微软Maia 300自研AI芯片将投入量产，Maia家族扩展至吉瓦级部署

10月12日，微软在官方博客宣布两项重要进展：第三代自研AI加速器Azure Maia 300将于2027年投入量产，并且微软将自2027年起把Maia家族扩展至吉瓦级部署，使其成为微软产品与服务的“主要推理系统”。此举标志着这家长期依赖英伟达GPU的云巨头，在推理这一AI商业化最关键的战场上正式转向自家芯片。

微软的造芯之路始于2023年11月发布的首代Maia 100，2026年1月推出第二代Maia 200，后者目前已在美国、欧洲和澳大利亚的数据中心部署，承载Microsoft Copilot等生产负载，GitHub Copilot和Microsoft Foundry也将在年底前接入。按微软官方数据，Maia 200为Teams、Copilot等内置AI功能提供的每瓦tokens数，比主流GPU基础设施高出1.7倍。微软CEO纳德拉今年7月还透露，Maia 200处理OpenAI模型时“性价比比机队中最新的硬件高出30%”。

作为换代产品，Maia 300把全部设计重心押在推理上。芯片采用台积电N2P工艺的多chiplet架构，由主计算die、2个IO die、4个内存die和8组HBM4堆栈组成；单芯片FP4算力13.8POPS、FP8算力6.9POPS，热设计功耗950瓦，搭载288GB HBM4、峰值带宽18TB/s。机架级配置更为激进：单机架塞进96颗加速器，整机功耗167千瓦，HBM总容量27.6TB、聚合带宽1.7PB/s。微软称机架级tokens吞吐达到Maia 200的7倍，相比主流GPU系统每兆瓦可多产出40%的tokens，单个扩展域可集结约1.2万颗加速器。

自研芯片担纲推理

微软首次明确表态：从Maia 300开始，推理请求将“主要依靠自家芯片”处理。其战略含义首先在于经济账。AI竞争正从模型训练转向规模化推理，而推理是持续烧钱的过程——微软总经理Alistair Speirs直言，“功耗几乎可以直接转化为数据中心的运营成本”。当微软到2026年底的年化资本开支逼近1900亿美元量级时，每瓦多出的tokens直接就是毛利。微软CFO艾米·胡德也在高盛会议上承认，自研芯片过去十年持续带来“利润率改善”。

其次，这是一次渐进式“去英伟达化”，而非决裂。分析师估计，到2027年第一季度，Maia仅占微软AI芯片支出的约10%；模型训练环节，微软仍与英伟达、AMD深度合作。Speirs留有余地：“我们保留了一点选择权，因为这个行业变化非常快，我们希望在对的时间、为对的模型部署对的芯片。”

更值得注意的是，微软自研芯片的商业化明显落后于对手。与谷歌TPU、亚马逊Trainium不同，Maia目前不能按小时出租给外部客户，分析师称“还没有人在微软之外测试过这些芯片”。据报道，谷歌已开始把TPU对外销售的收入计入财报，而微软还在早期洽谈向Anthropic供应Maia 200，且尚未成交。此前The Information报道称微软正与台积电洽谈2027年30万颗、长期超100万颗的Maia 300产能，微软Azure Maia总经理Andrew Wall回应称报道数字“不能反映我们项目的实际规模”。

竞争对手的节奏

与微软相比，谷歌和亚马逊的自研芯片起步更早、商业化路径也更清晰，而两家走的路又各不相同。谷歌TPU已迭代多代，2025年4月发布的第七代Ironwood首次转向推理优先设计，同年10月拿下Anthropic的大单——后者承诺把TPU使用规模扩大至最多100万颗、2026年上线超过1吉瓦容量；更关键的是，谷歌在截至2026年6月的财季已开始确认TPU对外销售的收入，成为首家把自研芯片做成云产品线生意的巨头。

亚马逊则把Trainium做成了“绑定客户”的生态生意：Anthropic已用超过100万颗Trainium2训练和服务Claude，2026年4月更承诺未来十年在AWS投入超过1000亿美元、锁定最高5吉瓦容量，亚马逊Bedrock平台上Claude的全部推理流量都跑在Trainium上。

总而言之，谷歌的TPU已经是能赚钱的云产品，亚马逊的Trainium已经是撬动千亿美元客户承诺的生态杠杆，而Maia至今仍是微软内部的降本工具。