- 继 Google 和 Amazon 之后，Microsoft 计划将 Maia 打造为其主要的多千兆瓦级推理引擎。
- 即将推出的 Maia 300 牺牲部分算力换取内存带宽大幅提升（为 Maia 200 的 2.5 倍），旨在优化内存受限的解码任务，预计于 2027 年投入生产。
- 超级扩展商贡献了 Nvidia 数据中心收入的一半以上，且整体毛利率高达 75%。因此，各大厂商转向自研芯片不仅削弱了 Nvidia 的定价权，也关乎整个芯片行业的可持续性。
2024 年，Microsoft 曾向欧盟委员会指出，Google 是唯一一家在从芯片到移动应用商店等各个 AI 层级实现垂直集成的公司，而其他企业则必须依赖合作伙伴关系进行创新与竞争。
如今，Microsoft 正式披露了其追随这一路径的计划。
在 Microsoft 官方博客中，云 + 人工智能执行副总裁 Scott Guthrie 宣布，Microsoft 将从 2027 年起将 Azure Maia 加速器的部署规模扩展至多千兆瓦级别，并使 Maia 成为其产品和服务的主要推理系统。
Azure 硬件系统与基础设施总裁 Rani Borkar 及系统规划与架构公司副总裁 Saurabh Dighe 详细介绍了 Maia 300 的技术架构。
效仿 Google 路线：聚焦内存而非单纯堆砌算力
作为 Nvidia 最大的客户之一，Microsoft 此举被视为对当前市场担忧的直接回应。Google 本周预测，AI 供应商仅在 2026 年就将投入近 1 万亿美元用于基础设施建设，而 AI 收入至少在 2032 年前难以覆盖成本。
如果 AI 硬件的最大买家停止支付 Nvidia 的高额溢价，将对行业产生深远影响。然而，Maia 300 是否是促使这一转变的最终催化剂，目前尚难定论。
根据 StorageReview 获取的 Microsoft 规格表，Maia 300 从 Maia 200 的单模块设计转变为多芯片封装（MCM）。该设计采用台积电 N2P 工艺，并将计算、内存控制器和 I/O 功能分离至不同模块。Maia 300 配备八个 HBM4 堆栈，提供 288GB 容量和每加速器 18TB/s 的带宽；相比之下，Maia 200 的容量为 216GB，带宽为 7.1TB/s。
Microsoft 并未放弃计算性能，而是在内存子系统上进行了重新平衡。在长推理链和代理循环主导的解码阶段，标记逐标记处理使得加速器大量时间耗费在等待数据而非算术运算上。
Maia 300 试图通过非统一内存访问（NUMA）布局、软件管理的片上 SRAM 以及更窄的数字格式（包括增强型 MXFP4 和低于 3 位的存储格式及其间的硬件转换）来弥补这一瓶颈，即在计算单元附近保存数据。这印证了行业内一个日益明显的趋势：定制芯片已不再是超级扩展商的副业，而是核心战略。
Alphabet 首席财务官 Anat Ashkenazi 在 7 月的财报电话会议上透露，Google 已在第二季度开始从向客户数据中心交付的 TPU 系统中获得收入。首席执行官 Sundar Pichai 表示，公司“看到其他客户对独立 TPU 系统有强劲需求”。
这一趋势并非孤例。据报道，Anthropic 已通过 Broadcom 预订了 2027 年 3.5GW 的 TPU 容量；Meta 也在 2025 年进行租赁和购买谈判。Amazon 同样采取了类似策略，首席执行官 Andy Jassy 在 2026 年 4 月表示，包含 Trainium、Graviton 和 Nitro 在内的 Amazon 芯片业务年收入运行率已超过 200 亿美元，成为全球前三大数据中心芯片业务之一。与此同时，OpenAI 也推出了其 Jalapeño 加速器。
Nvidia 的利润率：AI 领域的圣杯？
这种动机源于 Nvidia 自身的财务表现。在截至 2026 年 7 月的季度，Nvidia 报告收入 962 亿美元，其中数据中心业务贡献 89 亿美元，毛利率达 75%。这意味着 Nvidia 超过一半的数据中心收入来自一小群买家，而这些最大客户正着手设计自己的加速器。
随着推理工作负载转向公司内部，买方支付的成本更接近制造成本，而非 Nvidia 的高昂溢价。7 月，Microsoft 向投资者披露，Maia 200 的运行成本比 Nvidia 最新的 GPU 系统便宜高达 40%，尽管 Microsoft 仅将其称为“领先的基于 GPU 的系统”，未指名具体型号。这一区别至关重要，因为 Nvidia 正通过 Vera Rubin 专注于效率提升，而 OpenAI 甚至拒绝直接与其进行比较。
此次披露对股市影响有限。周一公布后，Nvidia 股价下跌 1.29%，而 Microsoft 股价上涨 1.14%。
据 CNBC 报道，另一个重要因素是规模限制。Evercore ISI 分析师估计，到 2027 年第一季度，Microsoft 的 AI 芯片支出中仅有约 10% 用于 Maia，而 Nvidia 在当前季度的收入已达到 1080 亿美元。
规模仍是制约因素：按每机架 167 kW 计算，1 吉瓦的机架功率大约相当于 6,000 个 Maia 300 机架，或约 575,000 颗加速器——这尚未计入冷却设施和额外功耗。
此外，这并未阻止任何公司继续采购 Nvidia 产品。拥有“前三大”芯片业务的 Amazon 计划在 2028 年年中前接收超过 300 万个 Nvidia GPU。已开始销售自有 TPU 的 Alphabet 在 7 月将其 2026 年资本支出预期上调至 1950 亿至 2050 亿美元之间，并列出 Vera Rubin 与其自有 TPU 并行使用，Ashkenazi 表示公司“仍处于供应受限环境中”。
Microsoft 保留了 Nvidia 和 AMD 用于训练任务。Satya Nadella 在 2026 年初强调：“我们可以垂直集成，并不意味着我们只能垂直集成。”
针对 Nvidia 8 月电话会议中的定制芯片问题，黄仁勋的回答或许适用于 Maia：“虽然许多 XPU 是针对特定云或服务的推理专用芯片，但 NVIDIA 是一个平台。”Microsoft 的观点则略有不同：一个足够大的云本身就是一个平台。
更深层的问题在于，定制改变的是谁获取利润，而非总支出多少。Gartner 警告称，该行业在 2026 年至 2030 年间需要约 8.5 万亿美元的收入才能获得合理回报，而 AI 预计产生的收入不超过 3.6 万亿美元。Microsoft 并非通过减少建设来应对，而是通过降低单位成本来缩小收入差距。
部分节省的资金也将流入供应链的其他环节。Maia 300 基于 HBM4 标准，Nvidia 的 Rubin 同样使用 288GB 高带宽内存，其计算模块均源自台积电。Google 的 TPU 依据与 Broadcom 的长期协议开发和供应，Broadcom 首席执行官 Hock Tan 表示“许多 AI 投资者并不明白他们投资的是什么”，并预计芯片短缺将在 2028 年或 2029 年左右缓解。Nvidia 也未置身事外，已支付 200 亿美元授权 Groq 的 SRAM 解码技术。
在生产船期和 Microsoft 外部人员能够测量其性能之前，Maia 300 仍是一个论证充分的设计，其最关键的数据只有 Microsoft 可见。它提醒业界，Nvidia 最大的威胁可能不是竞争对手，而是其最好的客户。
