微软正在加快把 AI 芯片的主动权收回自己手里。公司发布第三代自研 AI 加速器 Maia 300，并表示从这一代开始，将主要依靠自家芯片来处理涌入的 AI 请求，从而降低对 英伟达 GPU 的长期依赖。这一转变发生在其自研芯片已迭代数代、云与办公 AI 服务规模持续扩大的背景之下。
微软在 AI 领域最厚实的资产是 Azure 云，它为众多客户运行各类模型；面向软件工程师和办公人群的 Microsoft 365 Copilot 与 GitHub Copilot 提供 AI 服务；公司也自研模型，但在由 OpenAI、Anthropic 和 谷歌 主导的模型市场上尚未取得显著突破。芯片机会则来自对先进处理器的旺盛需求，以及市场对多元选择的渴望。英伟达 GPU 长期是 AI 工作负载与模型的事实标准，既填满微软现有数据中心，也用于训练 OpenAI 和 Anthropic 的模型。但随着需求持续膨胀，模型厂商已开始采用来自 亚马逊、AMD、Cerebras、谷歌 以及近月来微软的多类芯片。在通用计算上，微软本就使用自研 CPU 以及 英特尔 和 AMD 的芯片。
微软的 Maia 路线图已推进数年：首款 AI 芯片 Maia 100 于 2023 年推出，Maia 200 于今年 1 月发布。CEO 萨提亚·纳德拉 在 7 月对分析师表示，Maia 200 的每美元性能比其机群中最新一代硬件高出 30%，并称该芯片已在处理 OpenAI 的模型。Maia 300 计划于 2027 年投产。执行副总裁 Scott Guthrie 在博客文章中称，微软的目标是 Maia 系列芯片实现多吉瓦级部署，但总经理 Alistair Speirs 拒绝给出具体时间表，理由是行业变化极快，需要保留一定灵活性，以便在合适的时间为合适的模型部署合适的芯片。
在硬件规格上，微软预计每个数据中心机架将装入 96 颗 Maia 300，是 Maia 200 的两倍；新版本每个机架可处理的 AI token 最高提升至 七倍，每兆瓦 token 数比 GPU 高出 40%。Speirs 表示，公司需要能带来更好性能、更高效利用电力的新架构，因为对数据中心而言，电力几乎可以直接换算为运营成本。技术院士 Jim Kleewein 称，Microsoft 365 Copilot 的部分功能应会因 Maia 300 而提速。
财务层面，首席财务官 Amy Hood 上月在高盛的一场会议上表示，使用自研芯片在过去十年间帮助改善了利润率。投行 Evercore ISI 在周三发给客户的报告中估计，到 2027 年第一季度，Maia 将占微软 AI 芯片支出的约 10%，该机构对微软股票给出买入评级。
英伟达仍将是这一方程中的重要一环。CEO 黄仁勋 上周出席了一场活动，微软在会上发布了搭载英伟达处理器的 Surface 笔记本。Speirs 也表示，在模型训练方面，微软与英伟达和 AMD 合作。与谷歌的 TPU 或亚马逊的 Inferentia、Trainium 不同，微软的加速器不能按小时租给其他公司使用。咨询公司 Moor Insights and Strategy 的 CEO Patrick Moorhead 指出，目前还没有人在微软之外测试过这些芯片。
从产业视角看，微软此举是超大规模云厂商自研芯片趋势的延续：在推理负载上，自研芯片若能以更低的单位电力成本处理更多 token，就直接对应云业务的运营成本与毛利空间。对英伟达而言，短期训练需求仍高度依赖其 GPU，但推理这一更大体量的长期市场正被客户以自研方案逐步分流；对 AMD、博通等参与定制芯片与加速器供应链的厂商，以及数据中心电力与散热环节，则意味着需求结构可能随架构变化而重新分配。