微軟發表自研 AI 晶片 Maia 300：台積電 2 奈米、2027 年部署上看百萬顆

微軟 10 月 12 日發表第三代自研 AI 推論晶片 Maia 300，採用台積電 2 奈米小晶片設計，宣稱每兆瓦 token 產出比主流 GPU 系統高 40%，2027 年起大規模部署、目標百萬顆。

微軟在 10 月 12 日發表第三代自研 AI 晶片 Azure Maia 300，並宣布從 2027 年起將 Maia 系列擴大到「數十億瓦（multi-gigawatt）」等級的部署規模，使其成為微軟自家產品與服務的主要推論系統。執行長 Satya Nadella 稱這是「我們在自研晶片上最大的一次押注」。路透報導指出，微軟 2027 年可能部署超過 100 萬顆 Maia 晶片。

台積電 2 奈米小晶片＋HBM4：為推論而生

Maia 300 採用多小晶片（chiplet）封裝：運算小晶片使用台積電 2 奈米級 N2P 製程，記憶體控制器與 I/O 功能則放在較便宜的 3 奈米小晶片上——把最先進製程集中在真正需要算力的地方，是這次設計的核心思路。

記憶體規格大幅升級：8 層 HBM4 堆疊提供 288GB 容量與每秒 18TB 的峰值頻寬，單晶片功耗 950W。整機櫃塞進 96 顆加速器，總功耗約 167kW、記憶體頻寬合計達 1.7PB/s。微軟宣稱，相較於主流 GPU 系統，Maia 300 每兆瓦可多產出 40% 的 token，機櫃級 token 吞吐量則是前代 Maia 200 的 7 倍。不過微軟並未指名比較的 GPU 基準，實際表現仍待第三方驗證。

雲端巨頭的「去輝達化」競賽

Maia 300 的登場，正值一波自研晶片浪潮：前代 Maia 200 已在美、歐、澳的資料中心上線，實際承載 Microsoft 365 Copilot 的工作負載，GitHub Copilot 與 Microsoft Foundry 預計年底前跟進。OpenAI 等 AI 公司也在開發自家晶片，目標一致——鬆動輝達在 AI 運算市場的主導地位。

值得注意的是，Maia 300 是「推論專用」加速器，而非訓練晶片。在大語言模型推論中，瓶頸往往不是算力，而是把模型權重與 KV 快取快速讀進來的記憶體頻寬；對長上下文與多步驟 AI 代理這類工作負載，記憶體容量與頻寬才是決勝點——這正是 Maia 300 把賭注押在 HBM4 上的原因。

台灣供應鏈再成關鍵角色

從台積電 2 奈米代工到 HBM 記憶體，Maia 300 的供應鏈再次凸顯台灣在 AI 硬體版圖的位置。對台灣讀者而言，這波雲端巨頭自研晶片潮意味著：先進製程與先進封裝的訂單能見度，至少延續到 2027 年的數十億瓦級資料中心建設。

資料來源

• Microsoft 官方部落格（Scott Guthrie，2026-10-12）
• Reuters／The Hindu BusinessLine：Microsoft unveils Maia 300 AI chip, targets over 1 million deployments
• CellCog：Microsoft Maia 300: Specs, the 40% Claim, vs Maia 200