微軟把自研AI晶片的籌碼又加了一檔。當地時間10月12日，微軟董事長兼執行長薩提亞·納德拉在社交媒體上宣佈，公司推出新一代自研晶片Azure Maia 300，同時確認上一代Maia 200已進入量產。納德拉將這一動作稱為微軟在自研晶片上迄今最大的一筆押注。

訊息公佈當天，微軟股價上漲1.14%至541.15美元，市值重新站上4萬億美元關口。

按照微軟公佈的路線圖，Maia 200目前已投入實際生產工作負載，服務物件包括Microsoft Copilot，同時為微軟MAI團隊開發下一代模型提供算力支援；GitHub Copilot和Microsoft Foundry也將在年底前接入。微軟表示，在這些負載中，Maia 200同時執行著OpenAI的模型、微軟自研的MAI模型以及領先的開源模型系列。

新發布的Maia 300則瞄準當下湧現的新型AI工作負載，微軟列舉的方向包括長上下文推理、對延遲敏感的對話體驗，以及需要持續多步驟執行的智慧體任務。微軟預計，相比領先的基於GPU的系統，Maia 300每兆瓦可多輸出40%的token。

更受關注的是部署規模。微軟計劃從2027年開始，將Azure Maia系列擴充套件至數吉瓦級規模，並讓Maia成為微軟產品和服務的主要推理系統。這意味著自研晶片的角色將從區域性試點轉向承載核心業務的基礎設施。

回顧這條自研路線，微軟的節奏在明顯加快。2023年11月，微軟釋出首代Maia 100，採用台積電5奈米工藝，目標是支撐OpenAI模型、Bing、GitHub Copilot和ChatGPT等AI負載的雲端訓練與推理。今年1月，第二代Maia 200亮相，微軟當時稱其為公司部署過的最高效推理系統，每美元效能比當時部署的最新一代硬體提升30%。從Maia 200到Maia 300，間隔不到9個月。

納德拉此前在訪談中解釋過自研晶片的底層邏輯：微軟希望在自研MAI模型與晶片之間形成閉環，從而獲得按自身需求設計微架構、並持續迭代模型的能力。

外界普遍將這一部署計劃解讀為兩條主線——降低成本，以及減少對供應商的依賴。微軟在釋出Maia 300時也強調，未來不會由單一模型、單一晶片或單一創新來定義，模型與晶片的選擇是其前沿轉型願景的固有組成部分，公司重點在於打造負責任、可負擔且可擴充套件的平台。

微軟並非唯一押注自研晶片的玩家。谷歌、亞馬遜、Meta和OpenAI都在加快相關佈局。亞馬遜二季度財報顯示，其人工智慧和晶片業務的年化收入均超過250億美元，並透露越來越多的AI初創公司開始採用其Trainium晶片，其中不乏NEURA Robotics和Odyssey等獨角獸企業。

從行業視角看，大廠自研晶片的推進正在改變AI算力供應鏈的格局：一方面，自研晶片若能在推理環節形成規模，將壓縮對外部GPU採購的邊際需求；另一方面，晶片設計、軟體棧適配與代工產能仍是長週期投入，數吉瓦級部署能否按期落地，取決於後續的工程執行與生態配套。對關注馬斯克生態的讀者而言，這場競賽的另一面是SpaceXAI(原xAI)等模型方所依賴的算力成本曲線——當頭部雲廠商把推理成本壓向自研矽片，模型訓練與推理的經濟賬也會隨之重算。