微软发布 Maia 300：N2P 芯粒设计，token 吞吐号称 7 倍

微软周一在华盛顿州雷德蒙德的一场活动上发布了 Maia 300，其第三代自研 AI 加速器 —— 这是该公司迄今为在英伟达 GPU 供应链之外构建推理基础设施所做的最激进的推动。该芯片基于台积电 N2P 工艺节点，并且在 Maia 系列中首次以多芯粒封装而不是单一整片裸片组装，代表了一次有分量的架构转变。微软称，按每个 96 芯片机架计，它的机架级 token 吞吐最高可达 Maia 200 的七倍，并且按每兆瓦 token 计，比目前部署在 Azure 中的领先 GPU 系统效率高约 40%。两个数字都是公司自报，未经独立复现。

从整片到芯粒：架构转变为什么重要

于 2026 年 1 月以台积电 3nm 工艺发布的Maia 200是一颗整片式系统级芯片，集成了超过 1400 亿晶体管、272 MB 片上 SRAM 和 216 GB 的 HBM3e、带宽每秒 7 TB —— 一种针对大语言模型推理的内存带宽需求优化的设计。

Maia 300 转向多裸片的芯粒设计，把较小的裸片拼接在先进封装基板上。每颗 Maia 300 芯片把计算芯粒与八个 HBM4 堆栈配对，提供 288 GB 容量和每秒 18 TB 的带宽。工程逻辑是：更小的裸片带来更好的制造良率，而芯粒拼接让每个封装的总算力得以超过单一整片裸片所能达到的 —— 和 AMD 在 Instinct MI300X 上用的是同一思路。代价是芯粒之间的通信延迟，但对瓶颈通常在内存带宽而非原始算术吞吐的推理负载来说，这个代价可以接受。每个 96 芯片机架功耗约 167 千瓦。

工艺节点的转变本身也很要紧。台积电的 N2P 是一个增强的 2nm 级节点，具备背面供电，把供电网络移到晶圆背面，为信号布线腾出正面金属层。相比 3nm 一代，N2P 在同等功耗下峰值频率约高 18%。台积电于 2026 年下半年进入 N2P 量产。

快七倍 —— 以及这个说法成立需要什么

「最高 7 倍」的吞吐数字是机架级指标 —— 它把整个 96 芯片部署在网络、内存和互连上的改进捆在一起，不是单颗芯片对单颗 Maia 200 的比较。40% 的每兆瓦 token 优势是对照「领先的 GPU 系统」测得的 —— 微软没有定义这个比较基线，它可能指运行在差异很大的功耗点上的英伟达 H100、H200 或 Blackwell 一代硬件。

两个说法都未必是错的 —— 这些架构变化与可观的代际提升是相符的。但这些是制造商在发布当天给出的数字；在 Maia 300 投产、Azure 客户发表自己的结果之前，不会有独立评估。半导体基准测试向来有在优化条件下呈现结果、与真实混合负载部署相去甚远的历史。

面对已以百万计的 Google 机群，微软的规模差距

微软目前正在与台积电谈判采购超过 30 万颗 Maia 300，目标 2027 年交付，并有超过 100 万颗的愿景目标。对一家超大规模云商的自研芯片项目来说，这些数字可观 —— 但竞争背景很严峻：Google 在 2026 年部署了超过 300 万颗 TPU，并瞄准到 2027 年底达到 500 万颗。

Google 的 TPU v7 Ironwood 已向云客户正式可用。后继的 TPU 8 瞄准与 Maia 300 相同的台积电 2nm 级工艺代，预计 2027 年末 —— 这意味着微软今天握有的任何工艺节点领先，都会在 Maia 300 达到有意义的部署量之前被蚕食。亚马逊的 Trainium3 于 2025 年末投产，Trainium4 正在开发。

延伸阅读：亚马逊拟 70 亿美元收购 Decart，撬动英伟达的软件护城河

微软点名 Anthropic 为 Maia 300 的目标客户之一。但Anthropic 已承诺采用超过 100 万颗 AWS Trainium2 芯片，作为另一笔交易的一部分；它还维持着活跃的 Google Cloud TPU 关系，并据报在组建内部芯片团队。「目标」一词在微软的公告里承担了相当的分量 —— Anthropic 没有确认任何 Maia 300 的采用，而把一家已有竞争性芯片承诺的 AI 实验室转化为 Azure 优先的推理客户，是一道实实在在的商业障碍。

硬件自身回答不了的软件栈问题

Maia 300 商业成功面临的不那么显眼的挑战是软件成熟度。英伟达的 CUDA 生态代表着 15 年以上积累的编译器优化、内核库开发和开发者采用。微软的Maia 软件开发套件—— 包括 PyTorch 集成和基于 Triton 的编译器 —— 随第三代硬件进入第三代，但软件成熟度的积累走的是与硅片迭代不同的时间线。

对 Azure 的内部负载 —— Copilot 功能、Azure OpenAI 服务 —— 微软掌控部署栈，可以直接针对 Maia 调优。对外部开发者，采用自研芯片意味着移植推理流水线、验证数值精度，并接受不如英伟达生态久经考验的调试基础设施。软件栈问题的答案会在独立开发者把生产负载部署到 Maia 300 上时给出，而不是在发布活动上。

2027 年的交付窗口实际能证明什么

台积电的先进封装产能到 2027 年都很紧张，苹果下一代移动和笔记本芯片、AMD 的 Instinct 系列以及多个超大规模云商项目同时在争。微软 30 万颗的谈判还不是敲定的订单，封装产能可能压缩交付计划。Maia 300 项目真正的考验不在雷德蒙德的发布会上，而在 Azure 客户给出独立基准、台积电确认生产条款，以及能在同等条件下与 Google 同步扩张的 TPU 机群做性能比较的时候。

如果这些说法成立、交付计划兑现，Maia 300 将是 Azure 把每 token 推理成本压到当前英伟达 GPU 租赁经济之下的一步可信进展 —— 对微软的 AI 云业务是一项有分量的结构性优势。那个结果与微软今天所处位置之间的差距 —— Google 运营着一支大十倍以上的机群 —— 才是周一公告里真正的故事。