微软在自研 AI 芯片上再进一步。公司云与 AI 执行副总裁 Scott Guthrie 通过博客宣布，新一代加速器 Maia 300 将高带宽内存（HBM）带宽从 Maia 200 的 7.1 TB/s 提升至 18 TB/s，提升约 2.5 倍；HBM 容量也从 216 GB HBM3 扩大到 288 GB HBM4。这一升级的核心指向是 AI 推理：让数据搬运更快、每令牌能耗更低。
与芯片发布同步，微软确认 Maia 200 已进入全面量产阶段，目前正在 Azure 上承载重要 AI 负载，包括 OpenAI 的模型以及驱动 Microsoft Copilot 的自有 MAI 模型。Maia 200 于 2026 年 1 月亮相，而 Maia 300 被定位为在 Azure 上提供更强推理算力的下一步。
算力指标上，Maia 300 的 FP4 性能达到 13.8 POPS，高于 Maia 200 的 10.1 FP4 POPS；FP8 性能为 6.9 POPS，此前为 5.1 FP8 POPS，并增强了对 MXFP4 的支持。
架构层面的变化更值得关注。Maia 200 采用基于 台积电 3 纳米工艺的单片系统级芯片（SOC）设计，而 Maia 300 转向模块化芯粒（chiplet）架构，使用 N2P 工艺节点。芯粒化让微软可以把计算、内存控制器与 I/O 功能拆分开来，公司称这有助于改善效率、可扩展性与成本结构。同时，芯片内部从统一内存访问（UMA）改为跨芯粒的非统一内存访问（NUMA），以提升数据局部性、减少数据搬运。微软在技术简报中解释，每个计算区域都有邻近内存，配合对 DMA 引擎、本地 SRAM、HBM 与片上网络的显式控制，数据移动距离更短，从而降低搬运能耗。
网络设计也围绕更大集群展开。微软采用两层 scale-up 网络，使 Maia 300 集群规模实际翻倍：托盘内加速器之间用直连链路，机架内通过交换架构连接全部 96 颗加速器；第二层光交换则支持最多 128 个机架互联，组成搭载超过 12000 颗 Maia 300 的 scale-up“超级舱”，规模是 Maia 200 最大 scale-up 集群的两倍。机架内交换依赖 6 颗高基数交换 ASIC，集成在三个液冷交换托盘中，在提供全部 96 颗加速器所需机架内连接的同时，压缩交换占用的空间与功耗。Guthrie 将这一设计描述为把网络视为软件定义数据流架构的自然延伸，让数据流操作跨越计算、内存与网络资源，而非经过独立的通信层。
供电与散热方面，微软采用双路供电、高容量电源架与 50 V 母线架构，为加速器与交换托盘配电；Maia 300 加速器、电压调节器与交换 ASIC 采用液冷，内存、存储等部件则用风冷。
整体性能上，一个装满 96 颗 Maia 300 的机架，令牌吞吐量最高可达装满 48 颗 Maia 200 机架的 7 倍；按每瓦性能计算，Maia 300 是 Maia 200 的 2.5 倍。Guthrie 给出的机架级数据是：96 颗加速器在 167 千瓦功耗包络内，提供 27.6 TB HBM 总容量与 1.7 PB/s 聚合 HBM 带宽。他认为这种密度让微软能从每个机架服务更多并发 AI 交互与更大负载，改善数据中心容量与 AI 服务扩张的经济性。
时间表上，Maia 300 预计 2027 年开始生产部署。对关注 AI 基础设施的读者而言，这条消息有两层含义：一是云厂商自研推理芯片正从“能用”走向“规模化、可迭代”，Maia 200 量产意味着微软在真实负载上积累了运行经验；二是芯粒架构、HBM4 与光交换超级舱的组合，把竞争焦点从单芯片算力扩展到内存带宽、集群互联与每瓦经济性，这些环节的供应链——先进制程、HBM、交换 ASIC、液冷与供电——都会随之受到牵动。