微軟蓄勢待發：Maia 300 AI 晶片今秋亮相，劍指降低對 Nvidia 的依賴

微軟正準備於 2026 年今秋——最快可能就在九月——公開發表次世代 Maia 300 AI 推論加速晶片，這是該公司持續推動降低對 Nvidia GPU 數十億美元依賴至今最積極的一步。根據《The Information》於 2026 年 8 月 10 日的報導，微軟已與台積電展開積極談判，尋求超過 30 萬顆 Maia 300 晶片的製造產能，目標於 2027 年交付。

這則消息顯示，微軟的自研晶片計畫——一度被外界視為進展緩慢的邊緣專案——如今正以嚴肅的工業級氣勢加速推進。

從緩慢起步到戰略核心

微軟的自研晶片之路並非一路順風。早在 2025 年中，業界分析師便指出該公司的自研 AI 晶片路線圖「較預期嚴重延遲」，量產時間不斷後推，外界也質疑微軟能否真正與 GPU 巨頭們抗衡。Maia 300 的前身——Maia 200——原本規劃更早部署，但多次延遲最終將量產推遲至 2026 年。

但局勢已經出現決定性的轉變。2026 年 1 月 26 日，當微軟正式發表 Maia 200 時，該公司將其定位為「所有超大規模雲端業者中效能最強的第一方自研矽晶片」。Maia 200 採用台積電 3 奈米製程，內含超過 1,400 億個電晶體，搭載 216 GB HBM3e 記憶體，提供 7 TB/s 頻寬以及 272 MB 晶片內 SRAM。微軟宣稱其在 FP4 精度下可提供超過 10 petaFLOPS 的運算能力，在 FP8 精度下超過 5 petaFLOPS，性價比較當時最新的既有 Azure 硬體高出 30%。

這次發表將 Maia 計畫從一場投機性的賭注，重新定位為微軟基礎設施戰略的核心支柱。如今，Maia 300 顯然要在更大的規模上延續這一基礎。

30 萬顆的雄心

討論中的產能數字本身就令人震驚。向台積電爭取超過 30 萬顆 Maia 300 晶片的製造產能，將代表雲端服務商有史以來最大規模的自研晶片量產承諾之一。作為對比，微軟目前部署的 Maia 200 數量雖然可觀，卻僅是其中一小部分。30 萬顆的數字意味著，微軟預見的未來是：其 AI 推論工作負載——也就是驅動 Copilot、Azure OpenAI 服務以及微軟自家 MAI 模型系列運作的模型推論——將有相當大的比例運行在自家設計並控制的晶片上。

微軟執行長薩蒂亞·納德拉（Satya Nadella）已將降低對 Nvidia 的依賴列為明確的戰略優先事項。納德拉近期在談及自研晶片的經濟效益時透露，將微軟自家的 MAI 模型運行於 Maia 自研晶片上，可帶來高達 40% 的每瓦效能提升。這項效率提升直接轉化為更低的營運成本——隨著推論（而非訓練）逐漸成為 AI 基礎設施支出的主導因素，這已成為日益關鍵的考量。微軟技術長（CTO）的態度更為激進，據報表達了希望最終將公司大多數的 AMD 與 Nvidia GPU 替換為自研加速器的意圖，而這一轉型的成敗將取決於次世代 Maia 硬件的表現。

台積電依賴的弔詭

然而，微軟追求自主的過程中存在一個明顯的弔詭。雖然該公司決心降低在晶片設計上對 Nvidia 的依賴，但這些晶片的實際製造仍深深依賴台積電。台積電的 3 奈米製程正是 Maia 200 所使用的同一個尖端節點，而要確保數十萬顆先進晶片的產能，需要提前數年鎖定晶圓廠的產能——這使得微軟直接與蘋果、Nvidia、AMD 等其他台積電客戶爭奪晶圓代工廠有限的產出。

這種動態意味著，微軟其實是用一種供應商依賴換取另一種。它獲得了對晶片架構、規格和定價彈性的控制權，但並未實現真正的垂直整合。這項策略只有在台積電能夠順利交付、且晶圓廠的產能能夠跟上所有主要 AI 玩家同時爆發的需求時才會奏效。

為何推論而非訓練才是主戰場

微軟的 Maia 晶片首先且最重要的是被設計為推論加速器——而非訓練加速器。這是一個深思熟慮的戰略選擇，反映了 AI 運算經濟學的發展方向。訓練前沿模型需要在數週或數月內集中進行大量的運算爆發，在這類工作負載上，Nvidia 的 Hopper 和 Rubin 架構及其高頻寬互連技術仍然占據主導地位。但推論——即從已訓練模型持續生成回應的過程——是一種全天候、高流量的運作，每分每秒都在處理數百萬筆使用者查詢。

隨著 GPT-5.6 和微軟自家的 MAI 系列模型擴展至每日處理數十億次互動，推論成本已成為 AI 基礎設施預算中最大的單一項目。一款能在推論規模上帶來即使只是些微效率提升的晶片，每年就能節省數億美元。如果 Maia 300 能在 Maia 200 已經相當出色的效率表現上進一步突破，將可能實質性地重塑微軟未來數年的成本結構。

值得關注的焦點

預計於今秋舉行的 Maia 300 發表會將受到密切關注，幾個關鍵細節尤其值得留意：晶片採用的製程節點（微軟是堅持 3 奈米還是跳躍至台積電更新的 2 奈米級別）、記憶體配置、相較於 Nvidia 最新產品的效能基準測試，以及——最關鍵的——實際部署的時程。考量到微軟過往的延遲紀錄，2026 年 9 月發表的晶片可能要到 2027 年下半年才能達到有意義的量產規模。

更廣泛的影響不僅限於微軟。如果 Maia 300 兌現其承諾，它將強化一個清晰的產業趨勢：主要超大規模雲端業者——微軟、擁有 TPU 產品線的 Google、推出 Trainium 的 Amazon，以及擁有自研加速器的 Meta——都在競相打造自訂晶片，以擺脫 Nvidia 的定價權。Nvidia 仍然在訓練領域占主導地位並保有巨大影響力，但推論戰場卻是門戶大開，而微軟現在是投入最深的競爭者之一。

對 AI 產業而言，微軟的 Maia 300 代表的不僅僅是又一款晶片。它押注的是：AI 基礎設施的未來，將不再取決於誰能買到最多的 GPU，而是誰能為真正創造營收的工作負載設計出最高效的矽晶片。如果 30 萬顆的量產目標成真，這場賭注即將變得無比真實。