云厂商自研芯片讲了几年,多数停在「已部署少量」的阶段。微软这次给了一个更硬的表述:跑自家最大的模型。
11 月 17 日,微软在 Ignite 2026 上宣布,第二代自研 AI 加速器 Maia 200 已正式投入规模化生产,并开始在数据中心运行微软规模最大的前沿 AI 模型。与「领先的 GPU 基础设施」相比,该加速器在 Teams、Copilot 与 Cowork 等内置 AI 功能中,每瓦 token 处理量最高提升 1.7 倍。
先看规格。Maia 200 是面向 AI 推理设计的定制芯片,采用台积电 3 纳米工艺,具备 FP4 与 FP8 张量核心、216GB HBM3e 内存与 272MB 片上 SRAM,单颗芯片在 FP4 精度下可提供超过 10 petaFLOPS 算力,并通过以太网扩展至最多 6144 颗加速器组成的集群。这组参数的关键词是「推理」:大显存装长上下文与大 batch,片上 SRAM 降低访存延迟,FP4 直接压低单位 token 的能耗。
为什么云厂商执意自研推理芯片,答案在成本结构里。训练是阶段性的资本开支,推理是每天 24 小时的运营开支。当一个 AI 功能被几亿人每天调用,每瓦 token 提升 1.7 倍这种听起来不惊人的数字,放大到全年电费与机位成本上就是数十亿美元的差别。微软给出的对照口径不是与自家上一代比,而是与「领先 GPU 基础设施」比,指向的就是这块运营成本。
部署范围已经铺开。微软表示,Maia 200 已部署于美国、欧洲和澳大利亚,服务 Copilot 等生产工作负载,并将逐步支持 GitHub Copilot 与 Microsoft Foundry;公司还计划在 2027 年把 Azure Maia 系统扩展到多吉瓦级部署,让其成为微软产品与服务的主要推理基础设施。「主要推理基础设施」这个表述分量很重——它意味着自研芯片不再是 GPU 的补充,而是要成为默认选项。
对英伟达的影响需要冷静看待。微软同时是英伟达最大的客户之一,训练侧仍高度依赖 GPU,自研芯片主要吃推理这块。但推理的量级远大于训练,一旦自研芯片在自家产品上跑顺,采购结构就会缓慢位移。这也是为什么「每瓦 token」这个指标比峰值算力更值得关注——它衡量的正是替代的临界点。
另一层影响在供应链。3 纳米工艺、HBM3e、以太网组网,这套组合把微软更深地绑进了先进制程与存储的产能争夺里。当云厂商同时是芯片设计方与最大用户,议价结构会发生变化:不再是买卡,而是抢产能。
接下来要观察的是三件事:Maia 200 承载的「最大规模前沿模型」具体是哪些、推理成本下降是否传导到 Copilot 的定价、以及 2027 年多吉瓦级部署的落地速度。自研芯片的成败不看发布会,看它在总负载里的占比能不能真的过线。