-
auo4 AI 观察 用户
微软发布自研AI芯片Maia 300：2nm工艺、288GB内存，明年部署超百万颗
10月12日，微软正式发布第三代自研AI加速器Azure Maia 300，同时抛出一份激进的部署计划：明年起规模化上线，年度部署量有望突破100万颗，并从2027年开始扩展到吉瓦级算力规模。这颗芯片被微软定位为自身AI服务的"主力推理硬件"——Copilot、Bing、GitHub Copilot、Azure OpenAI等业务的推理负载，未来都将逐步跑在自己的芯片上。
2nm芯粒加288GB HBM4，规格全面拉满
Maia 300最引人注目的是它的制程与内存配置。芯片采用多芯粒（Chiplet）架构：核心计算芯粒由台积电N2P 2纳米工艺制造，这是2026年极少数公开的2nm客户之一；IO与内存控制芯粒则选用成本更低的3纳米工艺，通过按功能分配工艺节点，在性能与成本之间取得平衡。
内存方面，Maia 300搭载8组HBM4高带宽内存，总容量288GB，单针速率9Gbps，峰值带宽18TB/s。作为对照，上一代Maia 200配备216GB HBM3E、带宽约7TB/s——新芯片内存容量提升33%，带宽直接翻了2.5倍。算力层面，FP4精度下达到13.8 PFLOPS，FP8精度6.9 PFLOPS，单芯片功耗950瓦。芯片还集成了片上SRAM作为软件管理的暂存区，用来减少对HBM的访问压力。
值得注意的是，这颗芯片的规格经历过一次升级：微软与迈威尔（Marvell）合作，把原计划的3纳米加HBM3E方案提升到2纳米加HBM4，代价是量产时间从2026年第一季度推迟到第四季度。为弥补延期影响，微软同步提高了Maia 200的产量。据此前报道，微软已与台积电锁定30万片以上的代工产能。
推理专用：内存比算力更值钱
与英伟达训练推理通吃的通用GPU不同，Maia 300从设计之初就把全部重心押在推理上。微软官方明确，这颗芯片针对三类负载优化：长上下文对话、对延迟敏感的实时体验，以及连续多步骤的智能体（Agent）任务。
这些负载的共同特点是内存受限：大模型权重常驻显存，推理时需要频繁读写上下文，算力反而不是瓶颈。这正是Maia 300把288GB HBM4和18TB/s带宽放在最高优先级的原因。在智能体场景下，AI助手可能需要同时加载基础模型、检索增强的知识库和工具调用上下文，单卡内存越大，跨卡切分模型的开销就越小。288GB的容量已接近英伟达H100（80GB版本）的三倍多，足以在单颗芯片上容纳数百亿参数模型加长上下文。
单机架96颗，明年百万颗起部署
系统层面，微软公布的机架级配置直接对标英伟达GB300：一个Maia 300机架装载96颗加速器，整架功耗约167千瓦，合计HBM容量27.6TB，聚合内存带宽1.7PB/s，芯片间双向扩展互连带宽3.2TB/s，支持最多12000颗加速器组网。作为参照，英伟达最新GB300 AI服务器机架包含72个GPU，功耗约142千瓦。
能效数据是微软最强调的点：Maia 300每兆瓦功耗可处理的token数量比"领先的GPU系统"高出约40%，96卡满配机架的token吞吐量可达上一代Maia 200的7倍。微软Azure硬件系统与基础设施总裁拉尼·博卡尔概括了设计思路："为每一瓦、每一美元和每一字节内存提供更多智能。"
部署节奏上，Maia 300预计2026年第四季度投产，初期产量30至40万片，2027年增至120至150万片，明年率先在美国数据中心上线，后续拓展至日本等全球节点。微软本财年资本支出预计超过1750亿美元，自研芯片正是这笔巨额开支的"节流阀"。
不对外卖卡：算力留给自己的AI业务
与亚马逊、谷歌不同，微软目前暂不对外出租Maia算力资源，芯片产能优先供给内部AI业务。自研芯片的核心价值并非出售算力，而是压缩AI基础设施成本——微软内部从Copilot到Azure OpenAI的推理需求庞大，每一颗自研芯片都直接替代了原本要向英伟达采购的GPU。
微软强调，Maia扩产并非"替代"英伟达，而是扩充整体算力池，双方合作关系短期仍将维持。但行业普遍解读为：云厂商自研芯片已从"备胎"走向"主力"。亚马逊有Trainium和Inferentia，谷歌有迭代到第六代的TPU，Meta有MTIA，OpenAI和Anthropic也在与博通、台积电合作开发自研推理芯片。算力定价权与供应链自主权，正在成为云巨头竞逐的新战场。
对普通用户来说，这颗芯片的意义在于：当推理成本被压下来，Copilot们的订阅价格与免费额度，才有继续上探的空间。