Anthropic em discussões iniciais para executar inferência de Claude no silício customizado Maia 200 da Microsoft via Azure

Anthropic está em discussões de estágio inicial com Microsoft para implantar cargas de trabalho de inferência de modelo de linguagem grande Claude em servidores do Azure equipados com o acelerador de IA customizado Maia 200 da Microsoft, segundo CNBC e fontes próximas das discussões. Nenhum acordo foi assinado, e as discussões permanecem preliminares. Se concluído, o acordo tornaria Claude o primeiro modelo de classe de fronteira externo a validar silício customizado da Microsoft em escala de produção. Maia 200, lançado em janeiro de 2026 no processo de 3 nanômetros da TSMC, foi projetado exclusivamente para inferência de IA e afirma mais de 30% melhor desempenho de tokens-por-dólar comparado com o último silício GPU na frota da Microsoft.

Anthropic atualmente hospeda Claude em um mix de infraestrutura diversificado: pods TPU v5p do Google Cloud, Trainium e Inferentia2 da Amazon Web Services, e em GPUs NVIDIA via Microsoft e provedores de nuvem de terceiros. Um acordo Maia adicionaria uma quarta opção de silício customizado principal e reduziria custo de inferência por token de Claude, uma métrica que impulsiona unit economics de todo lab de fronteira. O programa Maia da Microsoft enfrentou atrasos e desafios de validação externa; Trainium da Amazon e TPU do Google têm anos de precedência de cliente. A avaliação de Anthropic envolve avaliar tradeoffs de precisão numérica do Maia 200 e se inferência FP8 atende requisitos de latência e qualidade de Claude.

Para arquitetos de infraestrutura, as discussões sulinham o desvio em direção a silício de inferência customizado e longe de GPU como comodidade. A estratégia de cobertura multicloud de Anthropic demonstra como labs de fronteira estão fragmentando seus compromissos de hardware para evitar vendor lock-in e otimizar custo. Um acordo assinado marcaria um ponto de validação para o roteiro de silício da Microsoft e sinalizaria que chips projetados por hiperscaler podem servir modelos externos em econômia competitiva.