微软据报最早9月发布 Maia 300，瞄准自研芯片规模化与英伟达依赖
路透援引 The Information 报道称微软可能于最早9月公布下一代 Maia 300 AI 加速器，并正与台积电谈判以争取2027年交付超30万颗、长期目标超100万颗的产能。该计划仍属未确认报道，芯片设计、制程、产能与客户采纳等关键细节尚未由微软或合作方正式披露。
路透援引 The Information 报道称微软可能于最早9月公布下一代 Maia 300 AI 加速器，并正与台积电谈判以争取2027年交付超30万颗、长期目标超100万颗的产能。该计划仍属未确认报道，芯片设计、制程、产能与客户采纳等关键细节尚未由微软或合作方正式披露。
据路透社援引 The Information 报道，微软计划在2026年秋季公开介绍下一代 Maia 300 AI 加速器，时间最早可能在9月。报道还称，微软正与台积电洽谈产能，目标是为2027年交付超过30万颗 Maia 300 芯片，同时争取更大规模的长期产能。
这些信息目前仍属于报道中的计划，而不是微软已经正式公布的产品发布时间表。微软、台积电和潜在客户都没有确认芯片已经完成量产、订单已经锁定或交付规模已经确定。微软也没有立即回应路透社的置评请求，台积电在非工作时间未能取得联系。
Maia 300仍处于计划阶段
路透社称，微软正考虑在今年秋季、最早9月公开发布 Maia 300。报道没有披露芯片的具体架构、制程、内存配置、性能指标或数据中心部署区域，因此目前无法判断它相对于上一代 Maia 200 的技术提升幅度。
报道援引知情人士称，微软正在与台积电协商超过30万颗芯片的制造产能，计划在2027年交付。微软的长期目标是争取超过100万颗 Maia 300 的产能，但组件供应以及与台积电之间仍在进行的产能和封装谈判，可能限制这一目标。
需要区分的是，“争取产能”并不等同于已经签署订单，也不意味着芯片已经完成设计验证。类似地，报道中提到的2027年交付计划，也不能被理解为已经确定的出货数量。最终规模仍取决于芯片开发进度、先进封装、内存和其他配套组件的供应，以及微软对实际云端需求的判断。
微软为何希望扩大自研加速器规模
微软在2023年11月首次公布 Maia 100，并将其定位为面向Azure大规模云端AI工作负载的自研加速器。微软当时强调，Maia 100采取从芯片、软件到数据中心系统的协同设计路线，使用台积电5纳米工艺，并配套定制的电力管理、网络和液冷系统。
微软在官方博客中写道，Maia 100的设计受到运行Copilot等大规模AI工作负载的经验影响。它还采用了机架级电力分配、基于以太网的网络协议和闭环液冷等系统设计。这显示微软的自研芯片战略从一开始就不只是设计一颗处理器，而是试图将加速器嵌入Azure的完整基础设施。
2026年1月，微软又公布了第二代 Maia 200，重点转向大规模推理。根据微软官方介绍，Maia 200采用台积电3纳米工艺，搭载216GB HBM3e、7TB/s内存带宽和272MB片上SRAM，支持FP8和FP4等低精度计算。微软称，Maia 200的设计目标是改善大规模AI生成令牌的经济性，并已在美国的数据中心区域部署。
微软同时表示，Maia 200可以服务包括OpenAI模型在内的多种模型，并被用于Microsoft Foundry、Microsoft 365 Copilot以及微软内部模型团队的合成数据和强化学习工作负载。不过，微软没有公开Maia 200已经部署的完整数量，也没有公布其在Azure加速器总容量中的具体占比。
竞争对手已在推进自有芯片
微软扩大Maia产品线的背景，是大型云厂商都在尝试减少对通用GPU，尤其是英伟达处理器的单一路径依赖。
谷歌长期开发并部署TPU，亚马逊则持续扩大Trainium等自研处理器的使用。路透社指出，谷歌已经开始从直接销售其定制AI芯片中确认收入，亚马逊的Trainium也获得了越来越多的采用。相比之下，微软虽然已经推出Maia 100和Maia 200，但在内部芯片的规模化推进方面被认为落后于部分竞争对手。
