根据 The Information 于 2026 年 8 月 10 日首次发布并经路透社证实的一份报告，微软计划于今年秋天（可能最早在 9 月）公开推出其下一代内部人工智能芯片 Maia 300。

该报告援引了直接了解这些计划的人士的话，表明微软正在加速推动设计自己的人工智能加速器，并减少对英伟达昂贵处理器的严重依赖。此举是更广泛的突发人工智能新闻浪潮的一部分，其中世界上最大的云运营商正在竞相构建适合自己工作负载的定制芯片。

对 Nvidia 定价能力的直接回答

Nvidia 的 GPU 目前为超大规模云提供商的绝大多数大型人工智能模型训练和推理提供支持，而这种依赖的代价高昂。与谷歌、亚马逊和 Meta 一样，微软花费了数十亿美元收购 Nvidia 硬件，以满足对 Copilot 助手和 Azure OpenAI 服务等人工智能服务的需求。

Maia 300 被定位为微软收回部分支出的举措。通过设计专门针对在自己的数据中心内运行的工作负载类型进行优化的芯片，微软的目标是加强其人工智能芯片生产线，并减少对英伟达供应有限且价格昂贵的硬件的依赖。

从 Maia 100 到 Maia 300

微软于 2023 年 11 月首次宣布进军定制人工智能芯片领域，并在 Ignite 开发者大会上推出了最初的 Maia 100 人工智能加速器以及 Cobalt 100 中央处理器。 Maia 100 被宣传为一款从头开始构建的芯片，用于在 Azure 内运行大型语言模型和其他人工智能工作负载。

Maia 300 的飞跃代表着重大的世代升级。虽然 The Information 的报告没有披露详细的规格，但编号约定以及自最初的 Maia 100 以来的多年差距表明性能和能效的显着改进，这两个指标对于超大规模人工智能推理来说最重要。

为什么超大规模企业正在走向定制化

微软并不是唯一一家追求内部芯片的公司。该策略已成为当前人工智能硬件领域的一个决定性特征：

  • Google 对其张量处理单元 (TPU) 进行了大约十年的迭代，现在将其提供给云客户。
  • 亚马逊通过其 Annapurna Labs 部门对其 Trainium 和 Inferentia 芯片系列进行了大量投资。
  • Meta 正在开发其 MTIA（元训练和推理加速器）系列。
  • AMD 继续扩大其 Instinct GPU 产品阵容，成为 Nvidia 的领先商业替代品。

对于这些公司来说，计算很简单。定制芯片可以根据公司运行的精确模型和软件堆栈进行调整，从而有可能降低每次查询的成本，减少延迟，并放松 Nvidia 对人工智能计算供应链的控制。即使部分放弃 Nvidia 硬件也可以在超大规模上节省数亿美元。

九月会带来什么

如果微软下个月确实推出 Maia 300，它可能会利用这个机会详细介绍性能基准、Azure 内部的可用性以及哪些第一方 AI 产品将在新硬件上运行。该公司此前曾将其定制芯片视为 Nvidia GPU 的补充，而不是整体替代品，并提出了一种混合模型，其中两个系列的芯片在 Azure 的人工智能基础设施内共存。

行业分析师将密切关注两件事：Maia 300 是否比 Nvidia 当前一代产品具有显着的性价比提升，以及微软是否能够生产足够的此类产品以减少 Nvidia 订单。这种规模的芯片生产取决于先进的封装能力和整个行业仍然紧密的代工合作伙伴关系。

大局观

Maia 300 的出现凸显了人工智能经济的根本性转变。构建和运营最大人工智能系统的公司不再满足于仅仅成为单一芯片供应商的最大客户。他们凭借自己的能力成为芯片设计师，重塑了自生成型人工智能热潮开始以来英伟达一直占据主导地位的供应链。

对于微软来说，赌注特别高。该公司已承诺投入巨额资本支出来扩展其人工智能基础设施，投资者越来越关注这些支出是否会转化为持久的利润。成功的内部芯片计划是微软提高人工智能业务单位经济效益的最明显杠杆之一。

保持人工智能领先地位

想要跟上人工智能硬件、定制芯片以及重塑行业的公司的最新发展吗？为 AI Buzz Wire 添加书签，以获取重要故事的每日报道。

阅读更多人工智能新闻 →