微軟發布第三代 Maia 300 AI 晶片，2027 年起取代 Nvidia GPU 成推論主力

微軟宣布推出第三代自研 AI 晶片 Maia 300，定位為微軟產品與服務的「主要 AI 推論系統」，預計 2027 年起正式部署於生產環境。這個時程點很清楚：從那一刻起，微軟的 AI 推論工作負載將主要靠自家晶片跑，而不是 Nvidia 或 AMD。

效率數字是這次發布最有份量的部分。微軟雲端事業執行副總裁 Scott Guthrie 表示，Maia 300 每百萬瓦特可產出的 token 數，比目前領先的 GPU 系統多 40%；在完整 96 顆加速器配置下，機架級 token 吞吐量是 Maia 200 的七倍。架構上，Maia 300 採用 TSMC N2P 製程，並引入 chiplet 設計，將運算、記憶體控制器與 I/O 功能分開，讓每個模組用最適合它的製程技術——這是拉開效率差距的核心手段。

值得注意的是，Maia 200 今年一月才剛宣布，現在已跑在 Microsoft Copilot、GitHub Copilot、Microsoft Foundry 等正式服務上，而 Guthrie 直接稱它是「機隊中表現最好的 AI 基礎設施」。Maia 300 的問世，代表微軟的自研晶片迭代節奏正在加快，而不是把硬體當配角慢慢做。

微軟 AI 執行長 Mustafa Suleiman 把話說得更直接：「我們要和自家模型共同設計晶片，在 Maia 之上跑微軟 AI 模型是團隊的關鍵焦點。」這句話的意涵是，Maia 300 不只是省錢的基礎設施工具，它同時是微軟追趕 Google DeepMind、OpenAI 與 Anthropic 的模型研發策略的一部分。硬體與模型的共同設計，正是 Google 靠 TPU 建立的競爭護城河——微軟現在走的是同一條路。

對企業主來說，這件事的意義有兩層。第一層是供應鏈：微軟是全球最大的 Nvidia GPU 買家之一，如果 2027 年之後推論端真的大量轉向 Maia，Nvidia 在超大型雲端客戶上的定價能力會受到實質壓力。第二層是 Azure 服務的成本結構：推論效率提升 40%，理論上等比例壓縮每次 API 呼叫的算力成本，微軟有空間調降 Azure AI 服務定價來鞏固企業客戶、或把省下來的錢砸進模型訓練。

當然，「2027 年開始部署」到「真的取代 Nvidia 成為主力」之間，還隔著規模化量產、軟體生態系與實際工作負載驗證三道關卡。Maia 200 的例子算是好消息——宣布後不到一年就跑在正式環境——但 Maia 300 要做到「gigawatt 級部署」是完全不同的量級挑戰。這條路能不能走穩，2027 年見真章。