微軟自研AI晶片Maia 300亮相　2027年部署上看百萬顆，台積電2奈米與3奈米製程助攻

微軟Microsoft(MSFT-US)週一發表第三代自研AI晶片Maia 300，計劃於2027年大規模部署，數量可能超過100萬顆，主要用於支援旗下AI服務與雲端運算業務。隨著AI基礎設施投資持續攀升，微軟正透過自研晶片提高運算效率、降低成本，同時減少對輝達NVIDIA(NVDA-US)的依賴。

Maia 300主要針對AI推論工作負載設計，包括程式編寫及複雜企業任務。微軟前一代Maia晶片已用於執行內部AI模型，以及透過Azure雲端平台提供的OpenAI模型服務，新一代產品則將進一步擴大部署規模。

與Google母公司Alphabet(GOOGL-US)的TPU需求相比，Google目前仍具有明顯的規模優勢。根據研究機構預估，Google TPU在2027年的出貨量最高可達900萬顆，約為微軟Maia 300百萬顆部署規模的9倍，主要原因在於Google TPU不僅用於自家AI模型訓練與推論，也逐步擴展至企業客戶直接採購TPU系統，帶動整體需求成長。

值得注意的是，Maia 300採用與輝達不同的晶片設計。輝達AI加速器主要以大型運算晶片搭配高頻寬記憶體(HBM)，微軟則採用小晶片(Chiplet)架構，將不同功能拆分製造。其中，核心運算晶片採用台積電(2330-TW)2奈米製程，資料傳輸等功能則採用成本較低的3奈米製程，藉此兼顧運算效能與製造成本。

在系統規格方面，Maia 300每座機櫃配置96顆晶片，功耗約167kW；相較之下，輝達GB300 AI伺服器機櫃配置72顆GPU，功耗約142kW。雖然Maia 300機櫃整體耗電較高，但微軟宣稱，以每MW電力可完成的有效運算量衡量，Maia 300比市場領先的GPU系統高出約40%，不過公司並未透露具體比較對象。

微軟Azure硬體系統與基礎設施總裁Rani Borkar表示，公司希望透過整合晶片、記憶體及整體系統設計，讓每瓦電力與每美元投資都能產生更多AI運算效益。

依照規劃，微軟將於2027年開始以數GW規模部署Maia 300。公司今年日曆年資本支出預計超過1,750億美元，隨著AI基礎設施投資持續擴大，自研晶片能否降低單位運算成本，也將成為微軟後續部署策略的重要考量。