微软发布第三代自研 AI 芯片 Maia 300：一个机架塞 96 颗、吞吐 7 倍，2027 年正式接棒英伟达 GPU

10 月 12 日，微软正式发布第三代自研 AI 推理芯片 Maia 300。按照官方说法，从这一代开始，Azure Maia 不再只是数据中心里的「补充算力」，而将成为微软自家产品和服务的主要 AI 推理系统——2027 年起投产，并计划进行数吉瓦（multi-gigawatt）级别的部署。

先看关键数字

• 同样一度电，多跑 40% 的 token：官方称 Maia 300 每 MW（兆瓦）的 token 产出比 GPU 高 40%，电费直接决定 AI 服务的运营成本，这是最硬的一条指标。
• 机架吞吐最高 7 倍：对比上一代 Maia 200，整个机架的 token 吞吐量最高提升 7 倍。
• 一个机架塞 96 颗：单机架部署 96 颗 Maia 300，是 Maia 200 的两倍。
• 2027 年投产：量产时间表已确认，但全面部署节奏官方「保留弹性」。

为什么微软要先搞定「推理」

官方新闻稿把设计目标写得很明确：围绕微软每天真实在跑的负载来建——长上下文推理、对延迟敏感的对话体验、持续多步的 agentic 任务。这三类恰好是 Copilot、GitHub Copilot 这类产品的核心工作形态。

说白了，训练是「一次性大消耗」，推理是每天 24 小时的持续账单。微软的云上跑着 Copilot、Teams、Microsoft Foundry 这些服务，每一笔用户请求都是真金白银的 GPU 成本。把推理负载迁到自研芯片上，是降本最直接的一条路。微软 CFO Amy Hood 上个月就在高盛会议上说过，自研芯片的使用带来了「十年维度的利润率改善」。

三代路线图：从试点到主力

• Maia 100（2023）：微软第一代自研 AI 芯片，主要做内部试点验证。
• Maia 200（2026 年 1 月发布）：tokens/W 提升 1.7 倍，纳德拉 7 月在财报会上说它「每美元性能比现有硬件高 30%」，已经开始承接 OpenAI 模型的推理。
• Maia 300（本次发布）：正式定位为主力推理系统，2027 年投产。

这条路线和亚马逊（Trainium）、谷歌（TPU）走的是同一个方向：云巨头自研芯片从「备胎」转正。CNBC 的报道说得很直接——从第三代开始，微软将主要靠自家芯片处理新进来的推理请求，减少对英伟达的依赖。

对普通用户意味着什么

官方列出的直接受益场景：GitHub 上的 AI 编程更快、Microsoft Foundry 上部署模型更灵活、Copilot / Teams / Dragon Copilot 响应更快。如果你是 Copilot 重度用户，2027 年之后你感受到的变化大概率不是某个新功能上线，而是整体响应变快——以及背后那张更便宜的算力账单。

不给时间表的小心思

有意思的是，虽然 2027 年投产已板上钉钉，但微软高管 Alistair Speirs 拒绝给出全面部署的时间表，理由是「这个行业变化太快，我们要在对的时间部署对的芯片」。翻译一下：微软留了一条后路——如果英伟达下一代芯片性价比更好，自研部署节奏可以随时调整。

Maia 300 最值得关注的不是单颗芯片的参数，而是它的定位变化：自研 AI 芯片第一次被微软宣布为「主要推理系统」。英伟达在数据中心一家独大的时代，正在被最初的那些大客户一点点分走蛋糕。

来源说明：本文基于微软官方新闻稿（2026-10-12）及 CNBC、The Verge、SiliconANGLE 等多家媒体交叉报道整理。