热点丨2nm自研芯片三代迭代，微软要把推理负载搬离英伟达

·聚焦:人工智能、芯片等行业

欢迎各位客官关注、转发

前言：

10月的圣何塞，开放计算项目峰会的展台上，微软摆出一颗功耗950瓦的芯片。它不对外出售，不接入任何客户的机柜，却被纳德拉称为微软在自研芯片上押下的最大赌注。

作者| 方文三

图片来源 | 网络

9个月一代，微软把芯片迭代跑成了软件节奏

Maia 300是微软的第三代自研AI加速器，距离第二代Maia 200发布还不到9个月。而第一代Maia 100走到第二代，用了超过两年，中间还跳票过一次。

2023年11月亮相的Maia 100，台积电5nm工艺，1050亿颗晶体管，芯片面积顶到光刻掩膜的极限。

那一代的真实任务并不是跑赢谁，而是学会把一颗全栈自研芯片安全地放进Azure的机架里，封装良率、定制以太网、液冷副机、固件遥测，每一项都是微软从未独立走完的路。

Maia 200在今年1月补上的是推理经济学的课，3nm工艺，1400亿颗晶体管，FP4算力超过10 PFLOPS，216GB的HBM3e内存，落地爱荷华州数据中心后直接承接了GPT-5.2的生产流量。

Maia 300迈出的第三步最凶狠，计算芯粒直接跳到台积电N2P工艺，也就是2nm增强版，IO和调度芯粒留在3nm，一颗芯片拆成两种制程拼装。

三代产品，三种任务。第一代学会走路，第二代学会算账，第三代开始抢占身位。

Meta今年放话要每6个月更新一代自研芯片，微软用9个月的间隔告诉外界，定制硅片的竞争已经从单芯片跑分迁移到了迭代速度本身。

原因不难理解，芯片的优化目标是大模型，而前沿模型每一年都在变脸。一颗芯片从设计冻结到量产上线要等18个月，它服务的是18个月后才会出生的模型。

迭代节奏每压缩一个月，硬件和模型之间的错位就少一分。微软做惯了Windows的版本节奏，如今把同一套心跳移植进了硅片。

还有一个细节常被忽略，Maia 100当年兼顾训练和推理，Maia 300干脆把训练从设计目标里划掉，一心一意做推理。

推理是按瓦计费的生意，微软决定自己开电厂

训练是算力饥渴，推理尤其是长上下文对话和多步骤智能体任务，瓶颈卡在内存。模型每吐出一个token，都要把权重和缓存重新读一遍，算力再强，内存喂不饱也是空转。

Maia 300的设计通篇都在回应这个瓶颈，288GB的HBM4内存分8堆叠，容量比上一代多出33%，带宽18TB每秒，是Maia 200的2.5倍，每瓦HBM带宽翻了一倍。

一个机柜塞进96颗芯片，是Maia 200机柜的两倍，整柜功耗167千瓦，机架级token吞吐量最高达到上一代的7倍。

微软宣称Maia 300每兆瓦电力处理的token数量比领先的GPU系统高出40%，这个数字没有点名对比对象，但它指明了微软心里真正的那杆秤，不是FLOPS，是每瓦token。

秤的另一端压着一份沉重的财报，微软2026财年资本开支达到1453亿美元，2026日历年的预算一度指向1900亿美元，其中250亿美元纯粹是GPU和CPU等元器件涨价贡献的。

每个季度约三分之二的资本开支流向短寿命算力资产，这些芯片进门就开始折旧，折旧完未必回本。

与之对照，微软AI业务的年化收入跑到370亿美元，同比增长123%，Copilot付费席位突破3000万。

需求滚烫，成本更滚烫。首席财务官艾米·胡德说过一句意味深长的话，使用自家芯片帮助公司在过去十年改善了利润率，那是Cobalt处理器替Azure省下的真金白银，如今同一本账要算到AI加速器头上。

