微軟擬大幅擴增自研 AI 晶片產量 傳向台積電預訂逾 30 萬顆 Maia 300
Celine
微軟（Microsoft）積極強化自研 AI 晶片布局，外電引述《The Information》報導指出，微軟正與晶圓代工龍頭台積電（2330）洽談，計畫確保逾 30 萬顆下一代 Maia 300 AI 晶片的製造產能，預計 2027 年交付。
若相關計畫成真，將顯示微軟正加速擴大自有 AI 加速器部署規模，降低對輝達（NVIDIA） AI GPU 的高度依賴，同時也代表台積電在全球 AI 晶片供應鏈中的重要性持續提升。
Maia 300 最快秋季亮相 微軟傳向台積電預訂逾 30 萬顆
《The Information》引述知情人士指出，微軟最快可能在今年秋季推出新一代 Maia 300 AI 晶片，並已與台積電進行相關產能討論。
市場消息指出，微軟計畫向台積電預訂超過 30 萬顆 Maia 300，預計在 2027 年交付。不過，微軟並未證實具體的晶片生產數量。
微軟 Azure Maia 總經理 Andrew Wall 表示，公司持續投資客製化晶片，這是長期 AI 基礎建設策略的一環；至於外傳的 30 萬顆數字，他並未直接確認，並強調相關數字並不能代表微軟整體的生產規模。
Wall 進一步指出，微軟的長期目標是讓 Azure Maia 部署支援以 GW（Gigawatt，吉瓦）計算的 AI 工作負載需求，顯示未來 Maia 系列晶片的部署規模可能遠高於目前市場傳聞的數量。
從 Maia 到 Maia 300 微軟加速自研 AI 晶片布局
微軟最早在 2023 年 11 月推出 Maia 系列 AI 晶片，並在今年初推出第二代 Maia 200。
隨著 AI 運算需求快速增加，全球 AI 晶片供應持續吃緊，加上高階 AI 晶片成本高昂，促使微軟、Google 及亞馬遜（Amazon）等大型雲端服務商積極發展自主晶片。
其中，微軟的 Maia 系列主要用於 Azure 雲端基礎建設，目標是提供自家 AI 服務及雲端客戶所需的 AI 運算能力。
相較於直接採購大量通用 AI GPU，自研 ASIC 或 AI 加速器有機會針對特定 AI 工作負載進行最佳化，在特定應用情境下達到降低成本、提高能源效率及提升運算效能的目的。
微軟、Google、亞馬遜競逐自研 AI 晶片 台積電成關鍵受惠者
目前全球大型雲端業者正掀起自研 AI 晶片競賽。Alphabet（GOOGL）旗下 Google 已發展多年 TPU（Tensor Processing Unit），目前廣泛用於 Google Cloud 及 AI 服務；亞馬遜（Amazon）旗下 AWS 則推出 Trainium 系列 AI 加速器。
相較之下，微軟開始發展自研 AI 晶片的時間較晚，因此 Maia 系列過去普遍被市場認為仍處於追趕階段。
不過，隨著 AI 基礎建設投資規模持續擴大，微軟也開始加速 Maia 產品迭代及部署。例如 AI 新創 Anthropic 已與亞馬遜及 Google 達成相關合作，採用亞馬遜 Trainium 及 Google TPU 等自主 AI 晶片，顯示大型雲端業者自研晶片已逐步從「降低成本的替代方案」，走向實際商業部署。
AI 晶片供不應求 科技巨擘加速降低對輝達依賴
目前 AI 資料中心建置仍處於高速擴張階段，輝達（NVIDIA）高階 GPU 仍是市場主流，但價格高昂與供應緊張，也成為大型雲端業者積極尋找替代方案的重要原因。
微軟、Google 及亞馬遜等科技巨頭每年投入數百億美元甚至更高規模的資本支出，用於建置 AI 資料中心與運算基礎設施。
在如此龐大的資本支出環境下，若能透過自主設計 AI 晶片降低單位運算成本，對雲端業者的長期毛利率及資本效率都具有重要意義。
IDC 運算系統平台與技術研究總監 Jim Hines 指出，微軟發展自有晶片設計能力，反映出超大規模雲端服務商正出現更廣泛的垂直整合趨勢。
在成本上升、電力限制及 AI 晶片供應受限的情況下，雲端業者正逐步整合從晶片、伺服器到資料中心等 AI 基礎建設的整個技術堆疊。
台積電 AI 晶片代工地位再受矚目
若微軟最終確定向台積電下單超過 30 萬顆 Maia 300，台積電將進一步受惠於全球科技巨擘自研 AI ASIC 的浪潮。
值得注意的是，即使微軟、Google 及亞馬遜等業者積極發展自主晶片，這並不代表台積電的重要性降低。相反地，自研晶片的設計者與晶圓代工廠之間形成分工，超大規模雲端業者負責晶片架構設計，而台積電則掌握先進製程製造能力。
因此，AI ASIC 市場持續擴大，反而可能為台積電帶來新的先進製程訂單來源。
CSP 業者走向「GPU＋自研 ASIC」之路 投資人關注三大受惠方向
此次微軟擴大 Maia 布局，市場後續可留意三大趨勢，一是台積電受惠 AI ASIC、GPU 及 HPC 晶片需求持續增加，先進製程產能的重要性進一步提升；二是微軟、Google、亞馬遜等 CSP 持續提高自研晶片比例，有利於 ASIC 設計、先進封裝及相關供應鏈。
最後，Maia 等自研 AI 加速器大規模部署，也將同步帶動伺服器、HBM、先進封裝、網路及電力等 AI 資料中心基礎建設。
整體而言，微軟擴大 Maia 300 產量，不只是單一晶片產品的更新，更反映全球 CSP 業者正在從「大量採購 AI GPU」逐步走向「GPU＋自研 ASIC」的多元 AI 算力架構。對台積電而言，這也意味著 AI 晶片市場的成長動能，正從單純 GPU 需求進一步擴散至 ASIC 與客製化晶片領域。
