微軟自研 Maia 300 晶片最快九月亮相，攜台積電拼 2027 年 30 萬顆產能
微軟（Microsoft）計劃最快在今年 9 月發布下一代自研 AI 晶片 Maia 300，並已向台積電（TSMC）確保逾三十萬顆的製造產能，目標在 2027 年完成交付。回顧微軟自研 AI 晶片計畫經歷 Maia 200 的蹣跚起步，如今有望吹響規模化號角。然而面對 Google 明年高達三億顆 TPU 的龐大產量目標，微軟能否在自研晶片賽道上真正站穩腳跟，仍引發市場高度關注。
（微軟財報：Azure 營收成長 43%，投資 Anthropic 獲利 32 億美元）
微軟 Maia 300 九月登場，量產目標上看百萬顆
微軟的 Maia 系列 AI 晶片計畫正迎來關鍵轉折，The Information 引述知情人士透露，微軟計劃最快今年 9 月正式對外發布 Maia 300，這是繼 Maia 200 之後的第二代自研 AI 加速晶片。與前代相比，Maia 300 在架構設計上已針對大型模型訓練進行專項優化，而非僅聚焦推論工作負載。
廣告 - 內文未完請往下捲動
在供應鏈方面，微軟已與台積電確認超過 30 萬顆的製造訂單，預計 2027 年完成出貨。該數字遠超 Maia 200 時代數萬顆的年產量，顯示微軟在晶片自研路線上的資本投入與戰略決心均大幅提升。
知情人士更指出，微軟內部的最終產能目標是 100 萬顆，意味著整個計畫距離預期的規模化仍有一段距離。
Maia 200 的挫敗經驗：效能測試落漆，外部客戶掛零
回顧 Maia 200 的失意過去，該晶片在去年早期測試階段便未能達到微軟內部的效能標準，導致發布時程一再延遲，最終僅在約兩個內部資料中心完成部署，目前僅用於運行 OpenAI 語言模型，以及 Copilot 人工智慧助理的部分功能，幾乎沒有任何外部客戶。
相較之下，Google 的 TPU 與 Amazon 的 Trainium 均已大規模服務外部雲端客戶，在各自的公有雲平台上向企業開放算力租用。微軟 Maia 在該領域的競爭中明顯落後。執行長 Satya Nadella 也傳出已多次對 Maia 計畫的推進速度表達不滿。
微軟為何選擇自研晶片？削減 Nvidia 依賴，壓縮 Azure 算力成本
微軟自研 Maia 晶片的根本動機，在於同時攻克兩層成本壓力：包括向 Nvidia 與 AMD 採購高價 GPU 的外部晶片費用；以及向 OpenAI 支付模型調用的使用成本。根據微軟月度投資人簡報，Maia 晶片的部署已協助降低相關 AI 工作負載的運算成本達 30 至 40%。
在外部客戶策略上，Anthropic 是微軟最積極爭取的客戶之一。此外，微軟另一條自研產品線「Cobalt 中央處理器」也正打開市場，Adobe 等大型企業客戶已在全球逾二十五個資料中心部署 Cobalt。
微軟與 Google TPU 的規模鴻溝：30 萬顆對決 3 億顆
與此同時，Google 計劃明年生產 3 億顆 TPU 晶片，與微軟兩者相差整整三個數量級。即便微軟最終達成百萬顆的內部目標，差距仍高達兩個數量級。
不難看出，在 AI 算力基礎設施的軍備競賽中，微軟目前的自研晶片仍屬內部補強性質，在外部雲端市場的競爭力尚未成形。Maia 300 若要真正對 Google TPU 或 Amazon Trainium 構成威脅，需要的不只是更多晶片，而是能吸引外部大客戶長期採用的生態與效能可信度。至今，Maia 200 在這兩點上都沒有交出答案。
（AWS 執行長：亞馬遜自研 Trainium 晶片可搭配輝達架構，不會當成產品出售）
Maia 300 會是真正的轉捩點嗎？
微軟的 Maia 300 計畫確實帶來了實質進展訊號：更高的產能目標、更清晰的外部客戶策略、更具體的成本削減數據。然而，AI 晶片領域的競爭也包括了量產規模、效能與生態系統等綜合較量。
在 Maia 200 近乎空白的外部客戶前提下，Maia 300 需要交出更亮眼的成績單才能贏得外界信任。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
