במשך שנתיים נדמה היה שתעשיית הבינה המלאכותית מתנהלת כמו מרוץ חימוש: מי ישיג עוד אלפי מעבדי אנבידיה, מי יאמן את המודל הגדול הבא, ומי יצליח לעמוד בקצב. אבל כשהאבק מתחיל לשקוע, מתברר שהקרב האמיתי לא מתרחש בשלב האימון, אלא דווקא בשלב ההפעלה היומיומית. כל שאלה ב‑ChatGPT, כל סיכום מסמך ב‑Word, כל פעולה של Copilot – כולם מצטברים למיליוני פעולות חישוב שמייצרות עלויות אדירות. אל תוך המציאות הזו נכנסת מיקרוסופט עם Maia 200, שבב חדש שלא מנסה להיות הכי חזק בשוק, אלא הכי יעיל למשימה שהוא נועד לבצע. במקום עוד מפלצת אימון שתתחרה באנבידיה, החברה מציגה מאיץ שמותאם למשימה אחת – להריץ מודלים קיימים בצורה יעילה, חסכונית ויציבה. זה סיפור על שינוי כיוון – מהתלהבות טכנולוגית לכלכלה של ממש.
The era of large-scale AI is just beginning, and infrastructure will define what's possible. Meet Maia 200, Microsoft's breakthrough inference accelerator: https://t.co/uUsqBGjWAX pic.twitter.com/U4ZBc0xizl
— Microsoft Azure (@Azure) January 29, 2026
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
בעוד שהאימון (Training) זכה לכותרות, ההסקה (Inference) הפכה בשקט לאתגר הגדול של תעשיית ה‑AI. אם אימון מודל הוא כמו בניית מכונית פורמולה‑1, הרי שהאינפרנס הוא הנסיעה היומיומית, זו שמתרחשת מיליארדי פעמים ביום. וכאן מתגלה האבסורד – שבבי אנבידיה, שנועדו למסלול המרוצים, משמשים גם לנסיעה למכולת.
הם חזקים, אבל יקרים. מהירים, אבל בזבזניים. וכשמיקרוסופט מפעילה שירותים כמו Copilot ו‑Azure בקנה מידה עולמי, כל טוקן שנוצר הופך לשורה בהוצאות. כדי שה‑AI יהיה עסק בר‑קיימא, צריך לשנות את הכלכלה שלו ולא רק את היכולות שלו.
ה-Maia 200 הוא לא “מוח” לכל מטרה. הוא מכונה משומנת שנבנתה מתוך הבנה עמוקה של צרכי השעה. כדי להבין את עוצמת השינוי, צריך לזכור שהדור הקודם, ה-Maia 100, היה מאיץ שנולד בעולם ה’טרום-GPT’, עידן שבו הבינה המלאכותית הייתה משימה פשוטה בהרבה.
ה-Maia 200, לעומת זאת, הוא שבב שתוכנן במפורש לעידן ה’פוסט-GPT’: הוא נבנה מהיסוד כדי להתמודד עם המורכבות האדירה של הסקה מולטי-מודאלית – היכולת לעבד טקסט, תמונה וקול בו-זמנית ובמהירות שיא.
הוא מיוצר בטכנולוגיה המתקדמת ביותר בעולם (3 ננומטר), מה שמאפשר למיקרוסופט לדחוס לתוכו 140 מיליארד טרנזיסטורים – אותם רכיבי חישוב זעירים שמהווים את ה’תאים האפורים’ של השבב. זה פלא הנדסי שמציב אותו בשורה הראשונה של שבבי-העל המודרניים.
הבשורה האמיתית שלו היא היכולת לעבוד “רזה”. במקום לבצע חישובים מסורבלים ויקרים, הוא משתמש בשיטות מתמטיות חכמות (המכונות FP4 ו-FP8) שמאפשרות לו לעבד נתונים במהירות שיא. זה סוג של “קיצור דרך” אלגנטי – השבב עונה על שאלות הרבה יותר מהר וצורך כמעט חצי מכמות החשמל של המתחרים, מבלי שהמשתמש ירגיש שום ירידה באיכות התשובה.
מעבר לעוצמת החישוב הגולמית, ה-Maia 200 פותר את אחת הבעיות המתסכלות ביותר בעולם המחשוב: המרחק בין ה”מוח” ל”זיכרון”. דמיינו טבח שצריך להכין מנה במהירות, אבל כל פעם שהוא זקוק לתבלין, הוא חייב לרוץ למחסן בקצה הרחוב. השבב של מיקרוסופט משנה את חוקי המשחק בכך שהוא שם את ה”תבלינים” (נתוני המודל) ממש על שולחן העבודה של המעבד.
