微软公布计划，将从2027年起以数吉瓦规模部署自研AI芯片“Azure Maia”。公司计划将其作为旗下产品的主要推理基础设施，相关消息由高管Scott Guthrie公布。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扩展至GitHub Copilot和Foundry。
选择将运行AI的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。不过，用户越多，为逐一生成回答所需的计算量也越大。所谓“推理”处理由谁、通过什么设备、消耗多少电力来完成？此次发布触及的正是这一基础层面。
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“迄今为止对自有硅片最大的一次押注”。这表明微软不打算只依赖外部采购的芯片，而是要将芯片从设计到运营全面纳入自身的云战略。
值得关注的是Maia能够处理的模型范围。微软称，Maia不仅能运行OpenAI的模型，还能运行微软自己的MAI系列以及开源模型。与其说它是专为某种特定模型设计的设备，不如说它旨在成为通用推理基础设施，以承载Azure上使用的各种AI。
当前进展：Maia 200已投入使用，Copilot已在其上运行
这项计划并非只有规划。Maia 200已在美国、欧洲和澳大利亚为Microsoft Copilot提供支持。预计GitHub Copilot和Foundry也将在年内陆续接入。
微软称，在Teams中，Maia每瓦处理的令牌数最高可达主流GPU的1.7倍。令牌可以理解为AI处理文本时的最小单位。单位电力的处理量越高，同样的设备就能服务更多用户，因此这也直接关系到运营成本。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计划于2027年出货。其目标应用包括处理长输入、快速对话以及智能体任务。智能体是指接收用户指令后能够自主完成多个步骤的AI。由于一次请求可能需要多次调用模型，这类应用的计算需求往往高于传统对话。
微软还公布了芯片规格：单颗芯片搭载8叠HBM4内存，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；处理大型模型或较长上下文时，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每兆瓦的令牌处理量高出40%。此外，由96颗芯片组成的机架所生成的令牌数，最高可达Maia 200机架的7倍。相关细节已整理在技术报告中，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
此次发布引人注目的一点是，性能的衡量标准不再只是“速度”，还包括“单位电力能处理多少内容”。微软以吉瓦这一电力单位来描述计划规模，本身就颇具象征意义。随着数据中心扩张，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，同一电力额度下能够运行的AI服务规模也会随之不同。如果能够自主设计芯片，就可以针对自家服务进行精细调整，也更容易进一步提升效率。这或许正是微软加大自研力度的原因。
另一方面，从公开信息中无法判断“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的，可能要等到Ignite 2026或技术报告中才会揭晓。决定AI价值的因素将不只是模型的智能程度，还包括为其提供支撑的电力和半导体设计能力。Maia的进展正体现了这一趋势。
コメント