微软公布自研芯片 Maia 300：2027年规模部署，能效比GPU高40%

买卡买到手软的科技巨头们，终于下定决心要在自家后院挖一条护城河。

微软公布了下一代自研 AI 推理芯片 Azure Maia 300，并且计划从 2027 年开始进行吉瓦级（multi-gigawatt）的大规模部署。微软 CEO 萨蒂亚·纳德拉直接把这次动作称为微软在自研芯片上押下的「最大一笔赌注」。按照规划，Maia 系列将成为微软自家产品和云服务的核心推理主力。

压榨每一度电里的 Token

大模型跑到今天，大家拼的早就不只是算力有多大，而是机房里的电够不够烧。

微软给 Maia 300 定下的目标非常明确：把重心完全放在推理上，专门应付长上下文推理、低延迟对话和复杂的智能体多步骤任务。微软官方预计，和主流的 GPU 系统相比，Maia 300 每兆瓦电力能多产出 40% 的 Token。

从硬件参数来看，微软这次确实下了本钱。Maia 300 的计算芯粒采用了台积电的 N2P 工艺节点，采用计算、内存控制器和 I/O 分离的小芯片架构。单颗芯片塞进了 8 个 HBM4 堆栈，在 950 瓦的功耗下能够提供高达 18.0 TB/s 的峰值内存带宽。

到了整机架层面，微软搞出了一个塞进 96 颗加速卡的系统。整个机柜功耗为 167 千瓦，能够聚合提供 27.6 TB 的 HBM 容量和 1.7 PB/s 的聚合带宽，整机架 Token 吞吐量最高能达到上一代 Maia 200 的 7 倍。

上一代的 Maia 200 也不是摆设。微软透露它已经在美洲、欧洲和澳大利亚上线，正在支撑 Teams、Copilot 等真实生产负载，相比主流 GPU 实现了最高 1.7 倍的每瓦 Token 产出。到 2026 年底前，GitHub Copilot 和 Microsoft Foundry 也会全面切入。

兜里有了自研芯片，谈判桌上更有底气

微软自己算得很清楚，2026 年全年的资本支出预计高达 1750 亿美元，很大一部分都流向了英伟达等芯片硬件商。

英伟达现在的吸金能力依然惊人，在截至 2026 年 7 月 26 日的季度里营收达到 962 亿美元，同比增长 106%，其中数据中心业务就占了 890 亿美元。眼下微软虽然还在采购英伟达 Vera Rubin 和 AMD Helios 系统，但 Maia 300 的出现让它在未来的采购谈判里多了一张极具分量的底牌。

不只是微软，整个头部 AI 阵营都在走这条路。比如 OpenAI 也在 2025 年 10 月联手博通公布了 10 吉瓦的自研芯片计划，预计在 2026 年下半年到 2029 年落地。

为什么重要

对普通用户和企业客户来说，最关心的是这能不能让 Copilot 更便宜、更好用。我们认为，微软自己做芯片降低了推理成本，但它并没有在公告里承诺会直接给终端软件降价。更大的可能是先把这部分省出来的利润吃下，或者转化为更高的并发支持与更长的上下文窗口。

对于整个 AI 硬件行业，这一步的信号再明显不过：云厂商和模型大厂正在加速摆脱对单一 GPU 供应商的重度依赖。虽然短期内英伟达的先发优势和生态壁垒依然难以撼动，但如果大厂的日常推理都能用自家定制芯片搞定，英伟达的超高定价权迟早会被撕开一道口子。

微软的这套打法看起来相当务实。它没有去硬碰大模型训练这块最难啃的骨头，而是集中精力在耗电最凶、规模最大的推理场景上死磕能效比。不过隐患也同样摆在眼前：微软目前并未公开具体的对比测试基准和对照 GPU 细节，自研芯片能不能在 2027 年如期交付、实际运行多样化开源架构时软件栈能不能跟上，依然需要时间来验证。