve ağ anahtarı yongalarından kaynaklanan ısı yükünün yüzde 80’den fazlasını uzaklaştırdığını söylüyor. Bellek, depolama ve diğer bileşenler ise havayla soğutuluyor.
Raf, tesis suyu mevcut olduğunda doğrudan su hattına bağlanabiliyor. Hava soğutmasına dayalı bir veri merkezindeyse ısı eşanjörü kullanılabiliyor. İkili güç beslemesi ve otomatik transfer anahtarı, bakım için bir besleme hattı devre dışı bırakıldığında çalışmanın sürmesini sağlıyor.
Raf ve sıra düzeyindeki güç ölçümleri, veri merkezi operasyonlarına aktarılıyor. Microsoft, bu bilgilerin algoritmalarına güç tahsisi yapma, iş yüklerini yerleştirme ve dağıtım yoğunluğunu mevcut elektrik ve soğutma kapasitesine göre ayarlama konusunda yardımcı olduğunu belirtiyor.
Microsoft Genel Müdürü Alistair Speirs, yeni mimariyi anlatırken işletme maliyetleriyle bağlantısını açıkladı.
Esasen daha iyi performans ve elimizdeki gücü daha iyi kullanma olanağı sunacak yeni mimarilere ihtiyacımız var.
Bu nedenle gigavat ölçeğindeki dağıtım hedefi yalnızca yonga satın alma planından ibaret değil. Rafları, ağları, elektrik kapasitesini ve soğutmayı kapsayan büyük bir altyapı taahhüdünü ifade ediyor. Yayımlanan duyuruda bu kapasitenin kullanılacağı tesisler, bölgesel dağılımı ya da tamamlanma takvimi belirtilmiyor.
Başlangıç noktası Maia 200
Microsoft, Maia 200’ün Microsoft Copilot da dahil olmak üzere üretim iş yüklerinde hâlihazırda kullanıldığını ve yeni modeller geliştiren MAI ekibine destek verdiğini söylüyor. Yonga, OpenAI modellerini, Microsoft’un kendi MAI modellerini ve önde gelen açık kaynaklı model ailelerini çalıştırıyor; ABD, Avrupa ve Avustralya’da kullanıma sunuluyor.
GitHub Copilot ile Microsoft Foundry’nin kullanıma alınma takvimi hakkındaki haberler farklılık gösteriyor. Bir haberde ikisinin de Maia 200 üzerinde üretim iş yüklerinde hâlihazırda çalıştığı belirtiliyor. Microsoft’un 12 Ekim tarihli açıklamasındaysa bu hizmetlerin 2026 sonuna kadar geçmesinin beklendiği söyleniyor. Durumlarını açıklarken esas alınması gereken daha kesin bilgi, şirketin resmî takvimi.
Microsoft, Teams, Copilot ve Cowork deneyimlerindeki yerleşik yapay zekâ işlevlerinin önde gelen GPU altyapısına kıyasla watt başına 1,7 kata kadar daha fazla belirteç ürettiğini bildiriyor. Şirket ayrıca gelecekte kodlama desteği, bulutta model sunumu, MAI için çıkarım ve veri üretimi ile Dragon Copilot üzerinden klinik iş akışlarını kullanım alanları arasında sayıyor.
Duyuruların ve planlanan kilometre taşlarının sıralaması şöyle:
- 2023: Microsoft ilk özel yapay zekâ hızlandırıcısı Maia 100’ü tanıttı.
- Ocak 2026: Microsoft Maia 200’ü duyurdu.
- 12 Ekim 2026: Microsoft Maia 300’ün mimarisini tanıttı ve Maia 200’ün üretim iş yüklerinde kullanıldığını doğruladı.
- 2026 sonuna kadar: GitHub Copilot ve Microsoft Foundry’nin Maia 200’e geçmesi bekleniyor.
- 2027: Maia 300’ün üretim sistemlerinde kullanımı ve Maia ailesinin birden fazla gigavata ulaşacak şekilde genişletilmesi başlayacak.
Microsoft Teknik Uzmanı Jim Kleewein, Microsoft 365 Copilot’ın bazı bölümlerinin Maia 300 ile hızlanması gerektiğini söylüyor. Kullanıcı yanıt sürelerinde nicel bir iyileşme henüz açıklanmadı.
TSMC ve Tayvan’ın sunucu sektörü daha büyük rol üstleniyor
Maia 300, TSMC’nin büyük bir bulut hizmeti şirketinin daha gelişmiş yapay zekâ donanımında yer alacağını doğruluyor. Hızlandırıcıyı Microsoft tasarlıyor, hesaplama yongacıklarını ise TSMC N2P süreciyle üretiyor. Dolayısıyla satın alınan GPU’lara bağımlılığın azalması, yarı iletken üretim kapasitesine bağımlılığı ortadan kaldırmıyor.
TSMC, 2 nanometre sürecini kullanan beş tesisin 2026’da üretimi artıracağını açıkladı. Bunların ikisi Hsinchu’da, üçü Kaohsiung’da bulunuyor. N2P’nin seri üretimi 2026’nın ikinci yarısı için planlanıyor; bu da Microsoft’un 2027’deki kullanım planından önce gerçekleşecek.
