微軟加速自研Maia晶片，降低對輝達GPU依賴
nashnova research
微軟宣布從第三代自研AI晶片Maia 300起，將推理工作負載主力切換至自有晶片，不再主要依賴英偉達GPU——這意味著雲巨頭正用自造硬件重新劃定AI基礎設施的成本底線。
微軟為甚麼要自己造晶片？
核心動機是慳錢。CFO艾米·胡德（Amy Hood）在高盛會議上表示，自研晶片已幫微軟實現「近十年的利潤率改善」。
這意味著→ 英偉達GPU性能雖強，但採購成本高、供應受制於人；微軟選擇在推理側（inference，即模型訓練完成後對外提供服務的環節）自己「造輪子」。
簡單來說＝ 訓練模型像研發新藥，離不開英偉達的頂級設備；但把藥批量生產給用戶用，微軟更想靠自家工廠。
Maia 300 的性能到底提升了幾多？
Maia 300計劃2027年量產，每個數據中心機架裝96塊晶片，是上一代Maia 200的兩倍。
與GPU相比，每機架AI推理吞吐量提升七倍，每兆瓦推理量提升40%。
這意味著→ 同樣的電力和機櫃空間，能跑的推理任務多了數倍——數據中心最貴的兩樣東西是電和地，這直接壓低單位成本。
微軟執行副總裁斯科特·格思里（Scott Guthrie）表示，公司目標是將Maia系列推至多吉瓦級部署規模。
三代晶片的迭代有多快？
2023年推出Maia 100（第一代）；2025年1月發布Maia 200；2027年量產Maia 300——不到四年迭代三代。
CEO薩蒂亞·納德拉（Satya Nadella）今年7月表示，Maia 200每美元性能比現有機隊最新一代硬件高出30%，已用於處理OpenAI模型。
這意味著→ 微軟的晶片團隊已走過「能不能用」階段，正進入「批量替代」階段。
英偉達會因此被甩開嗎？
不會，至少訓練側不會。 微軟技術負責人阿利斯泰爾·斯皮爾斯（Alistair Speirs）明確表示，模型訓練仍與英偉達及AMD合作。
英偉達CEO黃仁勳上周還出席了微軟Surface手提電腦活動——雙方關係並未破裂。
Evercore ISI估計，到2027年Q1，Maia晶片僅佔微軟AI晶片支出的約10%。這反映出自研晶片目前是「補充」而非「替代」。
這塊晶片最大的不確定性是甚麼？
與谷歌TPU或亞馬遜Inferentia/Trainium不同，Maia加速器目前不對外出租，沒有外部用戶的獨立測試記錄。
諮詢機構Moor Insights & Strategy CEO帕特里克·穆爾黑德（Patrick Moorhead）指出：「目前還沒有微軟以外的人測試過這些晶片。」
簡單來說＝ 微軟自己說好用，但市場尚未見到第三方驗證——規模化替代能否真正落地，是評估這一戰略的核心驗證節點。
市场有风险，内容仅供研究参考，不构成投资建议。