微软第三代AI芯片Maia 300发布：推理能效比提升40%

电子发烧友网综合报道 10月12日，微软正式发布第三代自研人工智能芯片Maia 300。该芯片采用台积电N2P制程工艺，配备288GB HBM4高带宽内存，内存带宽达18TB/s，FP4精度算力为13.8 PFLOPS，SoC功耗950W。

芯片采用多芯粒设计，支持3.2TB/s双向扩展互连带宽，单机架可容纳96颗芯片，最多可组建包含12,000颗加速器的集群。据微软公布的数据，Maia 300的每兆瓦Token吞吐量预计比当前主流GPU系统高出40%，96片单机架的Token吞吐量最高可达上一代Maia 200的7倍。

Maia 300主要面向AI推理场景，计划从2027年起在吉瓦级数据中心部署。初期目标锁定超过30万颗芯片产能，长期目标是实现百万级乃至吉瓦级的算力部署规模。

与仅用于内部业务的Maia 200不同，Maia 300除服务于微软自身的Copilot、Azure AI等产品外，还计划向Anthropic等大型云客户开放，推动自研芯片的商业化应用。

微软的自研AI芯片项目始于2018年前后，早期推出的第一代Maia芯片及后续的Maia 200主要用于内部推理业务，旨在验证技术可行性并积累架构设计、供应链管理等能力。随着AI产业从训练为主转向推理为主，推理成本成为行业核心矛盾，微软将Maia 300定位为推理专用芯片，通过深度定制提升能效比与吞吐量，以适应推理场景的需求。

推出自研芯片是微软减少对英伟达依赖的举措之一。长期以来，英伟达GPU在AI算力市场占据主导地位，云厂商在硬件采购、成本控制与迭代节奏上受制于单一供应商。通过自研芯片，微软可在推理等特定场景下实现软硬件协同优化，降低对外部供应商的依赖，同时获得更强的算力定价权与供应链自主性。

类似策略并非微软独有。近年来，多家头部云厂商均推出了自研AI芯片：亚马逊早在2018年便发布推理芯片Inferentia，后续推出训练芯片Trainium，已在其AWS云服务中规模化部署；谷歌自2016年起迭代TPU系列芯片，最新一代TPU v6e已用于Gemini模型的训练与推理。

阿里云推出含光800推理芯片，应用于搜索推荐、城市大脑等场景；Meta也发布了自研MTIA芯片，用于支撑其社交平台的AI推理需求。这些厂商的共同逻辑是，通过自研芯片在特定场景下实现比通用GPU更高的能效比与更低的成本，同时构建差异化的算力基础设施，避免在AI算力竞争中完全受制于外部供应商。

从行业视角看，云厂商自研芯片的兴起，反映了AI算力需求从“通用”向“专用”的分化趋势。在训练阶段，通用GPU凭借强大的并行计算能力与成熟的生态占据优势；但在推理阶段，场景碎片化、成本敏感度高，为专用芯片提供了空间。

自研芯片允许厂商根据自身业务特点定制架构，例如针对大语言模型推理优化内存带宽、针对图像识别优化算子效率，从而在特定任务上实现超越通用硬件的性能。

不过，自研芯片也面临挑战。软件生态的适配需要长期投入，客户对非主流芯片的信任建立需要时间，且芯片研发本身具有高投入、长周期的特点。目前，多数云厂商的自研芯片仍以内部使用或特定客户服务为主，尚未形成与英伟达CUDA生态相当的通用软件栈。

因此，自研芯片更多是作为通用GPU的补充，而非替代，云厂商通常采用“自研+外购”的混合策略，以平衡性能、成本与生态兼容性。

微软第三代AI芯片Maia 300发布：推理能效比提升40%图1

声明：本文由电子发烧友综合报道，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱wuzipeng@elecfans.com。

更多热点文章阅读

点击关注星标我们

将我们设为星标，不错过每一次更新！

微软第三代AI芯片Maia 300发布：推理能效比提升40%图2 喜欢就奖励一个“在看”吧！