Microsoft 公布計畫，將自研 AI 晶片「Azure Maia」自 2027 年起以多吉瓦規模部署。公司打算讓它成為旗下產品主要的推論基礎設施，並由高層 Scott Guthrie 對外公布。Maia 200 已在美國、歐洲和澳洲支援 Microsoft Copilot 運作，預計年內也會擴展至 GitHub Copilot 和 Foundry。
選擇掌握自家 AI 的運算基礎
談到 AI，大家往往聚焦於哪個模型比較聰明。不過，使用者愈多，逐一產生回答所需的運算量也會隨之增加。這種稱為「推論」的處理，究竟要由誰、透過什麼設備，以及耗用多少電力來執行？這次公布的計畫，正是深入探討這個基礎層面。
Microsoft 表示，將自 2027 年起以多吉瓦規模部署 Maia，並將其打造為自家產品的主要推論系統。據報導，執行長 Satya Nadella 將此形容為「迄今對自家晶片最大的一次押注」。這顯示 Microsoft 不只依賴外部採購的晶片，也打算將自家晶片從設計到營運，全面納入雲端策略。
值得關注的是 Maia 支援的模型種類。Microsoft 表示，除了 OpenAI 的模型，Maia 也能執行 Microsoft 自家的 MAI 系列，以及開源模型。與其說它是為特定模型量身打造的專用設備，不如說 Microsoft 希望將它建成通用的推論基礎設施，支援 Azure 上使用的各種 AI。
目前進展：Maia 200 已投入運作，Copilot 也已在其上運行
這項計畫並非只有遠期規劃。Maia 200 已在美國、歐洲和澳洲支援 Microsoft Copilot 運作。據稱，GitHub Copilot 和 Foundry 也將在年內陸續支援。
Microsoft 表示，在 Teams 的應用中，Maia 每瓦可處理的 token 數量最高可達主要 GPU 的 1.7 倍。Token 是 AI 處理文字時類似最小單位的詞元。每單位電力能處理的資料量若提高，同一套設備就能服務更多使用者，因此也會直接影響營運成本。不過，這項數據是 Microsoft 提供的說法；在目前公開的資訊中，尚無法確認比較對象與測量條件的詳細內容。
Maia 300 瞄準長輸入內容與 AI 代理
後繼產品 Maia 300 預計於 2027 年出貨。目標用途包括處理長輸入內容、快速對話，以及代理型任務。所謂代理，是指 AI 接受使用者指示後，能自主完成多個步驟。由於單次請求可能需要多次呼叫模型，這類用途的運算需求通常比一般對話更大。
Microsoft 也公布了晶片規格。單顆晶片搭載 8 組 HBM4 記憶體堆疊，總容量為 288GB、頻寬為每秒 18TB，額定功耗為 950 瓦。HBM 是用於 AI 的高速記憶體；模型愈大、處理的上下文愈長，這類記憶體的容量與速度就愈重要。
在效能方面，Microsoft 宣稱，相較於先前的 GPU 系統，Maia 每兆瓦可處理的 token 數量多出 40%。此外，由 96 顆晶片組成的機架，據稱最多可生成 Maia 200 機架 7 倍的 token。詳細內容已整理在技術報告中，Microsoft 預計也會在 11 月舉行的 Ignite 2026 公布更多資訊。
每單位電力的處理量為何成為競爭關鍵
這次公布的內容中，引人注目的是效能的衡量標準不只看「速度」，還看「每單位電力能處理多少資料」。計畫規模以吉瓦這種電力單位來描述，本身就說明了這一點。隨著資料中心擴建，電力供應正逐漸成為比晶片數量更嚴峻的限制。
電力效率若相差數十個百分點，同一電力配額下可運行的 AI 服務量也會不同。若能自行設計晶片，就可以針對自家服務進行細部調整，也更容易進一步提升效率。這或許正是 Microsoft 加強自研布局的原因。
另一方面，從公開資訊無法判斷「多吉瓦」指的是晶片本身的耗電量，還是整體設施的容量。實際部署規模，以及各項效能數據是在什麼條件下測得，或許要等 Ignite 2026 或技術報告公布後才會明朗。Maia 的發展反映出一種趨勢：左右 AI 價值的，不只是模型的智慧程度，還包括支撐 AI 的電力與半導體設計能力。
コメント