微软计划到2027年将自研Maia AI芯片扩展至吉瓦级规模

微软高管Scott Guthrie撰文披露，公司计划从2027年起将自研Azure Maia芯片部署到多吉瓦规模，并使其成为公司各产品的主要AI推理系统。这是已确认的规划表述，但“多吉瓦”本身是一个未来目标，能否如期落地属于执行层面的不确定性。

与2027年这个远期节点并行的，是已经发生的部署：Maia 200目前已在Copilot于美国、欧洲和澳大利亚的运行中投入使用。GitHub Copilot和Foundry预计将在今年年底前跟进使用Maia芯片。也就是说，微软的推理芯片替换不是一次性切换，而是先在Copilot这一条产品线上跑起来，再向更多产品扩散。

把这两个节点放在一起看，2027年的多吉瓦目标并非凭空起跳，而是建立在Maia 200已进入实际产品运行的基础上。但报道没有说明Maia 200在Copilot中的实际使用规模与占比，因此“已投用”与“成为主力”之间仍有相当距离。

微软CEO萨提亚·纳德拉把这件事称为“我们在自研芯片上迄今最大的押注”。这是一句来自公司最高层的定性表述，属于来源转述的宣称，而非可验证的技术指标。它传递的信号是：在微软内部，自研推理芯片被放在了战略优先级很高的位置。

在适用范围上，该芯片可处理OpenAI、MAI以及开源模型。这一点值得注意，因为它意味着Maia并非只服务于微软自家模型，而是要覆盖微软云上承载的多种模型来源。不过，报道并未量化该芯片对这些模型的支持程度与性能表现，因此“可处理”只能理解为兼容性层面的表述。

继任者Maia 300将于2027年出货，面向长输入、快速对话和智能体任务。这三个方向指向的是推理负载中越来越吃内存容量与带宽的场景：长上下文需要装得下，快速对话需要低延迟，智能体任务则往往需要多轮、持续的推理。

已确认的规格是：每颗Maia 300芯片集成8个HBM4内存堆栈，总容量288 GB，带宽18 TB/s，额定功耗950瓦。这组数字是本文中最“硬”的信息，因为它们是具体的硬件参数，而非相对性能比较。

但规格本身不等于实际表现。950瓦的额定功耗意味着单芯片的功耗预算相当高，而报道没有说明芯片制造工艺、代工厂或供应链安排，因此无法从这些参数推断出成本或能效的最终结果。

围绕能效与产出，微软给出了一组对比数字。在Teams场景中，微软称Maia芯片每瓦可输出的token数比领先GPU最多高出1.7倍。对于Maia 300，微软声称其每兆瓦可输出的token数比领先GPU系统多40%。在机架层面，一个96芯片机架产出的token数最多可达一个Maia 200机架的7倍。

这三组数字都需要谨慎对待。它们全部是微软单方面的宣称，报道未提供基准测试细节，也没有第三方独立验证。尤其是96芯片机架7倍token产出的对比，其对比基准与测试条件均未披露——是同等功耗下的对比，还是同等芯片数量下的对比，会直接改变这个倍数的含义。

因此，这些数字更适合被读作微软对外释放的目标与信心，而不是已经过验证的结论。Maia 300的规格与性能目标针对2027年出货，尚未实现；宣称的每兆瓦token数优势能否在实际负载中兑现，同样尚不确定。

目前披露的信息来自技术报告，更多内容将在2026年11月的Ignite 2026上公布。这意味着当前我们看到的是一份阶段性披露：硬件规格相对完整，但性能对比的方法论、实际部署的规模数据、以及与其他加速方案的横向比较，都还留待后续。

这种“先给结论、后补细节”的节奏，本身就构成一种信息约束。在Ignite 2026之前，任何关于Maia 300实际竞争力的判断都只能建立在微软自己的表述之上。

需要明确的是，上述所有事实均来自单一报道来源THE DECODER，其内容主要转述微软的说法。这意味着我们面对的不是多方交叉验证过的信息，而是一条从微软到单一媒体的传递链。

在这条链上，可以分成三个层次：硬件规格（288 GB、18 TB/s、950瓦）和部署时间表（2027年、Maia 200已在Copilot美欧澳投用、GitHub Copilot与Foundry年底前跟进）属于已确认的事实性陈述；纳德拉的引语和所有性能倍数（1.7倍、40%、7倍）属于来源宣称；而“微软能否在2027年如期实现多吉瓦级部署”“自研芯片战略对GPU采购格局的影响”则属于推断，且报道本身并未给出答案。

把这三个层次分开，才能避免把微软的目标当成既成事实。这份路线图的战略意图清晰，但可验证的落地证据目前仍集中在Maia 200的有限部署上。