הוא עושה זאת באמצעות רכיב זיכרון מהיר במיוחד (SRAM) בנפח יוצא דופן, שנמצא על השבב עצמו. זה מאפשר לנתונים להישאר “ליד” יחידות העיבוד מבלי לבזבז זמן יקר על תנועה לזיכרון חיצוני איטי. הפתרון הזה מאפשר לשבב לעקוף את מה שנקרא בתעשייה “קיר הזיכרון” – צוואר בקבוק שמעכב כמעט כל שבב מודרני אחר וגורם להמתנה מיותרת של המערכת.
בנוסף, מיקרוסופט תכננה את ה-Maia 200 כך שיהיה “שחקן קבוצתי”. במקום לדרוש הקמת מרכזי נתונים יקרים ומיוחדים, הוא תוכנן להשתלב בקלות בשרתים הקיימים של החברה (Azure). כאן נכנס היתרון של צריכת החשמל המאוזנת – בזמן ששבבי הדגל של המתחרים מתחממים כל כך עד שהם דורשים מערכות קירור מורכבות ויקרות (כמו קירור נוזלי), ה-Maia 200 מסתפק במערכות קירור סטנדרטיות. עבור מיקרוסופט, זה אומר שהיא יכולה להתקין אותו מהר יותר ובזול יותר.
התוצאה אינה תאורטית בלבד – השבב כבר מריץ בפועל את המודלים המתקדמים ביותר של החברה, כולל ה-Copilot שאנו מכירים. בקרוב, היכולת הזו תיפתח גם ללקוחות חיצוניים, מה שיהפוך את הבינה המלאכותית לנגישה וזולה יותר עבור עסקים בכל העולם.
הנה טבלת השוואה שממחישה את היתרון של Maia 200:
כוח גולמי מול יעילות תפעולית
המסע של Maia 200 לא היה חלק. לפי דיווחים פנימיים, OpenAI, הלקוחה והשותפה החשובה ביותר של מיקרוסופט, דרשה באמצע הפיתוח שינויים משמעותיים בעיצוב השבב כדי להתאים למודלים העתידיים שלה. השינויים האלו, יחד עם קשיים טכניים ותחלופה גבוהה בצוותי ההנדסה, דחו את ההשקה בכחצי שנה.
בעולם שבו כל רבעון קובע, זה עיכוב משמעותי. בזמן שמיקרוסופט התמודדה עם האתגרים, גוגל השיקה את TPU v7 ואמזון התקדמה עם Trainium 3. ה-Maia 200 הגיע לשוק מאוחר יותר – אבל עם מיקוד ברור יותר.
Maia 200 אינו ניסיון להחליף את אנבידיה. מיקרוסופט יודעת שהיא עדיין זקוקה למעבדי Blackwell לאימון מודלים חדשים. אבל השבב כן מאפשר לה לצמצם את התלות באנבידיה בשלב ההפעלה שבו מתבצעים רוב החישובים.
לפי החברה, Maia 200 מספק שיפור של כ‑30% בביצועים‑לדולר. עבור Azure ו‑Copilot, זה מתורגם ישירות לשולי רווח גבוהים יותר.
חשוב להבין ש‑Maia 200 אינו פועל לבד. הוא חלק מצמד – לצידו פועל Azure Cobalt 100, מעבד ARM ייעודי שמיקרוסופט פיתחה כדי להחליף את שרתי ה‑x86 המסורתיים. השילוב בין Cobalt שמנהל את שכבת ה‑CPU לבין Maia שמאיץ את שכבת ה‑AI יוצר תשתית אחידה, יעילה וזולה יותר, וזהו למעשה המהלך האמיתי שמאפשר למיקרוסופט להוריד עלות‑לכל‑טוקן בצורה משמעותית.
המורכבות מתעצמת כשמוסיפים למשוואה את OpenAI, שמפתחת שבבים משלה עם Broadcom. מיקרוסופט מוצאת את עצמה במצב שבו היא מפתחת שבב עבור לקוחת העוגן והשותפה העיקרית שלה, בזמן שהלקוח מנסה להפחית את התלות בה. התגובה של מיקרוסופט פרגמטית – פשוט להשתמש בכל מה שעובד. Maia, אנבידיה, ואולי בעתיד גם שבבי OpenAI.
Maia 200 מסמן את המעבר של תעשיית ה‑AI משלב ההייפ לשלב התעשייה. אחרי שנים שבהן השאלה המרכזית הייתה “כמה גדול המודל?”, מגיעה הבנה חדשה: “כמה עולה להפעיל אותו?”.
ב‑2026, החדשנות הגדולה אינה רק ביכולות של המודל, אלא ביכולת להריץ אותו בצורה יעילה, חסכונית וברת‑קיימא. Maia 200 אולי לא יגנוב את הכותרות כמו שבבי הדגל של אנבידיה, אבל הוא מייצג את השינוי העמוק ביותר בתעשייה – שינוי שמגדיר מחדש את הכלכלה של הבינה המלאכותית.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
רוצים לקבל עדכונים על כל מה שחדש ומעניין בעולם ה-AI? הרשמו לניוזלטר שלנו!
תוצאות נוספות...
תוצאות נוספות...
