微軟推 Maia 300 自研 AI 晶片！宣稱每兆瓦 Token 產出增 4 成 2027 年啟動多 GW 部署
Celine
挑戰輝達、超微 GPU！Maia 300 鎖定 AI 推論 成微軟自家服務核心
微軟（Microsoft，MSFT）加速布局自研人工智慧（AI）晶片，最新一代 Azure Maia 300 正式亮相，目標降低對輝達（NVDA）、超微（AMD）等外部晶片供應商的依賴，並改善 AI 資料中心的運算效率與營運成本。微軟於當地時間週一在美國聖荷西舉行的 2026 年 OCP 全球高峰會公布相關進展，規劃自 2027 年起大規模部署自研晶片，規模達數 GW（百萬瓩）。
微軟表示，Maia 300 在特定應用情境下，每兆瓦電力可產生的 Token 數量，比領先的 GPU 系統高出 40％；採用 96 顆晶片的機櫃，其整體 Token 吞吐量則是上一代 Maia 200 系統的 7 倍。Token 是 AI 模型處理文字、影像等內容時使用的基本單位，單位電力能處理的 Token 越多，代表運算效率越高。
Maia 300 主要鎖定 AI 推論，也就是執行已訓練完成的 AI 模型，而非訓練新模型。微軟希望透過自研晶片支援更多內部 AI 工作負載，逐步成為旗下產品與服務的主要 AI 推論運算平台。
Maia 100、200 逐步擴大應用 新一代晶片 2027 年接棒
Maia 300 是微軟自研 AI 晶片計畫的第三代產品，前兩代分別為 Maia 100 與 Maia 200。其中，Maia 200 目前已逐步投入正式生產環境，支援微軟 365 Copilot、Teams、微軟自家 MAI 模型，以及 OpenAI 模型與開源模型等工作負載。
微軟指出，Maia 200 在 Teams、Copilot 等軟體的 AI 運算中，每瓦電力可提供的 Token 產出量，最高可達其他 GPU 系統的 1.7 倍。隨著 Maia 300 預計於 2027 年開始部署，微軟將進一步擴大自研晶片的使用規模，並希望讓自家晶片承擔旗下產品與服務的大部分 AI 推論需求。
相關報導指出，Maia 300 採用多晶粒架構，並搭配 HBM4 高頻寬記憶體。不過，微軟自研晶片能否在不同 AI 模型與工作負載中持續維持效能及成本優勢，仍有待實際部署與獨立測試驗證。
從依賴外購 GPU 到自研晶片 微軟加強 AI 基建自主性
大型雲端服務業者近年紛紛投入自研晶片，除了希望降低對外部供應商的依賴，也能針對自家 AI 服務的運算需求設計硬體，提高整體系統效率。
Google 早已推出 TPU 系列晶片，亞馬遜則透過 Trainium 與 Inferentia 等產品布局 AI 運算，Meta（META）也積極開發自有晶片。相較之下，微軟自研晶片計畫起步較晚，但隨著 Maia 系列進入第三代，並宣布數 GW 規模的部署計畫，顯示自研晶片正從產品開發階段走向更大規模的實際應用。
微軟此舉也可能對輝達形成長期競爭壓力。雲端業者既是 AI 加速器的重要買家，也是大型資料中心的營運者；若能以自研晶片承擔部分內部運算需求，就有機會降低部分外購晶片成本，並將有限的外部 GPU 資源保留給需要特定硬體的雲端客戶。
不過，微軟並未表示將停止採購輝達或超微晶片。公司採取的是多元化運算策略，將依照不同工作負載與客戶需求，提供自研晶片、外部 GPU 及不同 AI 服務選項。
數 GW 部署鎖定內部需求 微軟暫不打算對外出租自研晶片算力
值得注意的是，微軟目前的規劃與部分競爭對手有所不同。亞馬遜與 Google 已將自研晶片算力提供給第三方客戶使用，微軟則表示，現階段 Maia 系列晶片將優先用於滿足內部需求，而非對外出租相關運算資源。
微軟旗下 Copilot、GitHub Copilot 及其他企業 AI 服務，均需要大量 AI 推論算力。透過自行設計晶片，並整合資料中心、模型與 AI 應用，微軟希望提高運算效率、控制成本，並強化從底層硬體到上層 AI 服務的整體掌控能力。
隨著微軟與亞馬遜、Google、Meta 等業者持續投入數千億美元等級的 AI 基礎設施建設，電力供應、資料中心容量及晶片成本已成為產業競爭的重要因素。Maia 300 能否達成每兆瓦 Token 產出提升 40％的目標，以及 2027 年多 GW 部署後的實際成本效益，將是觀察微軟自研晶片能否改變 AI 運算市場格局的關鍵。
