在2023年Ignite大会期间，微软首次宣布其已开发出名为Maia的自主人工智能加速器芯片。今年早些时候，在Build开发者大会上，微软分享了其首个自主研发的人工智能加速器Azure Maia 100的更多细节。Maia 100 是台积电 5nm 节点上制造的最大处理器之一，专门为部署在 Azure 中的大规模 AI 工作负载而设计。
昨天，在 Hot Chips 2024 大会上，微软首次分享了 Maia 100 的规格，并透露了更多细节。你可以在下面找到它们的摘要。
Maia 100 规格
芯片尺寸 - 820mm2
封装 - 采用 COWOS-S 夹层技术的 TSMC N5 工艺
HBM BW/Cap - 1.8TB/s @ 64GB HBM2E
峰值密集张量 POPS - 6 位：3，9 位1.5，BF16：0.8
L1/L2 - 500MB
后端网络 BW - 600GB/秒（12X400gbe）
主机 BW（PCIe）= 32GB/s PCIe Gen5X8
最高 TDP - 700W
额定 TDP - 500W
微软 Maia 100 系统采用垂直集成方式，以优化成本和性能。它还采用定制服务器板，配备专门设计的机架和软件堆栈，以提高性能。
Maia 100 SoC 架构
高速张量单元可为训练和推理提供高速处理，同时支持多种数据类型。该张量单元采用 16xRx16 结构。
矢量处理器是一个松散耦合的超标量引擎，采用定制指令集架构（ISA），支持包括 FP32 和 BF16 在内的多种数据类型。
直接内存访问（DMA）引擎支持不同的张量分片方案。
硬件 semaphores 支持 Maia 系统的异步编程。
为提高数据利用率和能效，大型 L1 和 L2 划痕垫采用软件管理。
Maia 100 采用基于以太网的互联技术和类似 RoCE 的定制协议，可实现超高带宽计算。它支持高达 4800 Gbps 的全收集和散射降低带宽，以及 1200 Gbps 的全对全带宽。
在软件方面，Maia 软件开发工具包（SDK）允许任何人快速将其 PyTorch 和 Triton 模型移植到 Maia。Maia SDK 为开发人员提供了多个组件，使他们能够轻松地将模型部署到 Azure OpenAI 服务。
开发人员可以选择两种编程模型来为 Maia 系统编程。他们既可以使用 Triton（一种用于深度神经网络 (DNN) 的流行开源特定领域语言 (DSL)），也可以使用 Maia API（一种 Maia 专用的定制编程模型，可通过更详细的控制实现最高性能）。此外，Maia 还原生支持 PyTorch 模型，开发人员只需更改一行即可执行 PyTorch 模型。
凭借其先进的架构、出色的开发者工具以及与 Azure 的深度集成，Maia 100 正在改变微软管理和执行人工智能工作负载的方式。微软 是否会像Google对其TPU和亚马逊对其Trainium和Inferentia芯片那样向第三方机构开放Maia 100加速器，还值得观察。
有关 Maia 100 的更多信息，请点击此处查看微软官方博文。