这并不意味着微软会停止采购英伟达芯片。Azure需要为客户提供覆盖训练、推理和不同模型架构的异构计算资源，通用GPU仍然具有广泛兼容性和成熟软件生态。自研芯片更可能首先承担微软能够预测、优化并长期运行的特定工作负载，以降低单位推理成本、改善能源效率，并增加供应链选择。
这种趋势也出现在模型公司和芯片厂商身上。Anthropic近期已公开组建面向Claude的自研AI芯片设计团队，但公司同时强调仍将依赖AWS、谷歌、英伟达和AMD等外部硬件供应商。Anthropic组建自研AI芯片设计团队的报道显示，行业正在形成一种“增加内部设计能力、同时保留多家外部供应商”的组合路线，而不是立即完全垂直整合。
AMD收购专用推理芯片初创公司Taalas的计划，则从另一侧反映了市场变化。专用芯片可以围绕特定模型和推理数据流进行优化，但也会牺牲一部分通用性；AMD押注专用芯片争夺AI推理市场的案例说明，推理性能、能效和系统整合正在成为通用GPU之外的重要竞争维度。
台积电产能是关键约束
如果微软确实希望在2027年交付数十万乃至超过100万颗 Maia 300，制造能力只是其中一个环节。先进制程晶圆、HBM内存、先进封装、基板、网络组件和液冷系统都可能成为限制因素。
台积电目前是微软Maia系列的重要制造伙伴。微软官方资料显示，Maia 100采用台积电5纳米工艺，Maia 200则采用3纳米工艺。台积电近期财报也显示，AI需求正在推动先进制程和高性能计算业务增长，7纳米及以下制程在其晶圆营收中的占比已达到较高水平。AI需求继续推高台积电业绩与先进制程占比提供了相关背景，但其中的产能和资本开支数据并不等同于微软Maia 300的专属供应安排。
对于微软而言，确保代工产能并不能自动解决芯片交付问题。AI加速器的总成本和部署效率还取决于封装良率、内存配套、服务器设计、网络拓扑和数据中心电力。微软在Maia 200上已经强调了片上SRAM、内存数据搬运和以太网集群扩展，下一代产品能否在这些系统层面形成实际优势，可能比单一峰值算力指标更重要。
Anthropic是否会采用仍是未决问题
路透社称，微软希望推动包括Anthropic在内的主要云客户采用Maia 300。对于微软来说，外部客户采用能够帮助摊薄研发和部署成本，也能证明Maia不只是服务微软内部工作负载的专用项目。
但目前没有Anthropic的正式确认，也没有公开证据表明该公司已经签署了采用Maia 300的协议。Anthropic正在建立自己的芯片设计能力，同时继续使用多家供应商，这意味着它可能会根据不同任务的性能、价格、软件兼容性和供应稳定性进行组合采购。
云客户是否采用一款自研加速器，通常还取决于迁移成本。模型需要适配编译器、内核库、调度系统和监控工具，企业客户也需要确认服务稳定性和可预测的容量。微软在Maia 200上提供了Maia SDK、PyTorch集成、Triton编译器和模拟器，说明软件生态和迁移工具将是推动Maia扩大使用范围的重要条件。
公开发布不等于大规模交付
如果微软在9月公开Maia 300，这将是其自研AI加速器路线的重要展示节点，但市场仍需要等待几个更具约束力的信号：芯片是否已经完成流片和验证，采用何种制程和封装，首批部署在哪些Azure区域，微软将为哪些工作负载提供服务，以及台积电和其他供应商是否已经确认产能。
目前能够确认的，是路透社援引The Information报道了微软关于Maia 300的秋季发布计划、2027年超过30万颗交付产能谈判，以及超过100万颗的长期目标；微软尚未通过正式公告确认这些计划。Maia 300的最终发布时间、实际生产规模、客户采用情况和对英伟达采购的替代程度，都仍需后续信息披露和实际部署来验证。
从更长时间看，Maia 300的意义不只在于微软是否能设计出一颗新的AI芯片。真正的考验是，微软能否把芯片设计、软件栈、云服务、制造供应链和数据中心系统连接成可重复扩展的商业能力。只有当自研加速器能够稳定运行多种生产工作负载，并在成本、能耗或供应保障方面形成可量化优势时，它才可能真正改变云厂商与英伟达之间的力量平衡。
来源
不错过任何一条 AI 大事
订阅 AIFlux 早报，每天 3 分钟看懂产业动态。
