微軟於 2026 年 10 月 12 日在 OCP 全球峰會公布第三代自家 AI 推論加速器 Maia 300。公司表示，會由 2027 年起把 Azure Maia 系列擴展至多吉瓦級部署，並讓 Maia 成為旗下產品及服務的主要推論系統。24

這項公布反映微軟打算用更多自家晶片處理 AI 工作。不過，部署規模和效能數字要分清楚：Maia 300 預計 2027 年才開始投入生產部署，而目前提供的資料未有獨立基準測試，驗證微軟所稱的效能優勢。

Maia 300 會負責甚麼工作？

微軟表示，Maia 300 將用於旗下產品及服務的 AI 推論工作，包括 Copilot 和 AI 代理程式相關工作負載；整個 Maia 系列則計劃由 2027 年起擴展至多吉瓦級部署。24

簡單來說，推論就是已訓練好的 AI 模型接收要求後，產生回覆或其他輸出的過程。自家推論加速器讓微軟多一個選擇，可以在自己的雲端基建上處理這類要求。這亦是公司減少依賴 Nvidia、AMD 等供應商晶片的布局之一。1522

但這不代表微軟會停止使用第三方晶片。現有公布支持的是增加自家晶片在推論工作中的比重，並非所有其他處理器都會被取代。

「逾百萬枚」和「約 30 萬枚」是甚麼數字？

路透社報道，微軟 2027 年可能部署逾 100 萬枚 Maia 300 晶片，支援內部 AI 服務。這是對未來部署的估算，並非證明晶片已經生產、運抵或安裝。20

另一篇報道提及約 30 萬枚晶片訂單，但該報道把數字歸於較早前的消息，亦沒有交代它與「逾百萬枚」的部署估算有何關係。因此，這個數字應視為報道中的估算，而非已確認的生產或出貨總量。7

兩組數字可能指向不同事情，現有資料亦未有解釋兩者如何對照。微軟公開確認的計劃，是 2027 年起進行多吉瓦級部署；目前未有一個獲確認的晶片總量可以把各種估算統一起來。2720

效能聲稱要留意甚麼？

微軟預計，Maia 300 每兆瓦可產生比「領先 GPU 系統」多 40% 的 tokens。公司沒有列明比較對象或測試工作負載，因此這個數字應視為微軟的預測，而非已獲獨立驗證的測試結果。26

微軟亦稱，配備 96 枚加速器的完整 Maia 300 機櫃，tokens 吞吐量最高可達 Maia 200 機櫃的 7 倍。這是與上一代 Maia 系統比較，並不代表 Maia 300 比 Nvidia 晶片快 7 倍。4

據報道，一個 Maia 300 機櫃有 96 枚加速器，耗電約 167 千瓦；作比較，Nvidia GB300 機櫃據稱配備 72 枚 GPU，耗電約 142 千瓦。20 不過，單看晶片數目和耗電量，無法判斷兩套系統在相同工作負載下哪一套能提供更多有效輸出。

已公布的晶片規格

微軟的架構資料指出，每枚 Maia 300 加速器配備 8 組 HBM4 記憶體，容量為 288 GB、頻寬為每秒 18 TB。37 StorageReview 報道則列出 950 瓦功耗，以及採用 TSMC N2P 製程的運算晶粒。10

Maia 300 的設計重點是 AI 推論。報道提到的目標工作包括長上下文推理、對話式 AI，以及 AI 代理程式執行多步驟任務。8 這些資料說明了晶片的規格和預期用途，但未能獨立證明它在各類任務上的實際表現。

目前可以確定甚麼？

最清楚的訊息是微軟的部署方向：公司打算由 2027 年起大幅增加自家 Maia 晶片在 AI 推論基建中的角色，並計劃進行多吉瓦級部署。24

每兆瓦多產生 40% tokens、機櫃吞吐量較 Maia 200 高最多 7 倍，以及各種部署數量估算，都有助了解微軟的目標；但它們不等同於獨立驗證的效能，亦不代表部署已經完成。現有資料也沒有量化每個 token 的成本會減少多少。現階段，Maia 300 的看點是微軟的部署計劃和效率目標，而不是已證明能在所有工作負載上勝過競爭對手的 GPU 系統。

