Microsoft 傳 9 月揭露 Maia 300 AI 晶片,持續降低對 Nvidia 依賴

Microsoft 傳出計畫在 9 月揭露 Maia 300。這將是繼 Maia 200 之後,公司控制 AI 推論成本與算力供應的重要一步,但目前仍不是正式上市消息。

Share
Microsoft Azure Maia 200 AI 加速器晶片官方圖片
Microsoft Azure Maia 200 AI 加速器。圖片來源:Microsoft 官方 Maia 200 圖庫(https://news.microsoft.com/maia-200/)。

Microsoft 傳出計畫在 2026 年 9 月公開下一代自研 AI 加速器 Maia 300。外媒消息目前尚未獲 Microsoft 官方證實,公司也沒有公布正式發表日期、晶片規格或 Azure 商用時程,因此現階段應視為產品路線與發表計畫,而不是已確認上市的產品。

若時程成真,Maia 300 將成為 Microsoft 繼 Maia 200 後,繼續掌握 AI 基礎設施成本與供應來源的重要產品。不過,Microsoft 的策略並不是完全捨棄 Nvidia 或 AMD,而是讓自研晶片加入多元算力架構。

Maia 300 仍未公布正式規格與發表日期

外媒報導將 Maia 300 的揭露時間指向今年秋季,並稱可能落在 9 月。Microsoft 執行長 Satya Nadella 早在 2026 年 3 月的投資人會議上表示,公司已經有 Maia 300,顯示這款晶片確實位於 Microsoft 的自研硬體路線中,但他沒有公開晶片規格與推出時間。

Microsoft 過去的自研晶片開發曾出現延遲。《The Information》先前報導,Maia 系列後續產品的設計變更、團隊人力與開發時程都曾造成進度壓力。這使得 9 月揭露即使發生,也不等於晶片能同步大量生產,或立即開放 Azure 客戶租用。

目前外界最需要區分的是三個時間點:公開展示、資料中心部署,以及雲端客戶可以實際使用。Microsoft 尚未對 Maia 300 的後兩項做出正式說明。

Maia 200 已先進入 Microsoft 的 Azure 資料中心

Maia 300 的背景,是 Microsoft 已開始把 Maia 200 放進實際資料中心。Microsoft 在 2026 年 1 月公布 Maia 200,定位為專門處理 AI 推論的加速器。AI 推論是模型訓練完成後,接收使用者輸入並產生回答或執行判斷的運算工作。

Maia 200 採用 TSMC 3 奈米製程,搭載 216 GB HBM3e 高頻寬記憶體,讓晶片更快讀取 AI 運算資料;記憶體頻寬達每秒 7 TB,並配置 272 MB SRAM,也就是晶片內的高速記憶體。

Microsoft Azure Maia 200 晶片置於電路板上的官方圖片
Microsoft Azure Maia 200 晶片與電路板。圖片來源:Microsoft 官方 Maia 200 圖庫(https://news.microsoft.com/maia-200/)。

Microsoft 表示,Maia 200 每美元效能比公司機房目前使用的前一代硬體高出 30%,並支援包括 GPT-5.2 在內的多種模型。

依照 Microsoft 最新法說會資料,Maia 200 已在愛荷華州與亞利桑那州的資料中心運作。

Microsoft Azure Maia 200 資料中心伺服器機櫃與液冷設備官方圖片
Microsoft 展示 Maia 200 伺服器機櫃與液冷設備。圖片來源:Microsoft 官方 Maia 200 圖庫(https://news.microsoft.com/maia-200/)。

這代表 Maia 不再只是實驗性晶片,而是開始進入 Microsoft 自己的 AI 服務與雲端基礎設施。不過,這些效能數字是 Microsoft 公布的內部比較結果,不能直接等同於 Maia 200 在所有工作負載上都勝過 Nvidia GPU。

Microsoft 仍會同時採購 Nvidia 與 AMD 晶片

Microsoft 執行長 Satya Nadella 在投資人會議上強調,公司的方向是建立異質算力架構,也就是同時使用不同供應商、不同類型的 CPU 與 AI 加速器,再透過系統軟體依照工作負載安排資源。

因此,Maia 300 的主要價值不一定是取代 Nvidia,而是讓 Microsoft 在 Azure、Microsoft 365 Copilot 與自家 AI 模型的部分工作負載上,擁有更多成本與供應選擇。對雲端業者來說,推論需求越大,每次回答所涉及的晶片、電力與資料中心成本就越重要。若自研晶片能在特定工作負載上降低每次運算成本,便可能改善 AI 服務的毛利。

另一方面,Nvidia 仍然掌握成熟的軟體生態系與廣泛的模型支援。Microsoft 也需要持續採用 Nvidia 與 AMD 的最新產品,才能維持 Azure 對不同客戶和模型的彈性。因此,把 Maia 300 解讀成 Microsoft 即將完全脫離 Nvidia,會超出目前公開資訊能支持的範圍。

真正關鍵在於 Maia 300 能否進入大規模商用

如果 Microsoft 只在 9 月展示 Maia 300,市場首先看到的是一項技術路線訊號;只有當晶片完成量產、部署到更多資料中心,並讓 Azure 客戶使用,才會真正轉化為商業影響。

發表後值得觀察四件事:Microsoft 是否公開 Maia 300 的製程與記憶體配置、是否公布相對 Nvidia 的效能與每美元成本、何時開始在資料中心部署,以及 Azure 客戶能否直接使用相關算力。這些資訊比單純展示晶片外觀,更能判斷 Microsoft 的自研硬體是否已經跨過產品化門檻。

現階段較保守的結論是:Microsoft 正把自研晶片從單一產品,推進成 Azure 多世代算力的一部分。Maia 300 若按計畫亮相,將提高 Microsoft 對 AI 基礎設施的控制力,但它是否能縮小與 Nvidia 的實際差距,仍要等規格、部署與商用數據公開後才能判斷。

資料來源