Piyasa tahminlerine göre TSMC’nin aylık 2 nanometre kapasitesi 2026 sonunda yaklaşık 90 bin ila 100 bin levhaya, 2027 ortasında ise 110 binin üzerine çıkacak. Sürecin yılın ikinci yarısındaki gelirin yaklaşık yüzde 10’una katkıda bulunabileceği yönündeki tahminler, Maia siparişlerinden elde edilmiş doğrulanmış gelir değil.
TSMC’nin açıkladığı hedefler arasında, 2 nanometre sürecinin ilk yılındaki levha üretimini 2023’teki 3 nanometre sürecinin ilk yılına kıyasla yüzde 45 artırmak ve 2026-2028 arasında 2 nanometre kapasitesinde yüzde 70 bileşik yıllık büyüme oranına ulaşmak bulunuyor. Bu hedeflerin hiçbiri, söz konusu üretimin ne kadarının Microsoft’a ayrılacağını göstermiyor.
Daha geniş piyasa tahminlerinde Foxconn, Quanta, Wistron, Wiwynn, Pegatron, Inventec, Compal ve MiTAC, artan yapay zekâ sunucusu talebinden yararlanabilecek şirketler arasında yer alıyor. Tahminlere göre yapay zekâ sunucusu sevkiyatları 2026’da 3,5 milyona, 2027’de 5,2 milyona ulaşacak. Yuvarlatılmış bu toplamlar yaklaşık yüzde 49 büyümeye işaret ediyor; bu oran ayrıca verilen yüzde 46’lık tahminin biraz üzerinde.
Tahminlerde, büyük ABD’li bulut sağlayıcılarının sermaye harcamalarının 2026’da yüzde 96 artacağı ve bu artışın yaklaşık yarısının veri merkezi inşaatlarından kaynaklanacağı da öngörülüyor. Foxconn, yıllık yapay zekâ rafı sevkiyatlarının iki kattan fazla artmasını beklerken Quanta, yapay zekâ sunucularında en az yüzde 100 büyüme hedefini koruyor. Bunlar Maia 300 tedarik sözleşmelerinin doğrulandığı anlamına gelmiyor; sektörün geneline ilişkin beklentiler.
Nvidia planın parçası olmaya devam ediyor
Microsoft’un hedefi Azure’daki tüm GPU’ları değiştirmek değil, Maia’yı kendi ürün ve hizmetleri için temel çıkarım sistemi haline getirmek. Yeni modellerin eğitilmesi ise ayrı bir gereksinim olmaya devam ediyor; Microsoft bu amaçla Nvidia ve AMD ile çalışmayı sürdürüyor.
Microsoft, temmuz ayındaki bilanço görüşmesinde Nvidia Vera Rubin ve AMD Helios sistemlerini kullanıma sunan ilk bulut sağlayıcılarından biri olmayı beklediğini söyledi. Evercore ISI, Maia’nın 2027’nin ilk çeyreğinde Microsoft’un yapay zekâ yongası harcamalarının yaklaşık yüzde 10’unu oluşturabileceğini tahmin ediyor. Harcama payı, yapılan çıkarım işlerinin payından farklıdır; bu nedenle söz konusu tahmin Microsoft’un operasyonel hedefindeki ilerlemeyi doğrudan ölçmüyor.
Maia hızlandırıcıları şu anda diğer şirketlerin saatlik olarak kiralayabileceği biçimde sunulmuyor. Bu durum dışarıdan değerlendirme yapılmasını sınırlıyor ve yayımlanan performans iddialarının, bağımsız bir müşterinin belirli bir modelde elde edeceği sonucu göstermediği anlamına geliyor.
Belirsizliğini koruyan konular arasında kullanım sayısı, gigavat ölçeğindeki kapasitenin tamamlanma takvimi, ayrıntılı kıyaslama koşulları ve iş yüklerinin Maia ile satın alınan GPU’lar arasında nasıl bölüneceği bulunuyor. Microsoft, stratejisine ilişkin daha fazla bilgiyi kasım ayında San Francisco’da ve çevrimiçi olarak düzenlenecek Ignite 2026’da paylaşacağını söylüyor.
Öne Çıkanlar
- Maia 300’ün hesaplama yongacıkları TSMC N2P kullanıyor; üretim sistemlerinde kullanıma 2027’de başlanacak.
- Her hızlandırıcıda 288 GB HBM4 bellek ve saniyede 18 TB tepe bellek bant genişliği bulunuyor.
- Tam donanımlı bir raf, 167 kW güç sınırı içinde 96 hızlandırıcı barındırıyor.
- Microsoft, önde gelen GPU sistemlerine kıyasla megavat başına yüzde 40 daha fazla belirteç ve Maia 200 rafının çıktısının yedi katına kadar ulaşılmasını bekliyor.
- Maia ailesinin kullanımı, tamamlanma tarihi açıklanmadan, 2027’den itibaren birden fazla gigavata doğru genişletilecek.
- Bir milyondan fazla Maia 300’ün kullanılacağına ilişkin haberler Microsoft’un duyurusunda doğrulanmıyor.
- Microsoft, kendi donanımının yanı sıra Nvidia ve AMD sistemlerini kullanıma sunmayı da planlıyor.






