微软公布第三代自研 AI 芯片 Maia 300：2027 年投产，Maia 200 已在跑 Copilot 生产负载

先看官方原文说了什么。署名的是微软云与 AI 执行副总裁 Scott Guthrie，标题是「Microsoft to expand Azure Maia system to multi-gigawatt deployments」，发布时间 2026 年 10 月 12 日。核心信息三条：第一，微软将从 2027 年开始把 Azure Maia 系列扩展到多吉瓦级（multi-gigawatt）部署规模，并让 Maia 成为微软产品与服务的「主要推理系统」（primary inference system）；第二，第二代 Maia 200 已经进入生产环境，正在承载 Microsoft Copilot 等微软生产负载，同时支持 MAI 团队开发下一代模型，GitHub Copilot 与 Microsoft Foundry 会在今年年底前跟进；第三，第三代 Maia 300 对应的负载被明确写成今天正在冒出来的三类——长上下文推理、对延迟敏感的对话体验，以及需要持续多步执行的智能体（agentic）任务。官方同时给出时间表：Maia 300 will begin production deployments in 2027。

Maia 200 的落地情况值得单独说。官方说法是它正在美国、欧洲和澳大利亚部署，对 Teams、Copilot 和 Cowork 里内置的 AI 能力，相比领先的 GPU 基础设施可以提供最高 1.7 倍的「每瓦 token 数」（tokens per watt）。另一句更容易被忽略的话是：在这些负载上，Maia 200 既跑 OpenAI 的模型，也跑微软自家的 MAI 模型，还跑主流的开源模型系列。这句话的信息量在于，自研芯片并不等于自研模型——芯片更像一个统一底座，模型仍然可以是多家的。官方还强调软件与硬件团队提前协同，把需求翻译成更大的内存容量、更高的带宽、更多加速器作为一个系统协同工作，这种共同设计（co-design）才带来了可测量的能效收益，而 Maia 300 的设计也直接受益于 Maia 200 上跑真实负载得到的经验。

Maia 300 的技术规格是这篇文章里最硬的部分。它被定义为「推理优先」（inference-first）架构，针对长上下文、内存密集和解码密集（decode-heavy）负载优化。内存侧：8 组 HBM4 堆栈提供 18.0 TB/s 的峰值内存带宽，整颗芯片的 TDP 为 950 瓦；官方称其在每瓦 HBM 带宽上是行业领先。架构侧：新的多芯粒（multi-chiplet）设计把计算、内存控制器与 I/O 功能拆开，计算芯粒采用台积电 N2P 制程以最大化每瓦性能；同时用片上 SRAM 作为软件管理的暂存区，减轻 HBM 压力。精度侧：为增强型 MXFP4 等低精度格式做了设计，降低计算与 KV-cache 存储对内存和带宽的需求，换来更大的上下文窗口。整机架层面：96 个加速器装进 167 千瓦的功率包络，提供 27.6 TB 的 HBM 总容量和 1.7 PB/s 的聚合 HBM 带宽；网络被当作数据流架构的无缝延伸，用基于以太网的统一拓扑从单机架扩到数据中心级。官方给出的两个相对数字是：每兆瓦 token 数比领先的 GPU 系统高 40%，96 加速器配置下的机架级 token 吞吐量最高是 Maia 200 的 7 倍。

怎么读这条消息。第一，数字要看参照物：40% 的对比对象是官方所称的「领先的 GPU 系统」，7 倍是同一厂商上一代产品（Maia 200）的机架级对比，两个数字都不是与某款具体 GPU 的第三方实测对照，原文用的也是「we expect」（我们预期）。第二，官方的用词不寻常——把一颗芯片称为产品与服务最主要的推理系统，这是路线图级别的表态，而不是一次技术预览；The Verge 在同日报道里的标题直接写成「微软的新 AI 芯片让它对 NVIDIA GPU 的依赖减少」，这是外部媒体对同一条官方消息的解读。第三，微软在文末提到下个月在旧金山和线上举行的 Microsoft Ignite 2026 会分享更多战略与落地信息。对普通用户来说，短期能感知的变化不大，但如果 Maia 真按官方计划在 2027 年承担主要推理负载，Copilot 这类产品的单位推理成本才是这轮变化真正的看点。