微軟正加速推進自研AI晶片戰略。據彭博報道，微軟週一宣佈，新一代Maia 300晶片將於明年開始在資料中心部署，專為AI推理任務設計。微軟預計，Maia 300每兆瓦可處理的token數量將比主流GPU系統高出40%，意味著在相同能耗下能夠承載更多AI工作負載。微軟資料中心硬體業務負責人Rani Borkar表示，公司將從明年起以吉瓦級規模部署Maia，以實際行動支撐對這一產品的信心。

推理是指利用訓練完成的AI模型執行實際任務，例如總結會議記錄、回答研究問題等，是AI應用執行過程中重要的算力需求來源。微軟表示，Maia系列針對自有資料中心的推理工作負載進行專門設計，能夠更高效地執行相關任務，並減少對輝達GPU的採購需求。後者目前仍是微軟推理業務的主要算力來源。

微軟的自研晶片戰略並非從零開始。今年年初，公司已開始在資料中心安裝上一代產品Maia 200，目前該晶片已用於驅動Copilot等AI軟體及其他任務。據Borkar介紹，Maia 200能夠支援OpenAI模型、微軟自研AI模型以及多個開源模型系列，部署範圍覆蓋美國、歐洲和澳大利亞的資料中心，為Microsoft Teams、Copilot等產品提供AI能力支撐。新一代Maia 300預計將於明年啟動部署，微軟希望藉助其能效優勢，在持續擴張的AI業務中進一步最佳化算力配置，降低推理成本。

值得注意的是，微軟在商業路徑上選擇了與同行不同的方向。在雲端計算巨頭紛紛開發自研AI晶片的背景下，谷歌和亞馬遜起步更早，已在自研晶片領域建立先發優勢，並將相關算力開放給雲端客戶使用。微軟則無意將Maia晶片的算力直接出租給外部客戶。Borkar表示，微軟自身的AI服務業務已經足夠龐大，希望優先服務自己。這意味著，微軟現階段更傾向於將Maia晶片用於內部AI業務，而非通過出租算力直接創造收入。

從產業視角看，微軟此舉的核心邏輯在於以能效優勢控制AI基礎設施成本。隨著AI服務規模擴大，推理算力需求持續攀升，若自研晶片能在每兆瓦token處理量上兌現40%的提升，將有助於微軟在同等電力條件下承載更多工作負載，從而緩解資料中心能耗與資本開支壓力。對投資者而言，Maia的商業價值將更多取決於其能否提高AI服務的執行效率、降低推理成本，並最終改善相關業務的利潤率，而不是晶片租賃業務能夠帶來多少直接收入。

這一動向也折射出雲廠商在AI算力供應鏈上的分化：谷歌、亞馬遜走的是自研晶片加對外輸出的路線，微軟則優先內化效率紅利。兩條路徑對輝達GPU需求的影響並不相同——前者可能分流部分外部採購，後者則更多影響微軟自身的增量採購節奏。Maia 300明年吉瓦級部署的實際落地進度與能效表現，將是觀察這一戰略成效的關鍵節點。