微软于 2026 年 10 月 12 日在 OCP 全球峰会上发布第三代自研 AI 推理加速器 Maia 300。公司计划从 2027 年起将 Azure Maia 系列扩展至多吉瓦级部署，并让 Maia 成为微软产品与服务的主要推理系统。24

这项发布显示，微软正加大自研硬件在 AI 服务中的作用。不过，部署规模与性能数据目前应视为计划和公司宣称：Maia 300 预计将于 2027 年投入生产部署，而现有资料没有提供独立基准测试结果。

微软宣布了什么

微软称，Maia 300 将用于其产品与服务中的 AI 推理任务，包括与 Copilot 和 AI 智能体相关的工作负载。更广泛的计划是从 2027 年起，将 Maia 系列部署扩展至多吉瓦级规模。24

简单来说，推理就是让已经训练好的 AI 模型根据提示生成回答或其他输出。自研推理加速器能让微软在自有基础设施上运行更多此类任务。相关报道也将这项布局描述为微软减少对 Nvidia、AMD 等供应商处理器依赖的举措。1522

但这并不代表微软会停止使用第三方芯片。现有消息支持的是微软计划更多采用自研芯片处理推理任务，而不是所有其他处理器都会被替代。

如何看待芯片部署数量

路透社报道称，微软 2027 年可能部署超过 100 万颗 Maia 300 芯片，为其内部 AI 服务提供支持。这是对未来部署规模的估计，并不意味着芯片已经全部生产、出货或安装。20

另一则报道提到约 30 万颗的订单，但所提供的报道将这一数字归因于更早的消息，也没有说明它与“超过 100 万颗”的部署估计有何关系。因此，这一数字应视为媒体报道的估算，而非已确认的产量或交付总数。7

两项数字描述的对象可能不同，也可能来自无法直接比较的报道。微软公开宣布的计划是从 2027 年起推进多吉瓦级部署；目前的资料没有把这些估算统一为一个已确认的芯片数量。2720

性能与能耗：微软的说法是什么

微软预计，Maia 300 每兆瓦可处理的 token 数量将比“领先的 GPU 系统”多 40%。公司没有说明具体比较对象或工作负载，因此这应被理解为微软的预期，而非经独立验证的测试结果。26

微软还表示，在完整的 96 颗加速器配置下，Maia 300 的机架级 token 吞吐量最高可达 Maia 200 的 7 倍。这里比较的是 Maia 300 与上一代 Maia 系统，并非声称它比 Nvidia 芯片快 7 倍。4

媒体报道给出的机架数据可作参考：一组 Maia 300 机架搭载 96 颗加速器，功耗约 167 千瓦；Nvidia GB300 机架则被报道为搭载 72 颗 GPU，功耗约 142 千瓦。仅凭这些配置和功耗数字，无法判断哪套系统在可比工作负载下能提供更多有效输出。20

已披露的芯片规格

微软的架构介绍称，每颗 Maia 300 加速器配备 8 组 HBM4 高带宽内存，容量为 288 GB，带宽为每秒 18 TB。37 StorageReview 报道称，该芯片的功耗指标为 950 瓦，并采用台积电 N2P 计算芯粒。10

Maia 300 面向推理任务。报道提到的目标场景包括长上下文推理、对话式 AI，以及 AI 智能体执行的多步骤任务。8 这些信息说明了芯片的设计方向和预期用途，但并不能独立证明它在这些任务上的实际表现。

这项发布说明了什么，又没有说明什么

目前最明确的结论是战略层面的：微软打算从 2027 年起大幅扩大自研 Maia 硬件在 AI 推理基础设施中的作用，并推进多吉瓦级部署。24

每兆瓦多处理 40% token、机架吞吐量达到 Maia 200 的 7 倍，以及媒体报道的部署数量，都能反映微软的目标；但它们不等同于经过独立验证的性能结果，也不代表部署已经完成。现有资料同样没有量化每个 token 的成本能降低多少。

因此，Maia 300 当前的意义主要在于微软的部署计划和效率目标。至于它能否在各类工作负载中胜过竞争对手的 GPU 系统，还需要更多可比测试和实际部署数据来回答。

