微软把一笔1750亿美元的赌注，押在了自己设计的芯片上。这个数字来自微软对第三代自研AI芯片「Maia 300」的部署计划——不是研发预算，是「多吉瓦级部署」要花的钱。
微软CEO萨蒂亚·纳德拉在X上把这件事称为「微软在自研半导体上迄今最大的一笔投资」。按照他的说法，从下一个日历年（2027年）开始，Maia家族将扩展到多吉瓦级部署，成为微软自家产品和服务的主要推理系统。
这句话的分量在于「主要」两个字。一旦推理任务的主力从GPU换成自研芯片，微软对英伟达的依赖就会被实质性削弱。
一年之内，从Maia 200到Maia 300
Maia 200是2026年1月才发布的。不到一年时间，微软就推出了第三代产品Maia 300。
性能提升的幅度是这次发布最硬的指标：与主流的GPU方案相比，Maia 300每瓦能提供的token数量多出40%；在完整的96加速器配置下，它的机架级token输出量最高可达Maia 200的7倍。
这两个数字指向同一个方向——单位电力产出的推理能力。对大规模跑AI服务的数据中心来说，电费和散热是绕不开的成本项，每瓦token数直接决定了同样的电力能服务多少用户。
纳德拉还提到，Maia 200目前已经在美国、欧洲和澳大利亚部署，在Teams和Copilot的体验中，每瓦token数最高提升了1.7倍。也就是说，Maia 200不是纸面产品，已经在实际业务里跑起来了。
为什么微软要自己造芯片
微软官方博客的说法是，Maia家族将成为微软产品和服务的主要AI推理系统。这个定位意味着它要承接的是日常的、海量的推理请求，而不是偶尔跑一次的实验性任务。
推理和训练是两件事。训练需要极致的算力和互联带宽，推理更看重单位成本下的吞吐效率。当AI功能被塞进Copilot、Teams这些面向海量用户的产品里，推理成本就成了每天都在发生的支出。
自研芯片的逻辑就落在这里：把推理这块最稳定、最大量的负载，从外购GPU转移到自家芯片上，长期看能省下的是持续性的采购成本。
微软此前在AI芯片上的动作不止Maia一条线。它发布过自研AI专用芯片Maia 100，也推出过基于Arm架构的处理器Cobalt 100。Maia 300是这个家族走到第三代的产物。
英伟达的位置会变吗
微软计划通过Maia 300提升AI工作负载的效率，从而降低对英伟达和AMD AI芯片的使用比例。这是这次发布最直接的外溢效应。
但要注意措辞——是「降低使用比例」，不是「不再使用」。微软的目标是在已经取得的全栈效率收益上继续叠加，同时继续把生态里的最新创新引入自己的算力集群。换句话说，自研芯片和外购GPU在微软的算力盘子里是并存关系，只是配比会调整。
从行业角度看，大客户自研推理芯片这件事，影响的不只是一家公司的采购清单。当云厂商开始用自研芯片承接主力推理负载，GPU供应商在推理这个增量市场上的议价空间就会被压缩。训练市场短期内仍然是GPU的主场，但推理是更大、更日常的那块蛋糕。
微软没有公布Maia 300的具体制程、封装或互联细节，也没有说明1750亿美元这笔投入的分摊周期。可以确定的是时间点：2027年导入，多吉瓦级部署，定位是自家产品和服务的主要推理系统。
从Maia 100到Maia 200再到Maia 300，微软用三代产品把自研芯片从「有没有」推到了「主力用不用」的阶段。接下来要看的，是这套系统在真实负载下的稳定性和成本曲线，能不能撑起「主要推理系统」这个定位。
热门跟贴