微软不再只是买显卡的那一方了。
2026 年 10 月 12 日，微软宣布从 2027 年起把 Azure Maia 系列 AI 芯片系统的部署规模扩大到多吉瓦级，并把它打造成微软产品和服务的主要推理系统。同一天发布的第三代芯片 Maia 300，被微软定义为“推理优先”架构，目标场景是长上下文推理、低延迟对话和多步骤智能体任务。
这背后是一个更硬的信号：当 AI 竞争的重心从训练转向推理，云巨头们正在把算力从“租”变成“造”。
现象层：微软的芯片野心，这次是吉瓦级
先看微软给出的数字。
微软预计，Maia 300 每兆瓦可处理的 Token 数量，比领先的 GPU 系统高出 40%。在 96 颗加速器的满配机架里，Token 吞吐量最高能达到 Maia 200 的 7 倍。一个机架把 96 颗加速器塞进 167 千瓦的功耗包络，配备 27.6TB 高带宽内存，聚合带宽 1.7PB/s。
多吉瓦级部署是什么概念？按媒体测算，这相当于 2027 年可能部署超过 100 万颗 Maia 300 芯片。这不是试点，是微软 AI 基础设施的一次换轨。
而 Maia 200 已经不是实验室样品。它已经在生产环境里跑着 Microsoft Copilot，同时运行 OpenAI 模型、微软自己的 MAI 模型和主流开源模型家族，部署范围覆盖美国、欧洲和澳大利亚。GitHub Copilot 和 Microsoft Foundry 也将在 2026 年底前接入这套硬件。
两件事放在一起看，微软的意图很清楚：训练可以靠 NVIDIA，但推理这张长期账单，微软想自己来付。
推理优先，是微软算过账之后的选择
为什么是推理，不是训练？
因为对云厂商来说，推理是持续性支出，训练更接近一次性投入。Copilot 每被调用一次，就要消耗一次算力。用户越多、对话越长、智能体步骤越复杂，推理成本就越像滚雪球。微软把 Maia 300 明确指向长上下文推理、低延迟对话和多步骤智能体任务，恰恰是 Copilot 类产品最烧钱的场景。
Azure 硬件系统与基础设施负责人 Rani Borkar 对路透社说得很直白：“本质上，它是通过全系统优化，让每一瓦特、每一美元、每一字节内存都产出更多智能。”
微软给出的账本也支持这个判断：相比 Maia 200，Maia 300 每瓦性能提升 2.5 倍以上，每机架加速器数量翻倍。对一家要把 AI 服务铺到全球的企业来说，每瓦性能的提升，最后都会变成利润率的改善。
从“不惜成本”到“运营效率”，微软进入新阶段
过去两年，整个科技行业都被 NVIDIA 的 GPU 供应牵着走。短缺、高价、排队拿卡，决定了 AI 扩张的速度。Maia 的存在，首先是一层保险：推理侧不再完全看人脸色。
但这不只是供应链安全。微软云与 AI 执行副总裁 Scott Guthrie 在官方博客里把这件事定义为“进入新的基础设施阶段”——从 Super Intelligence 时代的需求出发，重新设计从芯片到数据中心的整条链路。
这背后是微软 AI 战略的阶段性切换：前一个阶段是不惜成本抢算力、抢模型、抢用户；这个阶段开始算账，追求每瓦性能、每美元产出、每字节内存的利用率。当 AI 收入还没完全覆盖资本开支时，效率本身就是护城河。
百万颗芯片背后，台积电和 ASIC 生态在分蛋糕
Maia 300 采用多芯片组设计，计算芯片组用台积电 N2P 工艺制造。N2P 是台积电 2nm 系列的增强版本，本身就在 2026 到 2027 年的紧张产能名单上。
微软一旦在 2027 年把部署推到吉瓦级，它就不再只是 NVIDIA 的大客户，也会成为先进制程和先进封装的大买家。这对台积电是增量订单，对 Broadcom、MediaTek 这类 ASIC 服务商也是信号——DIGITIMES 就提到，Google TPU 一年回本，正在拉动 ASIC 产业链的收入。
AWS、Google、Meta 都在走同一条路。区别在于，微软有自己的模型（MAI）、有自己的应用入口（Copilot、Office、Windows）、有自己的云（Azure），所以它的自研芯片有明确的内部消化场景。这比“先造芯片再找客户”的路线稳得多。
但微软没说的部分，同样重要
微软说 Maia 300 比“领先的 GPU 系统”每兆瓦多 40% 的 Token，但没说明对比的是哪款 GPU，也没提供独立第三方基准测试。这个“领先”是跟 NVIDIA 的 H200 比，还是跟 Blackwell 比，答案不同，结论的含金量也不同。
另一个问题是生态锁定。GPU 的通用性意味着什么模型都能跑、什么框架都兼容；ASIC 一旦为特定模型结构优化，模型迭代方向就得跟着硬件走。微软敢这么押，前提是自己的 MAI 模型路线足够稳定，且推理负载足够可预测。
还有一层风险：训练侧微软依然依赖 NVIDIA。Maia 目前定位是推理系统，最昂贵的训练集群短期内还是 GPU 的天下。所以这不是一场“取代”，而是一场“分工”——训练用 GPU，推理用 Maia，谁性价比高谁上。
谁会赢，谁危险
对微软来说，Maia 规模化是一步好棋。推理成本降下来，Copilot 的商业化空间就打开了；自研比例提高，对 NVIDIA 的议价能力也上去了。
对 NVIDIA 来说，危险不在今天，在明天。推理是 AI 负载里增长最快、最持续的部分，如果云厂商们纷纷把推理切到自家芯片，GPU 的需求结构会被慢慢掏空。NVIDIA 的应对是继续把性能差距拉大到 ASIC 追不上，同时用 CUDA 生态锁住开发者。这场仗会打很多年。
对投资者来说，真正值得盯的不是某一款芯片的参数，而是两个指标：一是微软 Azure 资本开支里自研芯片的占比变化，二是 Maia 实际承载的推理负载比例。参数可以宣传，账单不会撒谎。
AI 的下半场，拼的不是谁买到了最多的显卡，而是谁能把每一瓦电都变成可收费的智能。微软押注 Maia，押的不是一块芯片，而是推理成本曲线往下走的那条路。
快报