微軟於 2026 年 10 月 12 日在 OCP 全球高峰會公布第三代自研 AI 推論加速器 Maia 300，並表示將從 2027 年起，把 Azure Maia 系列擴大至多吉瓦級部署，讓 Maia 成為微軟產品與服務的主要推論系統。 24

這代表微軟正加大自研硬體在 AI 推論上的角色。不過，部署時程與效能數字目前仍應視為前瞻性規劃和公司主張：Maia 300 預計 2027 年開始投入正式部署，而現有資料沒有提供獨立基準測試結果。

微軟公布了什麼？

微軟表示，Maia 300 將支援旗下產品與服務的 AI 推論工作，包括 Copilot 和 AI 代理相關工作負載；公司也計畫從 2027 年起，將 Maia 系列部署規模擴大至多吉瓦級。 24

簡單來說，AI 推論就是讓已訓練完成的模型根據提示產生回答等輸出。自研推論加速器，讓微軟在自家基礎設施上處理這類請求時，多了一種硬體選擇。相關報導也將此舉描述為微軟降低對 Nvidia、AMD 等處理器供應商依賴的努力。 1522

但這不等於微軟將停止使用第三方晶片。現有公告支持的是微軟打算在推論工作上增加自家晶片的比重，而不是全面取代其他處理器。

晶片部署數量：兩個估算尚未對上

路透社報導，微軟在 2027 年可能部署逾 100 萬顆 Maia 300，供自家 AI 服務使用。這是對未來部署規模的估算，並非晶片已經製造、出貨或安裝完成的確認。 20

另一篇報導則提到約 30 萬顆的訂單數字，但該報導將其歸因於先前的消息，且未說明這項數字與逾百萬顆的部署估算有何關係。因此，這應視為媒體報導中的估算，而非已確認的生產或出貨總量。 7

兩個數字可能指涉不同項目，也可能源自無法直接比較的報導。微軟公開的計畫是從 2027 年起開始多吉瓦級部署；現有資料並未將各種估算統整成一個已確認的數量。 2720

40% 能效與七倍吞吐量，該怎麼看？

微軟預期，Maia 300 每兆瓦可處理的 token 數量，將比「領先的 GPU 系統」多 40%。不過，公司沒有說明比較對象或測試工作負載，因此這個數字目前應視為微軟的預期，而非獨立驗證的測試結果。 26

微軟也表示，完整的 96 顆 Maia 300 加速器機櫃，其機櫃級 token 吞吐量最高可達 Maia 200 的七倍。這是與上一代 Maia 系統的比較，並不是宣稱 Maia 300 比 Nvidia 硬體快七倍。 4

報導提供了機櫃規格作為參考：Maia 300 機櫃搭載 96 顆加速器，耗電約 167 千瓦；Nvidia GB300 機櫃則據報搭載 72 顆 GPU，耗電約 142 千瓦。這些是不同系統的規格描述；光看數字，無法判定在相同工作負載下哪一套系統能產出更多有效運算結果。 20

Maia 300 的已報導規格

微軟的架構說明指出，每顆加速器配有八組 HBM4 記憶體堆疊，記憶體容量為 288 GB、頻寬為每秒 18 TB。 37 StorageReview 報導的規格則包括 950 瓦功耗，以及台積電 N2P 製程的運算晶粒。 10

Maia 300 是為推論工作負載設計。報導提及的目標用途包括長上下文推理、對話式 AI，以及 AI 代理執行的多步驟任務。 8 目前資料呈現的是硬體規格與預定用途，尚不能獨立證明它在這些任務上的實際效能。

公告說明了什麼，又還沒證明什麼？

最明確的訊息是微軟的策略方向：公司打算讓自研 Maia 硬體承擔更多 AI 推論工作，並從 2027 年起展開多吉瓦級部署。 24

40% 的每兆瓦 token 數提升、相較 Maia 200 的七倍機櫃吞吐量，以及媒體報導的部署數量，都能反映微軟的目標，但不等同於經獨立驗證的效能，或已完成的部署規模。現有資料也沒有量化每個 token 的成本節省。就目前證據而言，Maia 300 的重要性在於微軟的部署計畫與能效目標，而不是已證明它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 全球高峰會公布第三代自研 AI 推論加速器 Maia 300，並表示將從 2027 年起，把 Azure Maia 系列擴大至多吉瓦級部署，讓 Maia 成為微軟產品與服務的主要推論系統。 24

