10 月 13 日，微软对外公布全新自研 AI 芯片 Azure Maia 300，这款新品的推出，是企业减少对英伟达、AMD 等外部芯片厂商算力依赖的重要一步。至此，Maia 系列已经形成完整产品梯队，Maia 100、Maia 200 与全新的 Maia 300 共同构成微软自研 AI 芯片产品阵容。
产品落地规划与机柜性能升级
按照微软公布的时间表，Maia 300 预计在 2027 年进入实际部署阶段。在正式上线这款新芯片之前，微软会从明年开始持续扩大 Maia 系列整体应用规模，目标达成数吉瓦级别的部署体量，让 Maia 系列芯片成为微软各类产品与服务当中，承载 AI 推理任务的主力硬件。
硬件部署方案上，Maia 300 单个机柜可以搭载 96 颗芯片，芯片数量是上一代 Maia 200 机柜的两倍。根据微软给出的测试数据，装配 96 颗 Maia 300 芯片的机柜，Token 最高吞吐量能够达到 Maia 200 机柜的 7 倍。在能源利用效率层面，Maia 300 在 AI 推理场景下，每兆瓦电力能够处理的 Token 数量，相比当前行业主流 GPU 系统提升 40%。
先进工艺加持硬件底层设计
Maia 300 在硬件架构上采用多芯粒设计思路。芯片核心计算单元选用台积电 2nm 先进制程制造，同时搭载 HBM4 高带宽内存，从制程工艺与高速存储两个维度提升 AI 推理场景下的运算效率。
在这一代新品之前，微软自研 Maia 芯片系列已经完成两代迭代。2023 年，微软发布 Maia 100，这也是其首款面向 AI 场景的自研芯片；今年 1 月，第二代产品 Maia 200 正式对外发布。
行业算力格局：云厂商纷纷布局自研芯片
长期以来，英伟达 GPU 是 AI 模型训练与推理任务的主流硬件，微软现有大量数据中心都部署了该类产品，OpenAI、Anthropic 等头部 AI 实验室训练模型，同样依托英伟达 GPU 算力。但随着全球 AI 算力需求持续走高，单一芯片方案的风险逐渐显现，越来越多科技企业开始搭建多元化硬件体系，亚马逊、AMD、Cerebras、谷歌等企业的芯片产品都进入市场参与竞争。
不止微软，全球多家大型云服务商以及 AI 企业都已经开启定制芯片研发工作。亚马逊、谷歌、Meta，还有 OpenAI、Anthropic 等机构，或是已经推出自研芯片，或是正在推进芯片研发项目。这类企业自研芯片的核心逻辑，一方面是降低对外购芯片厂商的依赖，另一方面能够结合自身 AI 业务场景做针对性硬件优化，更好匹配自身模型的运行需求。
市场机构预测与混合算力策略
投行 Evercore ISI 在面向客户发布的报告中做出预判，到 2027 年 Q1，Maia 系列芯片在微软整体 AI 芯片采购支出中的占比有望达到 10%。
需要注意的是，发力自研芯片，并不代表微软会全面停用英伟达、AMD 的硬件产品。Maia 系列芯片的定位聚焦 AI 推理场景，而在大模型训练这类高算力需求场景，微软仍然会维持和英伟达、AMD 的合作关系。
从市场需求角度来看，企业客户往往需要多种类型芯片，以此承载不同类型的计算任务。这也意味着，微软、亚马逊这类大型云厂商，依旧会持续采购市场上热门的高性能处理器。就现阶段行业现状而言，这类高性能处理器的主要供应方仍是英伟达。算力多元化不是非此即彼的替换，而是多类硬件协同，共同支撑持续增长的 AI 业务需求。
（素材来自：微软 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。