Microsoft宣布計畫自2027年起大規模部署自家設計的AI晶片「Azure Maia」，規模達數吉瓦。公司打算將其作為旗下產品主要的推論基礎設施，並由高層Scott Guthrie對外公布。Maia 200目前已在美國、歐洲和澳洲支援Microsoft Copilot運作，預計年內也將擴展至GitHub Copilot和Foundry。
選擇自行掌握AI運算的基礎設施
談到AI，話題往往聚焦於哪個模型更聰明。不過，使用者愈多，逐一生成答案所需的運算量也會隨之增加。這項稱為「推論」的處理，究竟由誰透過什麼設備、耗用多少電力來執行？這次公布的計畫，正是深入探討這層基礎。
Microsoft表示，將自2027年起以數吉瓦規模部署Maia，並將其打造為自家產品的主要推論系統。據報，執行長Satya Nadella將此形容為「迄今對自家晶片最大的一場豪賭」。這顯示Microsoft不只依賴外部採購的晶片，也打算將晶片從設計到營運全面納入自家的雲端策略。
值得關注的是，Maia將支援的模型範圍相當廣。據說除了OpenAI的模型，也會運行Microsoft自家的MAI系列，以及開源模型。與其說它是針對特定模型打造的專用晶片，不如說是要成為通用推論平台，承載Azure上各式各樣的AI。
目前進展：Maia 200已投入運作，支援Copilot
這項計畫並非只停留在規劃階段。Maia 200已在美國、歐洲和澳洲支援Microsoft Copilot運作。據稱，GitHub Copilot和Foundry也將在年內陸續採用。
Microsoft表示，在Teams的應用中，Maia每瓦可處理的Token數量最高可達主要GPU的1.7倍。Token是AI處理文字時類似最小單位的基本元素。每單位電力的處理量提高，就能以相同設備服務更多使用者，因此也會直接影響營運成本。不過，這項數據是Microsoft方面的說法；就目前公開資訊而言，尚無法確認比較對象及測試條件的詳細資訊。
Maia 300瞄準長篇輸入與AI代理
後繼產品Maia 300預計於2027年出貨。目標用途包括處理長篇輸入、快速對話，以及代理型任務。所謂代理，是指能依照使用者指示自主完成多個步驟的AI。這類用途會因單一請求需要多次呼叫模型，所需運算量往往高於傳統對話。
晶片規格也已公布。單顆晶片搭載8組HBM4記憶體堆疊，總容量為288GB、頻寬為每秒18TB，額定功耗為950瓦。HBM是用於AI的高速記憶體；處理大型模型或長篇上下文時，記憶體容量與速度會更加關鍵。
在效能方面，Microsoft聲稱，與前一代GPU系統相比，Maia每百萬瓦可處理的Token數量多出40%。此外，由96顆晶片組成的機架，據稱最多可生成Maia 200機架的7倍Token。相關細節已整理在技術報告中，預計也會在11月舉行的Ignite 2026上公布更多資訊。
每單位電力的處理量為何成為競爭關鍵
這次公布內容引人注目之處，在於衡量效能的標準不只看「速度」，也看「每單位電力能處理多少」。計畫規模以吉瓦這種電力單位來描述，本身便是個象徵。隨著資料中心擴張，電力供應正逐漸成為比晶片數量更大的限制因素。
如果電力效率相差數十個百分點，同一電力配額下可運行的AI服務量也會不同。自行設計晶片，就能依自家服務需求進行細部調整，也更容易擴大效率改善的幅度。這或許正是Microsoft加強自研路線的原因。
另一方面，從公開資訊尚無法判斷，數吉瓦指的是晶片本身的耗電量，還是整體設施的容量。實際部署規模，以及各項效能數據是在什麼條件下測得，可能要等到Ignite 2026或技術報告公布後才會明朗。影響AI價值的因素，將不再只有模型的聰明程度，還包括支撐模型運作的電力與半導體設計能力。Maia的發展正映照出這股趨勢。
コメント