微软于 2026 年 10 月 12 日在 OCP 全球峰会上发布第三代自研 AI 推理加速器 Maia 300。公司计划从 2027 年起将 Azure Maia 系列扩展至多吉瓦级部署，并让 Maia 成为微软产品与服务的主要推理系统。24

这项发布显示，微软正加大自研硬件在 AI 服务中的作用。不过，部署规模与性能数据目前应视为计划和公司宣称：Maia 300 预计将于 2027 年投入生产部署，而现有资料没有提供独立基准测试结果。

微软宣布了什么

微软称，Maia 300 将用于其产品与服务中的 AI 推理任务，包括与 Copilot 和 AI 智能体相关的工作负载。更广泛的计划是从 2027 年起，将 Maia 系列部署扩展至多吉瓦级规模。24

简单来说，推理就是让已经训练好的 AI 模型根据提示生成回答或其他输出。自研推理加速器能让微软在自有基础设施上运行更多此类任务。相关报道也将这项布局描述为微软减少对 Nvidia、AMD 等供应商处理器依赖的举措。1522

但这并不代表微软会停止使用第三方芯片。现有消息支持的是微软计划更多采用自研芯片处理推理任务，而不是所有其他处理器都会被替代。

如何看待芯片部署数量

路透社报道称，微软 2027 年可能部署超过 100 万颗 Maia 300 芯片，为其内部 AI 服务提供支持。这是对未来部署规模的估计，并不意味着芯片已经全部生产、出货或安装。20

另一则报道提到约 30 万颗的订单，但所提供的报道将这一数字归因于更早的消息，也没有说明它与“超过 100 万颗”的部署估计有何关系。因此，这一数字应视为媒体报道的估算，而非已确认的产量或交付总数。7

两项数字描述的对象可能不同，也可能来自无法直接比较的报道。微软公开宣布的计划是从 2027 年起推进多吉瓦级部署；目前的资料没有把这些估算统一为一个已确认的芯片数量。2720

性能与能耗：微软的说法是什么

微软预计，Maia 300 每兆瓦可处理的 token 数量将比“领先的 GPU 系统”多 40%。公司没有说明具体比较对象或工作负载，因此这应被理解为微软的预期，而非经独立验证的测试结果。26

微软还表示，在完整的 96 颗加速器配置下，Maia 300 的机架级 token 吞吐量最高可达 Maia 200 的 7 倍。这里比较的是 Maia 300 与上一代 Maia 系统，并非声称它比 Nvidia 芯片快 7 倍。4

媒体报道给出的机架数据可作参考：一组 Maia 300 机架搭载 96 颗加速器，功耗约 167 千瓦；Nvidia GB300 机架则被报道为搭载 72 颗 GPU，功耗约 142 千瓦。仅凭这些配置和功耗数字，无法判断哪套系统在可比工作负载下能提供更多有效输出。20

已披露的芯片规格

微软的架构介绍称，每颗 Maia 300 加速器配备 8 组 HBM4 高带宽内存，容量为 288 GB，带宽为每秒 18 TB。37 StorageReview 报道称，该芯片的功耗指标为 950 瓦，并采用台积电 N2P 计算芯粒。10

Maia 300 面向推理任务。报道提到的目标场景包括长上下文推理、对话式 AI，以及 AI 智能体执行的多步骤任务。8 这些信息说明了芯片的设计方向和预期用途，但并不能独立证明它在这些任务上的实际表现。

这项发布说明了什么，又没有说明什么

目前最明确的结论是战略层面的：微软打算从 2027 年起大幅扩大自研 Maia 硬件在 AI 推理基础设施中的作用，并推进多吉瓦级部署。24

每兆瓦多处理 40% token、机架吞吐量达到 Maia 200 的 7 倍，以及媒体报道的部署数量，都能反映微软的目标；但它们不等同于经过独立验证的性能结果，也不代表部署已经完成。现有资料同样没有量化每个 token 的成本能降低多少。

因此，Maia 300 当前的意义主要在于微软的部署计划和效率目标。至于它能否在各类工作负载中胜过竞争对手的 GPU 系统，还需要更多可比测试和实际部署数据来回答。