微軟 Maia 300 搭載 288GB HBM4，降低對 Nvidia 的依賴

新聞摘要

微軟於 2026 年 10 月 12 日（太平洋時間，根據報導發布日期）發表 Azure Maia 300，這是其第三代自研 AI 加速器。該晶片設計用於在微軟自家雲端中執行大型 AI 工作負載，並減少對 Nvidia GPU 的依賴。量產部署預計於 2027 年開始，微軟表示計劃將 Maia 系列擴展至多吉瓦（multi-gigawatt）規模。以下所有效能數據均為微軟自行宣稱，尚未經獨立測試驗證。

微軟發布內容

Maia 300 是繼 Maia 100 與 Maia 200 之後，微軟客製化加速器系列的第三代產品。微軟將該系列定位為自家產品的主要推論平台，也就是在 AI 模型訓練完成後，負責回應使用者請求的硬體。Maia 200 已用於生產環境，包括 Microsoft Copilot，並協助微軟的 MAI 團隊開發下一代模型。微軟計劃在 2026 年底前將 GitHub Copilot 與 Microsoft Foundry 的工作負載遷移至 Maia 200，部署區域包括美國、歐洲與澳洲。

主要硬體規格

每個 Maia 300 加速器搭配八組 HBM4 記憶體堆疊，提供 288 GB 記憶體與 18 TB/s 頻寬。運算晶片基於台積電 N2P 製程，功耗約為 950 W。在機架層級，一個 96 加速器機架約耗電 167 kW，提供約 27.6 TB 高頻寬記憶體，總記憶體頻寬約 1.7 PB/s。

相比之下，Maia 200 的報導描述為台積電 3nm 設計，配備 216 GB HBM3e、7 TB/s 頻寬，功耗約 750 W。部分次要數據在不同媒體間有所差異，建議讀者在微軟發布完整文件前，將細節視為暫定資訊。

相較 Maia 200 的宣稱改進

微軟宣稱，與 Maia 200 相比，機架級 token 吞吐量提升達 7 倍，每瓦效能提升超過 2.5 倍。報導亦提到運算效能提升 36%、記憶體容量增加 33%、記憶體頻寬提升 2.5 倍，以及擴展頻寬提升 14%。微軟進一步表示，Maia 300 每百萬瓦（megawatt）可產生的 token 數比領先的 GPU 系統多約 40%，這項指標之所以重要，是因為電力與散熱已成為資料中心擴張的主要限制。

記憶體與效率的重要性

現代語言模型花費大量時間在資料搬移而非算術運算。高頻寬記憶體負責將模型權重餵給處理器，因此更大的容量與頻寬能讓晶片同時服務更大的模型或更多使用者。「每瓦 token 數」衡量系統每單位電力能產生多少文字，直接影響大規模 AI 服務的營運成本。

供應鏈與產量

在發布前，引用 The Information 的報導指出，微軟曾討論確保台積電產能以供應超過 30 萬顆 Maia 300 晶片，預計 2027 年出貨，長期目標超過一百萬顆。Azure Maia 總經理 Andrew Wall 表示，報導中的數字並未反映該計畫的實際規模，但未透露具體產量。業界觀察家指出，先進封裝與 HBM 供應可能影響進度。

對 Nvidia 與 AI 晶片市場的影響

Nvidia GPU 仍是 AI 訓練的主流硬體，分析師預期其地位短期內不會迅速改變。然而，客製化晶片讓大型雲端供應商能控制自家服務的成本與供應，且據報導微軟正考慮向 Anthropic 等外部客戶提供 Maia 產能。Maia 200 被認為不如競爭對手成熟，採用速度較慢，因此 Maia 300 的評價將取決於 2027 年的實際部署，而非發布當天的數據。

後續觀察重點

關鍵訊號包括獨立基準測試、提供給開發者的軟體堆疊、Copilot 與 Foundry 流量中由 Maia 服務的比例，以及外部客戶是否採用。微軟的多吉瓦目標也凸顯了電力基礎設施在 AI 時代的重要性，已不亞於晶片設計。

資料來源

本次報導參考的媒體包括 The Verge、Unite.AI、Techzine Global、Neowin、Converge Digest、Notebookcheck、Moor Insights & Strategy、eWeek 與 TheNextWeb。