微软近日正式发布第三代自研 AI 加速器 Azure Maia 300，计划从 2027 年起将其作为微软产品和服务的 “主要 AI 推理系统”，推进数吉瓦级部署。

硬件规格与性能表现

Maia 300 采用台积电 N2P（2nm 增强版）芯粒架构，配备 288GB HBM4，单芯片 FP4 算力约 13.8 PFLOPS，内存带宽 18TB/s。单机柜满配可部署 96 颗芯片，整机柜功耗约 167 千瓦，机架级 Token 吞吐量最高可达上一代 Maia 200 的 7 倍（Maia200 单机架仅 48 颗）。微软称，在 AI 推理任务中，Maia 300 每兆瓦电力可处理的 Token 数量比 “领先 GPU 系统” 高出约 40%，但未披露具体对比对象。

迭代节奏与战略逻辑

微软自研芯片迭代明显提速：2023 年 11 月发布采用 5 纳米工艺的 Maia 100，面向 OpenAI 模型、Bing、GitHub Copilot 等云训练与推理负载；2026 年 1 月推出第二代 Maia 200（台积电 3nm），当时微软称其为公司部署最高效的推理系统，每美元性能较当时机队最新硬件提升 30%。距离 Maia 200 发布不到 9 个月，Maia 300 即亮相。

微软 CEO 萨提亚・纳德拉在2026 年 7 月访谈中阐述自研芯片底层逻辑：微软计划在自有 MAI 模型与芯片之间建立闭环，按自身需求设计微架构，持续迭代模型。微软强调，自研芯片并非要取代英伟达、AMD 等合作伙伴，训练及多样化负载仍会继续采购第三方 GPU，未来不会由单一模型、单一芯片或单一创新定义，重点是开发负责任、可负担且可扩展的平台。

应用场景与商业化节奏

Maia 300 专为长上下文推理、延迟敏感对话、持续多步骤 AI 代理任务等新型负载设计，优先用于 Copilot、Teams、GitHub Copilot 及 Azure Foundry 等内部 AI 服务，现阶段不对外直接出租算力。

相比谷歌 TPU 和亚马逊 Trainium 可对外提供算力、绑定大客户，微软 Maia 系列目前仍以内部降本增效为主，商业化节奏相对滞后。

市场产能与行业趋势

此前有报道称微软与台积电洽谈 2027 年交付超 30 万颗、长期目标超百万颗 Maia 300 产能；微软未确认具体数量，仅强调项目规模将远超报道数字。

当前谷歌、亚马逊、Meta 和 OpenAI 等巨头均加速自研芯片布局。亚马逊二季度财报电话会披露，Trainium AI 芯片、Graviton CPU 各自年化收入均超过 250 亿美元；越来越多 AI 初创公司采用 Trainium，包括 NEURA Robotics 和 Odyssey 等独角兽企业。