当地时间10月12日，微软发布第三代自研人工智能芯片 Maia 300，并宣布计划从2027年开始大规模部署，预计部署数量可能超过100万颗。消息公布后，微软股价上涨约1.2%，收于541.15美元，公司市值达到约4.02万亿美元，重新站上4万亿美元关口。\

Maia 300 主要面向 AI 推理任务，可用于代码生成、复杂业务处理及智能体运行等场景。芯片采用 Chiplet（小芯片）架构，核心计算部分采用台积电2纳米制程，其他部分采用3纳米制程。微软表示，与领先的 GPU 系统相比，Maia 300 每兆瓦可提供约40%更多的有效计算能力；在96颗加速器组成的机架配置下，其整体推理吞吐量最高可达上一代 Maia 200 的7倍。

微软自研芯片的核心目标是降低 AI 服务的运营成本，提高算力供应的自主性，并减少对英伟达 GPU 的依赖。随着 Azure 云服务、Copilot 及企业级 AI 应用的需求持续增长，自研芯片有望帮助微软优化数据中心的能耗与计算资源利用率。

不过，微软并未宣布全面放弃英伟达和 AMD 芯片。自研芯片能否实现预期收益，仍取决于量产进度、实际负载表现、供应链保障及软硬件生态成熟度。此次发布也反映出大型云计算企业正加速进入 AI 芯片竞争领域。

微软计划于2027年大规模部署自主研发的 AI 芯片，以提升人工智能模型的推理效率，目标是将相关效率指标提高约40%。此举旨在降低 AI 服务的运行成本，缓解对外部芯片供应商的依赖，并为不断增长的云端 AI 业务提供算力支持。

随着生成式 AI 和智能体应用快速发展，模型推理已成为云计算基础设施的重要成本来源。相比训练任务，推理需要长期、持续地处理用户请求，芯片的能效、内存带宽及系统调度能力都会影响整体运营成本。微软通过自研芯片优化软硬件协同，有望进一步提高 Azure 云平台的算力利用率。

微软近年来持续推进自研 AI 芯片布局，包括面向数据中心 AI 工作负载的 Maia 系列处理器。与此同时，公司仍将依赖外部供应商提供的 GPU 等硬件，构建多元化算力体系。

需要注意的是，推理效率提升40%属于相关计划的目标，实际效果还取决于芯片部署规模、模型类型、工作负载及评估口径。目前具体部署进度和性能数据仍需以微软正式披露的信息为准。