明年起，微软将以吉瓦级规模部署新一代自研AI芯片Maia 300，主要用于AI推理任务。同时除了微软之外，其他超大规模云计算企业，包括亚马逊、谷歌和Meta，以及OpenAI和Anthropic等也已经推出或正在开发自己的定制芯片。为什么这些竞争关系错综复杂的公司，会不约而同地走向同一条路？答案或许在于它们共同面对的算力困境。而传统的芯片设计巨头如英伟达、AMD，需要重新审视这些昔日的客户正变成潜在的竞争对手。

定档2027年

“今天我们宣布迄今为止在自研芯片上最大的一笔押注。”当地时间10月12日，微软董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）在社交媒体上公布了微软自研芯片的最新计划。微软表示Azure Maia 200现已投入生产，并且发布最新芯片Azure Maia 300。同时，微软公布新的部署计划：从2027年开始将把Azure Maia系列扩展至数吉瓦级规模部署，使Maia成为微软产品和服务的主要推理系统。

从微软公布的进度看，Maia 200目前已投入使用，服务于包括Microsoft Copilot在内的微软生产工作负载，并为MAI团队开发下一代模型提供支持，GitHub Copilot和Microsoft Foundry也将于年底前投入使用。在这些工作负载中，Maia 200运行着OpenAI模型、微软自研的MAI模型以及领先的开源模型系列。

Maia 300则专为当今涌现的新型AI工作负载而设计，包括长上下文推理、延迟敏感的对话体验以及持续的多步骤智能体任务。微软预计，相比领先的基于GPU的系统，Maia 300每兆瓦可多输出40%的Token（词元）。

受这一消息影响，微软股价当天上涨1.14%至541.15美元，市值重回4万亿美元。

近年来，微软加快了自研芯片的进程。2023年11月，微软发布了Maia 100，该芯片采用台积电5纳米工艺，旨在为OpenAI模型、Bing、GitHub Copilot和ChatGPT等人工智能工作负载运行基于云的训练和推理。

两年后，微软在今年1月宣布推出第二代人工智能芯片Maia 200。当时微软表示Maia 200是公司迄今为止部署的最高效推理系统，其每美元性能比微软当时部署的最新一代硬件提升了30%。

在去年11月的一次访谈中，萨提亚·纳德拉提及了自研芯片的逻辑。他表示，微软计划在自己的MAI模型和芯片之间建立一个闭环，赋予公司自主研发芯片的权利，即根据自己的需求设计微架构，然后不断更新自己的模型。如今距离微软发布Maia 200不到9个月，微软再次发布了Maia 300。

天使投资人、人工智能专家郭涛对此表示，随着AI推理需求持续增长，云厂商正通过自研芯片提高能效、控制成本。若Maia 300达到预期表现，微软有望降低对英伟达GPU的依赖，并改善AI服务的运营经济性。

集体突围

除了微软，为降低对于英伟达的依赖，亚马逊、谷歌、OpenAI等巨头都在加速自研芯片。相比之下，亚马逊和谷歌比微软更早启动自研芯片项目。通过针对自有数据中心的需求定制芯片，微软有望更高效地运行推理任务，并减少采购英伟达GPU所带来的部分成本。

其中OpenAI的动作最为激进。其CEO山姆·阿尔特曼被曝正在全球范围内，为一项代号“Tigris”的芯片项目筹集巨额资金，目标是建设能支撑超级智能的专属芯片制造网络。与此同时，OpenAI已与博通等芯片设计巨头合作，开发定制化的AI推理芯片，并频繁与台积电接触。

不过，不同于谷歌的张量处理单元（TPU）以及亚马逊的Inferentia和Trainium芯片，微软的AI加速器并没有按小时出租给其他公司使用。咨询公司Moor Insights & Strategy的CEO Patrick Moorhead指出，还没有微软以外的企业测试过这些芯片。

此外，Meta近日宣布第三代自研芯片MTIA 450（代号Arke）将于明年上半年开始在数据中心投入使用。第四代产品MTIA 500（代号Astrid）的设计工作将完成，预计2027年底进入数据中心，部署规模将更为广泛。Meta工程副总裁Yee Jiun Song表示，与英伟达目前出货的产品相比，自研芯片在运行AI模型时效率更高，“正是因为我们自己承担了大量工程工作”。

另据外媒披露，Anthropic已与三星电子展开深度谈判，核心议题是开发一款专为其大模型设计的AI推理芯片。这并非一次简单的商业采购，而是一场涵盖架构定义、制造工艺与高带宽内存集成的全面技术合作。消息一出，业界震动，因为这意味着大模型公司对算力的焦虑，已从软件层面的“提示词优化”“模型蒸馏”，延伸到了物理层面的晶体管电路设计。

深层博弈

大模型公司集体造芯，也正引发芯片制造环节的权力重构。当最纯粹的模型公司也开始亲自下场定义芯片，AI产业的垂直整合已然不可逆转。

比如，Meta与博通合作进行芯片设计，与台积电合作负责制造，整体方向是降低对英伟达行业主导地位的依赖。而Anthropic与三星的牵手，是大模型竞争从参数规模、多模态能力向算力主权延伸的里程碑。

不过在郭涛看来，客户自研芯片并不意味着英伟达业务必然流失。“设计一款能与英伟达在软件生态上匹敌的芯片，投入动辄数亿美元，周期长达两到三年，且充满失败风险。其CEO黄仁勋不久前公开表示，即便竞争对手的芯片免费，也未必比英伟达的综合成本更低。”

数据显示，英伟达第二季度营收翻倍至960亿美元，显示整体AI算力需求足以容纳多方玩家。目前，微软等竞争对手主要聚焦高利润的推理领域，而英伟达在训练领域仍占据绝对主导。

此外，供应链制约依然存在。郭涛指出，开发自有芯片的公司仍依赖英伟达所倚重的有限制造产能、先进封装技术和高带宽内存。这意味着，即便减少了对英伟达产品的依赖，也无法完全消除供应链的限制。

北京商报记者 赵天舒