Anthropic若採用Maia 200，或成微軟AI晶片戰的重要里程碑

如果未來Claude部分推理工作改由Maia晶片處理，就等於證明微軟的硬件設計已經可以支撐真正的大型AI部署。

Maia 200：為AI推理而設的晶片

Maia 200 是微軟第二代自研AI加速器，設計重點並不是訓練模型，而是處理 AI推理（inference）——也就是用已訓練好的模型回應用戶請求。

這一環節其實是AI服務的長期成本來源，因為每一次用戶查詢都需要運算。

Maia 200的主要技術規格包括：

• 採用 台積電3奈米製程
• 支援 FP4與FP8張量核心（適合大型語言模型推理）
• 216GB HBM3e高頻寬記憶體，頻寬約 7 TB/s
• 272MB片上SRAM，加快模型數據存取
• 超過 10 petaFLOPS（FP4） 與 5 petaFLOPS（FP8） 的運算能力

微軟表示，這些設計目標都是為了降低生成AI「每個token的成本」。公司聲稱，相比此前使用的硬件配置，Maia 200可以帶來 約30%更高的性能/成本比。

對於需要長期運行AI服務的公司而言，這類效率提升十分關鍵。

與微軟—Anthropic合作關係的延伸

若Anthropic採用Maia伺服器，很可能只是整個合作框架中的一個補充，而非取代Nvidia硬件。

目前在大型AI訓練領域，Nvidia GPU仍然佔據主導地位，而Anthropic的Claude模型在Azure上也大量使用Nvidia架構。

因此未來較可能的情況是：

• Nvidia GPU：負責大型模型訓練
• Maia晶片：負責部分推理工作

這種混合模式可以在性能與成本之間取得更好的平衡。

AI公司正走向「多雲、多晶片」策略

Anthropic與微軟的討論，其實反映整個AI產業正在發生的一個更大轉變。

越來越多AI公司不再依賴單一雲服務或單一晶片架構，而是採用 multi‑cloud、multi‑chip策略。

原因包括：

• 減少對稀缺或昂貴GPU供應的依賴
• 提升與雲服務供應商談判的能力
• 不同工作負載使用最合適的硬件

為了在這場競賽中取得主導權，大型雲服務商也紛紛設計自家AI晶片，例如：

• Google：TPU系列
• Amazon AWS：Trainium與Inferentia
• Microsoft：Maia系列

這些公司希望掌握從 晶片、資料中心到AI平台的完整技術棧，從而降低對第三方供應商（特別是Nvidia）的依賴。

AI晶片競賽進入新階段

即使這宗合作最終未必落實，它仍然透露出一個重要訊號：

雲端巨頭自研晶片正逐漸成為大型AI部署的可行選項。

Nvidia目前仍然是AI算力市場的主導者，但Microsoft、Google與Amazon正透過自研晶片與雲端整合，試圖分食這個快速增長的市場。

如果未來Claude模型真的在Azure上大規模使用Maia 200，那不只是一宗雲端合約，而可能標誌著——

AI晶片戰正式進入「雲端公司自研矽晶片」全面競爭的新階段。