微軟正在加快把 AI 晶片的主動權收回自己手裡。公司釋出第三代自研 AI 加速器 Maia 300，並表示從這一代開始，將主要依靠自家晶片來處理湧入的 AI 請求，從而降低對 輝達 GPU 的長期依賴。這一轉變發生在其自研晶片已迭代數代、雲與辦公 AI 服務規模持續擴大的背景之下。

微軟在 AI 領域最厚實的資產是 Azure 雲，它為眾多客戶執行各類模型；面向軟體工程師和辦公人群的 Microsoft 365 Copilot 與 GitHub Copilot 提供 AI 服務；公司也自研模型，但在由 OpenAI、Anthropic 和 谷歌 主導的模型市場上尚未取得顯著突破。晶片機會則來自對先進處理器的旺盛需求，以及市場對多元選擇的渴望。輝達 GPU 長期是 AI 工作負載與模型的事實標準，既填滿微軟現有資料中心，也用於訓練 OpenAI 和 Anthropic 的模型。但隨著需求持續膨脹，模型廠商已開始採用來自 亞馬遜、AMD、Cerebras、谷歌 以及近月來微軟的多類晶片。在通用計算上，微軟本就使用自研 CPU 以及 英特爾 和 AMD 的晶片。

微軟的 Maia 路線圖已推進數年：首款 AI 晶片 Maia 100 於 2023 年推出，Maia 200 於今年 1 月釋出。CEO 薩提亞·納德拉 在 7 月對分析師表示，Maia 200 的每美元效能比其機群中最新一代硬體高出 30%，並稱該晶片已在處理 OpenAI 的模型。Maia 300 計劃於 2027 年投產。執行副總裁 Scott Guthrie 在部落格文章中稱，微軟的目標是 Maia 系列晶片實現多吉瓦級部署，但總經理 Alistair Speirs 拒絕給出具體時間表，理由是行業變化極快，需要保留一定靈活性，以便在合適的時間為合適的模型部署合適的晶片。

在硬體規格上，微軟預計每個資料中心機架將裝入 96 顆 Maia 300，是 Maia 200 的兩倍；新版本每個機架可處理的 AI token 最高提升至 七倍，每兆瓦 token 數比 GPU 高出 40%。Speirs 表示，公司需要能帶來更好效能、更高效利用電力的新架構，因為對資料中心而言，電力幾乎可以直接換算為運營成本。技術院士 Jim Kleewein 稱，Microsoft 365 Copilot 的部分功能應會因 Maia 300 而提速。

財務層面，首席財務官 Amy Hood 上月在高盛的一場會議上表示，使用自研晶片在過去十年間幫助改善了利潤率。投行 Evercore ISI 在週三發給客戶的報告中估計，到 2027 年第一季度，Maia 將佔微軟 AI 晶片支出的約 10%，該機構對微軟股票給出買入評級。

輝達仍將是這一方程中的重要一環。CEO 黃仁勳 上週出席了一場活動，微軟在會上釋出了搭載輝達處理器的 Surface 筆記本。Speirs 也表示，在模型訓練方面，微軟與輝達和 AMD 合作。與谷歌的 TPU 或亞馬遜的 Inferentia、Trainium 不同，微軟的加速器不能按小時租給其他公司使用。諮詢公司 Moor Insights and Strategy 的 CEO Patrick Moorhead 指出，目前還沒有人在微軟之外測試過這些晶片。

從產業視角看，微軟此舉是超大規模雲廠商自研晶片趨勢的延續：在推理負載上，自研晶片若能以更低的單位電力成本處理更多 token，就直接對應雲業務的運營成本與毛利空間。對輝達而言，短期訓練需求仍高度依賴其 GPU，但推理這一更大體量的長期市場正被客戶以自研方案逐步分流；對 AMD、博通等參與定製晶片與加速器供應鏈的廠商，以及資料中心電力與散熱環節，則意味著需求結構可能隨架構變化而重新分配。