微軟加速部署自研Maia 300晶片，降低對Nvidia依賴以優化AI成本

微軟加速部署自研Maia 300晶片，降低對Nvidia依賴以優化AI成本 微軟宣布將大幅增加自研Maia AI晶片的使用比例，以減少對Nvidia GPU的依賴。最新發布的Maia 300晶片預計於2027年開始生產，其每機架處理量與能效顯著優於現有GPU，旨在降低數據中心運營成本並提升利潤率。儘管微軟在模型訓練上仍與Nvidia及AMD合作，且其晶片目前僅供內部使用，但此舉標誌著AI基礎設施供應鏈正走向多元化。分析師預估，到2027年第一季，Maia晶片將佔微軟AI晶片支出的約10%。 微軟正式宣布將大幅增加自研AI晶片的使用比例，以減少對Nvidia圖形處理器（GPU）的長期依賴。這項策略轉變旨在強化微軟的AI技術堆疊，並透過自製硬體提升雲端服務的效率與利潤率。對於關注科技產業供應鏈與AI基礎設施成本的讀者而言，這標誌著大型科技巨頭在晶片自主權上的重要一步，也顯示AI算力市場正從單一供應商主導走向多元化競爭。 微軟的AI優勢長期建立在Azure雲端平台之上，該平台運行著包括Microsoft 365 Copilot、GitHub Copilot在內的多項AI服務，並開發自有模型。然而，在訓練與推論階段，微軟過去高度依賴Nvidia的GPU，這些晶片不僅填滿微軟現有的數據中心，也用於訓練OpenAI和Anthropic的模型。隨著AI需求持續爆發，市場對晶片選擇的需求日益迫切，包括Amazon、AMD、Cerebras、Google以及微軟在內的多家企業，其自研晶片已逐漸被模型開發者採用。 微軟於週一發布了第三代Maia AI加速器，即Maia 300。根據執行副總裁Scott Guthrie的部落格文章，微軟的目標是實現Maia系列晶片的「多吉瓦級」（multi-gigawatt）部署。雖然總經理Alistair Speirs拒絕提供具體時間表，並強調在快速變化的產業中保留部署彈性，但微軟預計Maia 300的生產將於2027年開始。在技術規格上，微軟計劃在每個數據中心機架中安裝96顆Maia 300晶片，是Maia 200的兩倍。新晶片每個機架可處理的AI token數量最多可提升七倍，且每兆瓦的token處理量比GPU高出40%。微軟技術專家Jim Kleewein表示，Maia 300將加速Microsoft 365 Copilot的部分功能，而Speirs指出，新的架構能更有效地利用電力，直接轉化為數據中心運營成本的降低。 回顧微軟自研晶片的歷程，公司於2023年推出首款AI晶片Maia 100，並於今年一月發布Maia 200。執行長Satya Nadella在七月曾向分析師表示，Maia 200的每美元性能比機隊中最新一代硬體高出30%，且已用於處理OpenAI的模型。微軟財務長Amy Hood在上月的Goldman Sachs會議上透露，使用自研晶片已幫助公司在過去十年中實現了利潤率的改善。Evercore ISI的分析師預計，到2027年第一季，Maia晶片將佔微軟AI晶片支出的約10%，並維持對微軟股票的買進建議。 儘管微軟加大自研力度，Nvidia仍將扮演關鍵角色。Nvidia執行長黃仁宇（Jensen Huang）上週在微軟宣布搭載Nvidia處理器的Surface筆記型電腦活動上發表演講。微軟總經理Speirs確認，在模型訓練方面，微軟仍與Nvidia和AMD保持合作。值得注意的是，與Google的TPU或Amazon的Inferentia和Trainium不同，微軟的加速器目前無法按小時出租給其他公司。Moor Insights and Strategy執行長Patrick Moorhead指出，目前尚無微軟以外的公司測試過這些晶片，這限制了其在外部市場的即時影響力。 【解讀】微軟此舉不僅是技術自主的表態，更是財務策略的調整。透過提高自研晶片比例，微軟試圖在AI基礎設施的資本支出中尋找更優的成本效益比，同時降低對單一供應商Nvidia的議價依賴。然而，由於微軟晶片目前僅供內部使用，缺乏外部生態系的驗證與規模效應，其長期競爭力仍需觀察。此外，Nvidia在訓練領域的領先地位及與微軟在PC市場（如N1X處理器）的合作，顯示雙方關係並非零和博弈，而是呈現「訓練依賴Nvidia，推論與特定工作負載轉向自研」的混合架構趨勢。 幾個還沒答案的關鍵問題： 1. Maia 300具體量產與全面部署的時間表為何？目前僅知生產於2027年開始，但缺乏具體季度或月份，需關注微軟後續財報或官方公告。 2. 微軟自研晶片在外部市場的開放性何時改變？目前僅供內部使用，是否會像Google或Amazon那樣開放租賃，需觀察微軟雲端策略的後續調整。 3. Maia 300在實際生產環境中對Nvidia GPU的替代比例具體為何？Evercore ISI預估2027年Q1佔比10%，但實際部署速度與性能表現需待第三方獨立測試數據驗證。