微软Maia

十月十四日，据多家科技媒体报道，微软在周一发布的声明中披露：公司计划把自研 AI 芯片线 Maia 扩展到「多吉瓦级部署」，从 2027 年开始大规模上线，具体目标产能与完成时间表未给出精确数字。这是微软迄今为止对自研芯片最激进的一次表态——它不再只是做几颗测试芯片，而是要在自己的数据中心里跑出吉瓦级的自有算力。背后的动机不言自明：过去几年，微软每年给英伟达的 GPU 采购账单已经膨胀到难以忽视，自研芯片成了大客户必然的第二供给。 为什么大厂都要自研芯片？ 逻辑很简单：当你一年买几百亿美元的 GPU，你就有强烈的动机自己造。英伟达的 GPU 强在通用性和生态，但它为了覆盖所有客户，在微软自己的工作负载上其实是「过度设计」的——很多晶体管浪费在微软用不到的通用性上。Maia 这类自研芯片，专门为微软自己跑的大模型推理优化，能效比可以高出一大截，而且不被英伟达的产能排期卡脖子。亚马逊 Trainium、谷歌 TPU、微软 Maia，三家云巨头现在全在走同一条路：先用自研芯片跑自己最赚钱的那部分推理负载，把英伟达留给训练和最难的那部分。 多吉瓦部署到底是多大规模？ 一吉瓦约等于一个大型核电站的装机功率。微软说的「多吉瓦」，是指这些芯片在数据中心里消耗的总算力功率级别。参考行业数字，一个吉瓦的 AI 数据中心大约需要数十万张加速卡的等效算力。微软敢喊出这个目标，说明它不打算把自研芯片当实验玩具，而是要真刀真枪地撑住 Copilot、OpenAI 这一整套推理需求。但要泼冷水：自研芯片从流片到规模化部署，良率、软件栈、编译器、生态迁移全是坑，2027 年这个时间点本身就说明它自己也知道，这两年还得继续买英伟达。 英伟达会因此失去微软吗？ 短期不会，长期是个缓慢分流的过程。最可能的结果是：训练主力仍买英伟达，推理负载逐步切到 Maia；高端跑前沿模型用 Blackwell、Rubin，中端跑已经成熟的模型用自研芯片。这其实是英伟达已经接受的现实——它的估值里早就假设了大客户会自研。真正值得盯的不是微软砍不砍英伟达订单，而是 Maia 的能效比到底能比同代 GPU 强多少：如果差距拉到 2 倍以上，整个云行业的自研芯片节奏都会被带快。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。