微軟釋出第三代自研 AI 晶片 Maia 300：2027 年上線，目標成為微軟的“主要推理系統”

微軟在 2026 年 10 月 12 日宣佈了第三代自研 AI 晶片 Maia 300。The Verge 的報道顯示，微軟把它定位為“主要的 AI 推理系統”，用來支撐自家的產品和服務。推理指的是模型訓練完成之後，每次回答使用者請求時所消耗的計算。隨著聊天、程式設計助手和智慧體的使用量上升，這部分開銷已成為雲廠商最大的成本之一。微軟要做的，是把越來越多的這類計算搬到自己設計的晶片上。 時間表是最先要看的資訊。Maia 300 將從 2027 年起逐步進入生產環境，也就是說，它今天還不能用，只是一份路線圖。它的前代 Maia 200 今年 1 月才公佈，如今已經在微軟內部的生產負載上執行，包括 Microsoft Copilot、GitHub Copilot、Microsoft Foundry，以及微軟自己的 AI 模型。微軟雲業務負責人 Scott Guthrie 稱，Maia 200 是微軟機隊裡“按真實業務指標衡量表現最好的 AI 基礎設施”。從一代到下一代只隔了不到一年，說明微軟在晶片上的迭代節奏很快。

再看效能。Guthrie 表示，預計 Maia 300 的每兆瓦詞元產出比領先的 GPU 系統高 40%。在完整的 96 個加速器配置下，機架級詞元吞吐最高可達 Maia 200 的 7 倍。這裡有兩點要讀清楚。其一，兩個數字都是微軟高管給出的預期，原文沒有引用獨立測試。其二，“每兆瓦”這個單位值得留意：資料中心的瓶頸正越來越多地來自電力，而不是機器數量，所以微軟選擇用電力效率來講故事，而不是隻談峰值算力。 架構上有一處具體的細節。Maia 300 基於臺積電的 N2P 工藝節點，採用小晶片（chiplet）設計，把計算、記憶體控制器和輸入輸出功能拆開。微軟 Azure 硬體與基礎設施團隊的解釋是，這樣可以把更多的矽面積留給計算，並讓每一項功能使用最適合自己的工藝。Guthrie 說，Maia 300 是為新出現的工作負載設計的完整系統：長上下文推理、對延遲敏感的對話體驗，以及持續的多步驟智慧體任務。這與近一年產品形態的變化相吻合，智慧體常常要在很長的上下文裡連續呼叫工具，對延遲和穩定性的要求都比單輪問答高。

最能體現戰略意圖的是這句話：微軟將從 2027 年起把 Azure Maia 系列擴充套件到多吉瓦的部署規模，讓 Maia 成為微軟產品和服務的主要推理系統。The Verge 據此認為，微軟很快就能主要依賴自家晶片，而不是英偉達和 AMD 的產品。這是對公開表態的解讀，並不等於微軟宣佈停止外購。微軟 AI 部門負責人 Mustafa Suleyman 也談到了另一層動機：要在整個技術棧上做工作，一直做到矽片；在那樣的規模下，需要一個自己擁有、並與模型共同設計的平臺，因此讓微軟自己的 AI 模型跑在 Maia 上是團隊的關鍵任務。

如果把這條訊息放進更長的時間線，會更容易看清它的分量。Maia 200 在今年 1 月公佈，幾個月後就已進入微軟內部的生產負載；Maia 300 又在不到一年後宣佈，並把“主要推理系統”寫進了目標。這種節奏意味著微軟不再把自研晶片當作實驗專案，而是當作需要年年交付的產品線。對客戶而言，真正會感受到的變化多半不在晶片本身，而在價格與速度：如果每兆瓦產出的詞元更多，同樣的電力就能服務更多請求，雲端智慧體和助手的單位成本有機會下降。不過，這一切目前都建立在微軟自己的預期之上，具體能省多少，要看 2027 年之後的真實賬單。 我們的看法是，這條訊息的重點在於“成本結構”。如果推理主要跑在自研晶片上，微軟就能把一部分毛利留在自己手裡，也更容易把模型和硬體一起最佳化。但風險同樣明確：晶片是 2027 年才上線的計劃，能否按期交付、實際能效能否達到預期，都還沒有證據。需要補充的是，報道沒有給出記憶體容量、峰值算力、價格以及是否向外部雲客戶開放等資訊，這些空白在 Maia 300 真正落地之前無法判斷。讀者可以把它當成一個訊號：大型雲廠商都在走向“模型加晶片”的垂直整合，而推理效率正在成為競爭焦點。