在OCP开放计算全球峰会上，微软对外披露了第三代自研AI加速器Azure Maia 300相关规划，这款芯片计划于2027年正式投入生产部署。

在整机柜系统层面，标准机柜内部可以集成96颗Maia 300芯片，芯片数量是 Maia 200机柜的两倍，整机功耗上限167kW，机柜聚合HBM总容量27.6TB，聚合带宽1.7PB/s。依靠软件定义数据流与以太网基础上的定制AI传输协议，单扩展域可以聚合约12000颗加速器，适配超大推理集群需求。

微软给出的内部测试数据显示，对比主流通用GPU系统，Maia 300每兆瓦电力能够输出的Token数量提升 40%，标准单机柜Token吞吐能力最高达到Maia 200机柜的7倍，重点针对超长上下文、Agent多轮任务、低延迟对话场景做深度调优。按照部署规划，2027年起，Maia 200与Maia 300共同组成的算力集群，将达到多吉瓦级别部署体量，承接Copilot套件、Teams、OpenAI以及微软自研大模型绝大多数推理流量。

需要指出的是，Maia系列芯片现阶段定位为微软内部自用硬件，不会作为独立芯片产品对外销售。但微软并不会完全放弃外部硬件采购，第三方GPU仍将保留在算力体系中，主要服务模型训练以及部分特定客户负载。

Azure硬件团队负责人Rani Borkar表示，整套Maia体系追求的是系统层面的全栈优化，追求每瓦功耗、单位成本、内存容量综合收益。在 AI Agent 应用快速崛起的当下，推理场景对内存容量、带宽、持续吞吐提出更高要求，仅仅依靠通用 GPU 很难把综合成本压到理想区间，自研芯片 + 系统 + 网络协同的模式，是微软应对长期算力压力的关键路径。

微软此次官宣，代表超大型云厂商自研芯片已经跨过试点验证阶段，正式迈向大规模替代推理算力的关键节点。过去AI产业更多聚焦训练环节算力军备竞赛，而未来绝大多数算力消耗将来自持续不断的推理请求，单位Token成本将成为各大云服务商比拼的核心指标。谷歌TPU、亚马逊Trainium与微软Maia，共同代表云厂商试图在推理赛道建立差异化硬件壁垒。

不过自研芯片规模化落地依然存在现实挑战。即便硬件能效指标亮眼，软件适配、模型迁移、运维复杂度，依然会制约自研硬件实际产出。微软也并未对外公布2027年Maia系列芯片的具体出货颗数，只是给出吉瓦级这一功耗维度的规模目标，给未来业务变化留出调整空间。