微软 Maia 300 正式发布：2nm 多芯粒 + 288GB HBM4，2027 年百万颗部署
自研芯片竞赛在 2026 年 10 月迎来关键节点：微软于 10 月 12 日在圣何塞 OCP 全球峰会上正式发布 Azure Maia 300，并宣布 2027 年起以「数吉瓦级」规模部署。这是微软首次把自研芯片定位为「主要推理系统」，而非补充。
核心规格：官方口径全记录
Maia 300 采用多芯粒（multi-chiplet）设计，这是 Maia 家族第一代拆分计算与 I/O 的产品：
| 项目 | 参数 |
|---|---|
| 计算芯粒制程 | 台积电 N2P（2nm 级） |
| 显存 | 8 组 HBM4，共 288 GB |
| 显存带宽 | 18 TB/s |
| FP4 算力 | 13.8 PFLOPS |
| FP8 算力 | 6.9 PFLOPS |
| SoC TDP | 950 W |
| scale-up 互联 | 单加速器双向 3.2 TB/s |
| 机架配置 | 96 颗加速器 / 约 167 kW |
| 部署时间 | 2027 年开始 |
需要注意口径：微软官方博客只给出了相对口径（系统算力 FLOPs 较 Maia 200 提升 36%、HBM 带宽 2.5 倍、容量 +33%），FP4 13.8 PFLOPS 与 FP8 6.9 PFLOPS 出自随发布公开的技术论文，并与官方相对口径自洽（Maia 200 的 10.1 PFLOPS FP4 乘以 1.36 约等于 13.8）。
机架架构：96 卡、三层延迟域、统一 fabric
Maia 300 的机架设计与 NVIDIA 的 NVL72 走了两条路：
- 96 颗加速器分布在 24 个四卡托盘，取消独立主机托盘，机架功率与热资源统一管理
- 机架内全部电连接组成一个 pod；第二层用光互联最多连 128 个机架，组成 12,288 颗加速器的 superpod
- 统一 fabric：pod 内与跨机架使用相同通信语义，不再区分 scale-up 与 scale-out 两个域
- 微软宣称 96 卡完整配置下，机架级 Token 吞吐最高可达 Maia 200 的 7 倍
在负载定位上，Maia 300 明确面向长上下文推理、延迟敏感对话与多步骤智能体任务——GitHub Copilot 与 Microsoft Foundry 将在今年年底前接入。
部署节奏与供应链
据路透社 10 月 13 日报道，微软计划2027 年部署超过 100 万颗 Maia 300。供应链口径显示，微软已在 2026 年 8 月与台积电锁定 30 万片以上代工产能，初期产量 30-40 万片、2027 年增至 120-150 万片（非微软官方数字）。
两个值得注意的背景：
- 规格升级曾导致延期。原计划 3nm 配 HBM3e，后升级为 2nm 配 HBM4，量产时点从 2026 Q1 推迟到 Q4，微软靠提高 Maia 200 产量弥补缺口。
- Evercore ISI 预计 2027 Q1 Maia 占微软 AI 芯片支出约 10%——自研芯片仍然是「降本增量」而非「替代采购」。
对采购方的意义
Maia 300 不对外销售，只服务微软自己的 AI 业务。它的信号意义大于直接采购意义：当全球第二大云厂商把主力推理负载迁到自研 ASIC 上，NVIDIA 在推理市场的定价权会持续承压。对企业采购方而言，更实际的影响是——推理型云实例（Azure ND 系列）的单位 Token 价格曲线，未来两年会因 Maia 上量而更有下探空间。