微软正加快自研人工智能（AI）芯片布局，目标是降低对外部高价处理器的依赖，并缓解云端算力成本压力。市场消息显示，微软预计推出第二代自研芯片 Maia 300，并已向晶圆代工厂台积电洽询超过 30 万颗制造产能，规划在 2027 年完成交付。
台湾微软总经理卞志祥日前表示，微软自研专用集成电路（ASIC）在设计、产能与应用推进上进展顺利，预计将于明年进入大规模量产阶段。当前由于企业内部算力需求仍然庞大，这批新芯片短期内将优先用于支持 Microsoft 365 与 Copilot 等自家服务，暂不对第三方开放租用。
微软计划明年启动大规模量产
据《经济日报》报道，卞志祥透露，相关 ASIC 芯片的研发与生产节奏稳定，微软预计明年展开大规模量产。这类定制芯片主要针对前端推理（Inference）等可预测性较高的计算场景进行优化，目的是提升能源效率和运算效率，以支撑微软旗下大规模生成式 AI 应用的运行需求。
Maia 300 产能由台积电承接，先服务内部业务
链新闻此前报道称，微软最快可能在今年下半年亮相 Maia 300。报道提到，微软已向台积电洽询超过 30 万颗的制造订单，预计在 2027 年前完成交付，长期内部目标则上看 100 万颗。
不过，考虑到微软自身算力供应仍处于供不应求状态，管理层已明确表示，新芯片产能将优先用于 Microsoft 365 与 Copilot 等内部工作负载，极短期内不会向外部企业开放租用。
降低算力成本是核心推动因素
微软推动自研芯片的核心原因之一，是压低对外部图形处理器（GPU）采购以及模型调用费用的依赖。根据微软内部简报，部署专用芯片可使相关 AI 运算成本降低约 30% 至 40%。
在企业关注 Token 消耗和成本波动的背景下，微软也在推进云端财务运营（FinOps，Financial Operations）理念，帮助企业更精确评估投资回报与算力支出。
与竞争对手相比，生态和规模仍待验证
尽管 Maia 300 在训练与推理性能上都进行了项目架构升级，但微软自研芯片的生态体系和规模化能力仍在接受市场检验。回顾上一代 Maia 200，其部署范围仅限于微软内部少数数据中心，外部客户为零。
与之相比，Google 明年预计生产多达 3 亿颗 TPU，且已对外开放算力租用服务。报道认为，微软在芯片规模化和商业化进程上，与竞争对手之间仍存在明显差距，自研芯片的实际效益仍有待时间验证。