行业里的推理成本每12到18个月下降5到10倍，用英伟达的GPU，这轮通缩的红利要分一大块给圣克拉拉的毛利。用自己的芯片，通缩就全部沉淀为自家的利润率。

谷歌和亚马逊选择把自研芯片租出去赚第二份钱，微软偏偏不租，Maia只喂自家的Copilot、Foundry和OpenAI模型。

这个克制恰恰暴露了优先级，微软要是把推理这门正在变成公用事业的生意，从零售电价改成自家电厂的成本价。

搬离英伟达，一场不告别的撤离

把雄心换算成数字，步子其实很小，The Information报道，微软已向台积电预订2027年超过30万颗Maia 300的产能。

听着像一场彻底的搬家，数字却冷静得多。Evercore ISI的分析师估算，到2027年一季度，Maia大约只占微软AI芯片支出的10%。

训练侧微软继续和英伟达、AMD深度合作，市面上需求最旺的处理器照样一箱箱往数据中心里搬。客户要多种芯片适配不同负载，微软就得继续当好英伟达的大买家。

微软不需要造出一颗击败Blackwell的芯片，它只需要让一颗足够好的备选芯片永久地摆在谈判桌上。

每一个迁到Maia上的token，都是英伟达失去定价权的token，筹码的价值在于存在。

英伟达显然读懂了信号，它最近一个季度的数据中心收入达到890亿美元，其中来自超大云厂商的约490亿美元，另一半来自主权AI、新型云和企业客户，后者138%的增速明显快于前者102%的增速。

黄仁勋在加速分散客户结构，还联合贝莱德、黑石、KKR等机构搭建5000亿美元的融资池，帮客户贷款买自家的芯片。卖铲人开始给淘金者助力，这个画面本身就是对自研潮最诚实的回应。

微软的软肋也摆在明处，台积电N2P产能紧张，HBM4供应链尚未经受量产考验，Maia的软件生态年轻得近乎单薄，编译器只需要伺候好微软自己的负载这件事，既是优势也是天花板。

微软要搬离的是买方市场的价格表，10%的自研占比足以撬动与黄仁勋谈判时的筹码，也能把增长最快、利润最薄的推理环节逐步收编。

OpenAI既是客户也是对手，微软手里握着双重保险

Maia故事里最微妙的角色是OpenAI，Maia 200如今在生产的正是GPT-5.2，让头号合作伙伴的旗舰模型跑在自家硅片上，这是定制芯片能拿到的最高规格背书。

可OpenAI在今年6月公布了与博通合作的自研芯片，计划从2026年底起以吉瓦级规模部署，落地方里就包括微软的数据中心。

于是出现了一幅奇特的画面，微软在自己的机房里，一边用自家芯片跑着OpenAI的模型，一边为OpenAI设计的芯片提供电力和机房。

两家公司从两端攻同一个成本问题，合作与竞争长在同一根枝干上。

今年4月修订的协议给这幅画面加上了注脚，Azure失去了对OpenAI模型的独家托管权，换来授权延续到2032年，外加一条少有人注意的条款，一旦微软自研芯片受挫，它有权使用OpenAI早期的芯片设计。保险叠着保险，信任里掺着对冲，这是成年人的同盟。

把镜头拉远，微软并不孤独。谷歌的TPU走到第八代还开始对外供货，亚马逊的Trainium 3站稳第三代，Meta的Iris在9月投产。

超大云厂商集体造芯的底层逻辑一致，当推理流量大到可以预测，为固定负载定制硅片就稳赚不赔，而通用GPU的溢价就成了可以被挤压的水分。

英伟达超过一半的收入系于这四五家买家之手，买家们如今每人手里都多了一把自家打的钥匙。

结尾：

微软未必想造出比英伟达更强的芯片，它要的只是让英伟达不再是唯一的答案。

推理正在变成按瓦计费的公用事业，每一兆瓦多出来的40% token，就是写在电费单上的独立宣言。硅片沉默，账单说话。

部分资料参考：微软官方：《Microsoft to expand Azure Maia system to multi-gigawatt deployments》，微软Azure：《Deep dive into Azure Maia 300 architecture》，微软官方：《Microsoft Ignite 2023: AI transformation and the technology driving change》，路透社：《Microsoft plans huge deployment of its own AI chips, with an eye on saving costs》

本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。

请务必注明：

「姓名 + 公司 + 合作需求」