微软公布计划称，将从2027年起以数吉瓦规模部署自研AI芯片“Azure Maia”，并将其作为旗下各类产品的主要推理基础设施。该计划由高管Scott Guthrie对外宣布。目前，Maia 200已在美国、欧洲和澳大利亚为Microsoft Copilot提供支持，微软还计划在年内将其应用扩展至GitHub Copilot和Foundry。
选择将AI运行基础设施掌握在自己手中
谈到AI，人们往往会关注哪个模型更聪明。但随着用户增多，为逐一生成回答所需的计算量也会随之增加。如何运行这种被称为“推理”的处理、使用谁的设备，以及需要多少电力？此次发布正是深入触及了这一基础环节。
微软表示，将从2027年起以数吉瓦规模部署Maia，并将其作为自家产品的主要推理系统。据报道，首席执行官Satya Nadella将此称为“迄今为止对自研芯片最大的一次押注”。这表明，微软不只依赖外部采购的芯片，还打算将芯片从设计到运行都纳入自身的云战略。
值得关注的是，Maia支持的模型范围相当广。据介绍，除了OpenAI的模型，它还将运行微软自己的MAI系列模型，以及开源模型。与其说它是针对某个特定模型打造的专用设备，不如说它旨在成为通用推理基础设施，为Azure上使用的各种AI提供支持。
现阶段是Maia 200，Copilot已在其上运行
这并非只有计划走在前面。Maia 200已在美国、欧洲和澳大利亚为Microsoft Copilot提供支持。据称，GitHub Copilot和Foundry也将在年内陆续接入。
微软表示，在Teams中，Maia每瓦可处理的token数量最高可达主流GPU的1.7倍。Token是AI处理文本时类似最小单位的基本单元。每单位电力的处理量提高后，同样的设备就能服务更多用户，因此也会直接影响运营成本。不过，这一数据来自微软方面的说法；根据目前公开的信息，尚无法确认其比较对象和测量条件的具体细节。
Maia 300瞄准长输入和AI智能体
后续产品Maia 300预计将于2027年出货。其目标用途包括处理长输入、快速对话以及智能体任务。智能体是指能够接收用户指令并自主完成多个步骤的AI。由于它可能会针对一次请求多次调用模型，因此这类应用的计算需求往往高于传统对话。
芯片规格也已公布。每颗芯片配备8组HBM4内存堆栈，总容量为288GB，带宽为每秒18TB，额定功耗为950瓦。HBM是一种用于AI的高速内存；处理规模较大的模型或较长的上下文时，其容量和速度尤为重要。
在性能方面，微软声称，与上一代GPU系统相比，Maia每兆瓦可处理的token数量多出40%。此外，微软表示，由96颗芯片组成的机架，生成的token数量最高可达Maia 200机架的7倍。相关细节已汇总在技术报告中，微软还计划在11月举行的Ignite 2026上公布更多信息。
每单位电力的处理量为何成为竞争指标
此次发布引人注目之处在于，衡量性能的标准不再只有“速度”，还包括“每单位电力能处理多少任务”。计划规模以吉瓦这一电力单位来描述，本身就很能说明问题。随着数据中心不断扩张，电力供应正逐渐成为比芯片数量更大的制约因素。
电力效率相差几十个百分点，就会改变同一电力额度下能够运行的AI服务规模。如果能够自行设计芯片，就可以针对自家服务进行精细调整，也更容易扩大效率提升的空间。这或许正是微软加强自研路线的原因之一。
另一方面，公开信息并未说明“数吉瓦”指的是芯片本身的功耗，还是整个设施的容量。实际部署规模，以及各项性能数据是在什么条件下测得，可能要等到Ignite 2026或技术报告中才能揭晓。未来，影响AI价值的因素将不仅是模型的智能程度，还包括支撑它的电力和半导体设计能力。Maia的发展正体现了这一趋势。
コメント