微软于10月12日正式发布新一代自研人工智能芯片Maia 300。该芯片配备288GB HBM4内存，内存带宽达到18TB/s，FP4算力最高可达13.8 PFLOPS，基于台积电N2P制程工艺打造，计划于2027年进入部署阶段。
从架构来看，Maia 300采用多芯粒设计，主要计算部分使用台积电N2P 2纳米制程，并集成独立的内存芯粒与I/O芯粒。这一设计思路与当前高性能AI加速芯片的主流方向一致，即通过将计算、内存和互连功能拆分到不同芯粒，分别采用最适合的制程节点，以在性能、功耗和成本之间取得平衡。
算力方面，Maia 300的FP4算力最高可达13.8 PFLOPS，FP8算力为6.9 PFLOPS。作为对比，微软此前发布的Maia 200功耗额定值为750W，而Maia 300的SoC功耗额定值提升至950W，增幅约26.7％。功耗的上升与算力、内存规格的同步提升相匹配，也反映出当前AI加速芯片在绝对性能上的持续攀升趋势。
内存子系统是Maia 300此次升级的重点。该芯片配备8组HBM4内存，总容量可达288GB，带宽为18TB/s。微软方面表示，这一配置更适合对内存容量和带宽要求较高的AI推理任务。在当前大模型推理场景中，键值缓存（KV Cache）的规模随上下文长度和并发请求数增长而迅速膨胀，内存容量和带宽往往成为制约推理吞吐量和响应速度的关键瓶颈。Maia 300将单芯片内存提升至288GB，意味着单卡可承载更大规模的模型权重或更长的上下文窗口，有助于降低多卡并行带来的通信开销。
互连能力上，Maia 300的双向扩展互连带宽达到3.2TB/s，采用基于以太网的双层网络架构。单个机架可容纳96颗Maia 300，最多可组建包含12000颗加速器的集群。这一规模表明，微软在设计Maia 300时不仅考虑了单卡推理性能，也针对大规模集群训练和推理场景进行了网络层面的规划。采用基于以太网的互连方案，而非专有互连协议，在生态兼容性和部署灵活性上具有一定优势，也有助于微软在自有数据中心内实现更统一的网络基础设施管理。
微软自研AI芯片的推进节奏值得关注。Maia系列是微软为降低对第三方AI加速器依赖、优化自有云基础设施成本结构而布局的关键产品线。从Maia 200到Maia 300，微软在制程节点、内存规格、互连带宽和集群规模上都进行了明显升级。台积电N2P制程的采用，意味着Maia 300将进入2纳米级工艺节点，在晶体管密度和能效方面具备理论优势。不过，从发布时间到2027年部署之间仍有较长周期，届时AI芯片市场的竞争格局、制程工艺的成熟度以及HBM4的供应情况都可能发生变化。
对云计算和AI基础设施行业而言，微软Maia 300的发布进一步印证了大型云厂商自研芯片的趋势。谷歌TPU、亚马逊Trainium和Inferentia、微软Maia等产品线的持续迭代，正在改变AI算力供给的格局。自研芯片使云厂商能够针对自身业务负载进行定制优化，同时在供应链层面获得更大的议价能力和可控性。随着推理需求在AI总算力中的占比不断提升，面向推理场景优化的芯片产品将成为云厂商竞争的重要抓手。
Maia 300计划于2027年部署，届时其在微软Azure数据中心中的实际表现、与现有AI加速器的协同方式，以及是否向外部客户开放，将是观察微软AI基础设施战略落地效果的重要指标。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
