微軟在自研 AI 晶片上再進一步。公司雲與 AI 執行副總裁 Scott Guthrie 通過部落格宣佈，新一代加速器 Maia 300 將高頻寬記憶體（HBM）頻寬從 Maia 200 的 7.1 TB/s 提升至 18 TB/s，提升約 2.5 倍；HBM 容量也從 216 GB HBM3 擴大到 288 GB HBM4。這一升級的核心指向是 AI 推理：讓資料搬運更快、每令牌能耗更低。
與晶片釋出同步，微軟確認 Maia 200 已進入全面量產階段，目前正在 Azure 上承載重要 AI 負載，包括 OpenAI 的模型以及驅動 Microsoft Copilot 的自有 MAI 模型。Maia 200 於 2026 年 1 月亮相，而 Maia 300 被定位為在 Azure 上提供更強推理算力的下一步。
算力指標上，Maia 300 的 FP4 效能達到 13.8 POPS，高於 Maia 200 的 10.1 FP4 POPS；FP8 效能為 6.9 POPS，此前為 5.1 FP8 POPS，並增強了對 MXFP4 的支援。
架構層面的變化更值得關注。Maia 200 採用基於 台積電 3 奈米工藝的單片系統級晶片（SOC）設計，而 Maia 300 轉向模組化芯粒（chiplet）架構，使用 N2P 工藝節點。芯粒化讓微軟可以把計算、記憶體控制器與 I/O 功能拆分開來，公司稱這有助於改善效率、可擴充套件性與成本結構。同時，晶片內部從統一記憶體訪問（UMA）改為跨芯粒的非統一記憶體訪問（NUMA），以提升資料區域性性、減少資料搬運。微軟在技術簡報中解釋，每個計算區域都有鄰近記憶體，配合對 DMA 引擎、本地 SRAM、HBM 與片上網路的顯式控制，資料移動距離更短，從而降低搬運能耗。
網路設計也圍繞更大叢集展開。微軟採用兩層 scale-up 網路，使 Maia 300 叢集規模實際翻倍：托盤內加速器之間用直連鏈路，機架內通過交換架構連線全部 96 顆加速器；第二層光交換則支援最多 128 個機架互聯，組成搭載超過 12000 顆 Maia 300 的 scale-up“超級艙”，規模是 Maia 200 最大 scale-up 叢集的兩倍。機架內交換依賴 6 顆高基數交換 ASIC，整合在三個液冷交換托盤中，在提供全部 96 顆加速器所需機架內連線的同時，壓縮交換佔用的空間與功耗。Guthrie 將這一設計描述為把網路視為軟體定義資料流架構的自然延伸，讓資料流操作跨越計算、記憶體與網路資源，而非經過獨立的通訊層。
供電與散熱方面，微軟採用雙路供電、高容量電源架與 50 V 母線架構，為加速器與交換托盤配電；Maia 300 加速器、電壓調節器與交換 ASIC 採用液冷，記憶體、儲存等部件則用風冷。
整體效能上，一個裝滿 96 顆 Maia 300 的機架，令牌吞吐量最高可達裝滿 48 顆 Maia 200 機架的 7 倍；按每瓦效能計算，Maia 300 是 Maia 200 的 2.5 倍。Guthrie 給出的機架級資料是：96 顆加速器在 167 千瓦功耗包絡內，提供 27.6 TB HBM 總容量與 1.7 PB/s 聚合 HBM 頻寬。他認為這種密度讓微軟能從每個機架服務更多併發 AI 互動與更大負載，改善資料中心容量與 AI 服務擴張的經濟性。
時間表上，Maia 300 預計 2027 年開始生產部署。對關注 AI 基礎設施的讀者而言，這條訊息有兩層含義：一是雲廠商自研推理晶片正從“能用”走向“規模化、可迭代”，Maia 200 量產意味著微軟在真實負載上積累了執行經驗；二是芯粒架構、HBM4 與光交換超級艙的組合，把競爭焦點從單晶片算力擴充套件到記憶體頻寬、叢集互聯與每瓦經濟性，這些環節的供應鏈——先進製程、HBM、交換 ASIC、液冷與供電——都會隨之受到牽動。