這代表微軟正加大自研硬體在 AI 推論上的角色。不過，部署時程與效能數字目前仍應視為前瞻性規劃和公司主張：Maia 300 預計 2027 年開始投入正式部署，而現有資料沒有提供獨立基準測試結果。

微軟公布了什麼？

微軟表示，Maia 300 將支援旗下產品與服務的 AI 推論工作，包括 Copilot 和 AI 代理相關工作負載；公司也計畫從 2027 年起，將 Maia 系列部署規模擴大至多吉瓦級。 24

簡單來說，AI 推論就是讓已訓練完成的模型根據提示產生回答等輸出。自研推論加速器，讓微軟在自家基礎設施上處理這類請求時，多了一種硬體選擇。相關報導也將此舉描述為微軟降低對 Nvidia、AMD 等處理器供應商依賴的努力。 1522

但這不等於微軟將停止使用第三方晶片。現有公告支持的是微軟打算在推論工作上增加自家晶片的比重，而不是全面取代其他處理器。

晶片部署數量：兩個估算尚未對上

路透社報導，微軟在 2027 年可能部署逾 100 萬顆 Maia 300，供自家 AI 服務使用。這是對未來部署規模的估算，並非晶片已經製造、出貨或安裝完成的確認。 20

另一篇報導則提到約 30 萬顆的訂單數字，但該報導將其歸因於先前的消息，且未說明這項數字與逾百萬顆的部署估算有何關係。因此，這應視為媒體報導中的估算，而非已確認的生產或出貨總量。 7

兩個數字可能指涉不同項目，也可能源自無法直接比較的報導。微軟公開的計畫是從 2027 年起開始多吉瓦級部署；現有資料並未將各種估算統整成一個已確認的數量。 2720

40% 能效與七倍吞吐量，該怎麼看？

微軟預期，Maia 300 每兆瓦可處理的 token 數量，將比「領先的 GPU 系統」多 40%。不過，公司沒有說明比較對象或測試工作負載，因此這個數字目前應視為微軟的預期，而非獨立驗證的測試結果。 26

微軟也表示，完整的 96 顆 Maia 300 加速器機櫃，其機櫃級 token 吞吐量最高可達 Maia 200 的七倍。這是與上一代 Maia 系統的比較，並不是宣稱 Maia 300 比 Nvidia 硬體快七倍。 4

報導提供了機櫃規格作為參考：Maia 300 機櫃搭載 96 顆加速器，耗電約 167 千瓦；Nvidia GB300 機櫃則據報搭載 72 顆 GPU，耗電約 142 千瓦。這些是不同系統的規格描述；光看數字，無法判定在相同工作負載下哪一套系統能產出更多有效運算結果。 20

Maia 300 的已報導規格

微軟的架構說明指出，每顆加速器配有八組 HBM4 記憶體堆疊，記憶體容量為 288 GB、頻寬為每秒 18 TB。 37 StorageReview 報導的規格則包括 950 瓦功耗，以及台積電 N2P 製程的運算晶粒。 10

Maia 300 是為推論工作負載設計。報導提及的目標用途包括長上下文推理、對話式 AI，以及 AI 代理執行的多步驟任務。 8 目前資料呈現的是硬體規格與預定用途，尚不能獨立證明它在這些任務上的實際效能。

公告說明了什麼，又還沒證明什麼？

最明確的訊息是微軟的策略方向：公司打算讓自研 Maia 硬體承擔更多 AI 推論工作，並從 2027 年起展開多吉瓦級部署。 24

40% 的每兆瓦 token 數提升、相較 Maia 200 的七倍機櫃吞吐量，以及媒體報導的部署數量，都能反映微軟的目標，但不等同於經獨立驗證的效能，或已完成的部署規模。現有資料也沒有量化每個 token 的成本節省。就目前證據而言，Maia 300 的重要性在於微軟的部署計畫與能效目標，而不是已證明它能在所有工作負載上勝過競爭對手的 GPU 系統。