微软 Maia 300：2nm chiplet + 288GB HBM4，明年量产，纳德拉押上"最大赌注"

微软的自研芯片，走到第三代了。

10 月 12 日，微软发布 Maia 300——自家第三代 AI 加速器。路透社的报道里有两个关键数字：计划明年部署超过一百万片；纳德拉私下里管这叫"biggest bet yet"（最大赌注）。

技术规格（官方口径，多家科技媒体交叉报道）：

• 计算部分用台积电 2nm（N2P）工艺做成 chiplet，数据搬运等辅助功能用更便宜的 3nm——"好钢用在刀刃上"的思路。
• 8 颗 HBM4 显存，共 288GB，带宽 18TB/s；FP4 算力 13.8 PFLOPS；单芯片功耗 950W。
• 一个机架塞 96 颗芯片，整机架功耗 167kW。
• 微软官方说法：每兆瓦的有效算力比"领先的 GPU 系统"高 40%——注意，没点名对比的是谁，官方口径，听听就好；机架级 token 吞吐量是 Maia 200 的 7 倍——对比的是自家上一代，不是英伟达，别误读成"7 倍于英伟达"。

定位很明确：推理芯片。跑的是 Copilot、GitHub Copilot 和微软内部模型这类"训完之后天天被调用"的负载，2027 年开始量产上规模。

为什么这事值得看，我的判断：

1. 推理是持续成本。训练是一锤子买卖，推理是每一次 Copilot 补全、每一次 agent 行动都在烧钱。省一度电、省一分钱，乘以微软的用户规模都是天文数字。这就是大厂自研芯片的底层逻辑。
2. 格局已经很清楚了：Google 的 TPU（今年目标 300 万片、明年 500 万片）、AWS 的 Trainium、微软的 Maia，OpenAI 也有自己的 Jalapeno。大家的目标惊人一致——"去 NVIDIA 税"。
3. 微软自己也承认在追赶：Google 和亚马逊的自研芯片已经大规模部署好几年了，微软是后来者。Maia 300 能不能真的把 Copilot 的推理成本打下来，要看 2027 年量产后的实际表现。
4. 对普通开发者的影响：短期内你感知不到，但长期看，推理成本下降 = API 价格有下降空间 = agent 大规模跑起来更便宜。算力通缩，受益的是应用层。

可信度说明：发布时间、技术规格、量产计划为微软官方口径，经路透社等多家媒体交叉印证；40%、7 倍等性能数字为微软官方说法，尚未有第三方独立验证。