Chips da Microsoft já rodam o Copilot. O Maia 300 baixa o custo dela primeiro; o seu depende do contrato

Se a sua empresa usa o Microsoft Copilot, parte das respostas já está sendo gerada em chips que a Microsoft projetou. A Microsoft confirmou em 12 de outubro que “o Maia 200 já atende cargas de produção da Microsoft, incluindo o Microsoft Copilot”, e que o GitHub Copilot e o Microsoft Foundry devem migrar para ele até o fim de 2026.

A notícia maior foi o plano. Scott Guthrie, vice-presidente executivo de Cloud e IA, anunciou que a Microsoft vai escalar o sistema Maia para implantações de vários gigawatts a partir de 2027, com o Maia posicionado como o principal sistema de inferência dos produtos e serviços da Microsoft. A próxima geração, o Maia 300, “começa implantações em produção em 2027”.

As alegações, com o seu status

A Microsoft espera que o Maia 300 “entregue 40% mais tokens por megawatt do que os principais sistemas baseados em GPU” e, numa configuração completa de 96 aceleradores, até sete vezes o throughput de tokens por rack do Maia 200. As duas são projeções para um hardware que ainda não está em produção. Para o chip que já roda, a Microsoft informa até 1,7 vez mais tokens por watt do que a principal infraestrutura de GPU para a IA embutida no Teams, no Copilot e no Cowork. São números do fornecedor, sem medição independente.

O alvo do projeto é específico: trabalho de contexto longo, intensivo em memória e pesado em decodificação, que é exatamente o que agentes geram. Uma resposta de chat é curta. Uma execução de agente que lê uma base de código, mantém um histórico longo e produz saída passo a passo durante uma hora pressiona a memória e a decodificação, não só a computação bruta. A Microsoft está construindo para esse perfil, com formatos de baixa precisão como um MXFP4 aprimorado, pensados para tornar janelas de contexto maiores viáveis em custo.

O que o cliente recebe, e o que não recebe

O texto não fala de preço, de SKUs nem de qualquer forma de o cliente escolher o Maia diretamente. Você não vai selecionar o Maia num formulário de implantação como escolhe uma máquina virtual com GPU. Ele fica embaixo dos serviços da própria Microsoft, e lá o Maia 200 roda modelos da OpenAI, os modelos MAI da Microsoft e famílias de modelos open source.

Isso quer dizer que os benefícios, se vierem, virão de forma indireta:

• Capacidade. Mais oferta de inferência sob controle da Microsoft pode aliviar limites de cota para cargas do Copilot e do Foundry, se a Microsoft decidir repassar isso.
• Preço. O custo por token da Microsoft cai se as alegações de eficiência se confirmarem. Se o preço para o cliente cai é uma decisão comercial, não de engenharia.
• Economia do contexto longo. Se o hardware barateia servir contextos longos, a diferença por token entre pedidos curtos e longos pode diminuir, o que afeta como os agentes são desenhados.

E algumas coisas ficam ainda mais fora de vista. Quando o hardware por baixo de um serviço gerenciado muda, o comportamento pode mudar nas margens, em latência, em limites de throughput e, quando a precisão de serviço muda, em pequenas diferenças na saída. O cliente não tem visibilidade de qual hardware atendeu um pedido.

Onde os chips rodam

O Maia 200 está sendo implantado nos Estados Unidos, na Europa e na Austrália, e o texto não cita nenhuma região da América do Sul; nada do que foi anunciado diz quando, ou se, o Maia vai atender cargas processadas no Brasil. O texto também não dá regiões para o Maia 300. Para empresas com exigências de residência de dados, a pergunta não é qual chip, e sim qual região; mudanças de hardware por baixo de um serviço não mudam a região que o cliente escolheu, e os termos contratuais sobre local de processamento continuam valendo.

O que perguntar, e o que não mudar

Não há motivo para redesenhar nada por causa do Maia. Há motivos para ajustar as perguntas que você faz à Microsoft:

1. Compromissos de capacidade. Se a capacidade de inferência está crescendo, peça por escrito para as suas cargas críticas: garantias de throughput, aumentos de cota e o prazo de aviso para limites.
2. Trajetória de preço. Pergunte como custos menores de inferência vão se refletir nos preços do Copilot e do Foundry ao longo do contrato, sobretudo para cargas de agentes cobradas por token.
3. Aviso de mudança. Pergunte se migrações de infraestrutura por baixo de modelos gerenciados são comunicadas e se resultados de avaliação podem se deslocar. Mantenha o seu próprio conjunto de regressão rodando, a disciplina que defendemos em a aposentadoria de modelos é a nova depreciação de API.

O padrão mais amplo é que todo hiperescalador está construindo a própria economia de inferência, e a competição vai aparecer no custo de uma tarefa concluída, não em qual chip a calculou. Defendemos medir exatamente isso em custo por tarefa concluída. O Maia é a aposta da Microsoft para baixar o lado dela dessa equação. O seu contrato decide quanto disso chega ao seu.