微軟於 2026 年 10 月 12 日在 OCP 全球峰會公布第三代自家 AI 推論加速器 Maia 300。公司表示，會由 2027 年起把 Azure Maia 系列擴展至多吉瓦級部署，並讓 Maia 成為旗下產品及服務的主要推論系統。24

這項公布反映微軟打算用更多自家晶片處理 AI 工作。不過，部署規模和效能數字要分清楚：Maia 300 預計 2027 年才開始投入生產部署，而目前提供的資料未有獨立基準測試，驗證微軟所稱的效能優勢。

Maia 300 會負責甚麼工作？

微軟表示，Maia 300 將用於旗下產品及服務的 AI 推論工作，包括 Copilot 和 AI 代理程式相關工作負載；整個 Maia 系列則計劃由 2027 年起擴展至多吉瓦級部署。24

簡單來說，推論就是已訓練好的 AI 模型接收要求後，產生回覆或其他輸出的過程。自家推論加速器讓微軟多一個選擇，可以在自己的雲端基建上處理這類要求。這亦是公司減少依賴 Nvidia、AMD 等供應商晶片的布局之一。1522

但這不代表微軟會停止使用第三方晶片。現有公布支持的是增加自家晶片在推論工作中的比重，並非所有其他處理器都會被取代。

「逾百萬枚」和「約 30 萬枚」是甚麼數字？

路透社報道，微軟 2027 年可能部署逾 100 萬枚 Maia 300 晶片，支援內部 AI 服務。這是對未來部署的估算，並非證明晶片已經生產、運抵或安裝。20

另一篇報道提及約 30 萬枚晶片訂單，但該報道把數字歸於較早前的消息，亦沒有交代它與「逾百萬枚」的部署估算有何關係。因此，這個數字應視為報道中的估算，而非已確認的生產或出貨總量。7

兩組數字可能指向不同事情，現有資料亦未有解釋兩者如何對照。微軟公開確認的計劃，是 2027 年起進行多吉瓦級部署；目前未有一個獲確認的晶片總量可以把各種估算統一起來。2720

效能聲稱要留意甚麼？

微軟預計，Maia 300 每兆瓦可產生比「領先 GPU 系統」多 40% 的 tokens。公司沒有列明比較對象或測試工作負載，因此這個數字應視為微軟的預測，而非已獲獨立驗證的測試結果。26

微軟亦稱，配備 96 枚加速器的完整 Maia 300 機櫃，tokens 吞吐量最高可達 Maia 200 機櫃的 7 倍。這是與上一代 Maia 系統比較，並不代表 Maia 300 比 Nvidia 晶片快 7 倍。4

據報道，一個 Maia 300 機櫃有 96 枚加速器，耗電約 167 千瓦；作比較，Nvidia GB300 機櫃據稱配備 72 枚 GPU，耗電約 142 千瓦。20 不過，單看晶片數目和耗電量，無法判斷兩套系統在相同工作負載下哪一套能提供更多有效輸出。

已公布的晶片規格

微軟的架構資料指出，每枚 Maia 300 加速器配備 8 組 HBM4 記憶體，容量為 288 GB、頻寬為每秒 18 TB。37 StorageReview 報道則列出 950 瓦功耗，以及採用 TSMC N2P 製程的運算晶粒。10

Maia 300 的設計重點是 AI 推論。報道提到的目標工作包括長上下文推理、對話式 AI，以及 AI 代理程式執行多步驟任務。8 這些資料說明了晶片的規格和預期用途，但未能獨立證明它在各類任務上的實際表現。

目前可以確定甚麼？

最清楚的訊息是微軟的部署方向：公司打算由 2027 年起大幅增加自家 Maia 晶片在 AI 推論基建中的角色，並計劃進行多吉瓦級部署。24

每兆瓦多產生 40% tokens、機櫃吞吐量較 Maia 200 高最多 7 倍，以及各種部署數量估算，都有助了解微軟的目標；但它們不等同於獨立驗證的效能，亦不代表部署已經完成。現有資料也沒有量化每個 token 的成本會減少多少。現階段，Maia 300 的看點是微軟的部署計劃和效率目標，而不是已證明能在所有工作負載上勝過競爭對手的 GPU 系統。