随手先关注,不错过每日AI热讯速递
10 月 12 日,微软云与 AI 执行副总裁Scott Guthrie在官方博客宣布:Azure Maia自研芯片家族将从 2027 年起扩展到 multi-gigawatt 级部署,成为微软产品与服务的主要推理系统[1]。
一句话可以概括这次的分量——CEOSatya Nadella说:「our biggest bet yet on our own silicon」[2]。
——这是我们迄今在自己芯片上下的最大一笔赌注。
①
现役的Maia 200已在微软生产环境扛活:Microsoft Copilot的部分工作负载已经跑在它上面,部署范围覆盖美国、欧洲与澳大利亚[1][2]。
GitHub Copilot与 Microsoft Foundry 将在年底跟进接入[1][2]。
它跑的模型清单很有信息量——OpenAI 模型、微软自研 MAI 模型与主流开源模型家族,都跑在这颗自研芯片上[1]。
效率成绩已有落地数据:在 Teams、Copilot 与 Cowork 的内置 AI 能力里,Maia 200 做到最高 1.7 倍 tokens-per-watt(每消耗一瓦电力能产出的 token 数,直接决定推理成本)[1]。
②
2027 年接棒的Maia 300是一份完整的系统设计,瞄准三类新负载:长上下文推理、延迟敏感对话、持续多步智能体任务[1]。
微软给出的效率目标是:每兆瓦 token 数较领先 GPU 系统预计多 40%;96 颗加速器满配机柜的吞吐,最高可达 Maia 200 机柜的7 倍[1]。
图:「Maia 300 Specifications」规格卡,左侧两列表格列出制程、算力、TDP、HBM、带宽与集群规模等数值(来源:微软官方博客[1])
单芯片规格密集:8 组 HBM4(高带宽内存第四代,AI 芯片存放模型数据的主力存储)提供 18.0 TB/s 峰值带宽,TDP950 瓦[1][2]。
机柜侧:96 加速器功耗 167 千瓦,HBM 总容量 27.6 TB、聚合带宽 1.7 PB/s[1]。
工艺上,计算 chiplet 采用台积电 N2P节点,配合软件定义数据流架构与增强 MXFP4 低精度格式,把「每瓦内的有效算力」进一步榨高[1]。
③
同样,边界也需要清晰:
其一,40%、7 倍、1.7 倍这些数字均为微软自评口径,公告未附第三方独立测试;更多架构细节要到 11 月的Ignite 2026大会才进一步公布[1][2]。
其二,「multi-gigawatt」(多吉瓦级,等于数座大型电厂的供电规模)没有给出逐厂区拆分——哪些数据中心、多少功率预算,公告里没有展开[1]。
战略意图倒是明确的:在 NVIDIA 主导的算力市场里,微软把自研硅推到生产主力位置,同时保持「开放、异构、模型多元」的平台叙事——连 OpenAI 的模型都跑在自家芯片上[1]。
从 Copilot 扛活到 2027 吉瓦级蓝图,微软把自研硅按进了主力位。你觉得超大规模厂商的自研芯片,能稳稳占住推理主力位吗?评论区聊聊。
参考来源:
[1] Microsoft to expand Azure Maia system to multi-gigawatt deployments — The Official Microsoft Bloghttps://blogs.microsoft.com/blog/2026/10/12/microsoft-to-expand-azure-maia-system-to-multi-gigawatt-deployments/
[2] Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027 — The Decoderhttps://the-decoder.com/microsoft-plans-to-scale-its-own-maia-ai-chips-to-gigawatt-levels-by-2027
欢迎点赞、分享、推荐
一起拥抱AI
热门跟贴