微软 Maia 300 在 2026 年 10 月 12 日由微软官方博客正式发布，这是 Azure Maia 自研加速器家族的第三代产品，定位很明确：推理优先。微软同时宣布，2027 年起把整个 Maia 家族扩到多吉瓦级部署，让它成为微软自家产品和服务的主要推理系统；Maia 300 的生产部署也从 2027 年开始。对普通用户来说，短期内买不到、也租不到这块芯片，但 Copilot、Teams 这类服务的响应速度和成本结构，接下来会越来越多地由它决定。
先看规格：为长上下文和多步智能体调的系统
Maia 300 不是一颗孤立的芯片，微软把它称作完整的智能系统，设计目标是长上下文推理、对延迟敏感的对话体验，以及持续运行的多步智能体任务。关键规格如下：
| 制程与结构 | 多芯片粒设计，计算芯片粒用台积电 N2P 工艺，计算、内存控制器与 I/O 分开 |
| 内存 | 8 组 HBM4，峰值带宽 18.0 TB/s，单芯片热设计功耗 950 瓦 |
| 整柜 | 96 颗加速器，功耗包络 167 千瓦，HBM 总容量 27.6 TB，聚合带宽 1.7 PB/s |
| 低精度 | 增强型 MXFP4 等低精度格式，压低 KV 缓存的内存与带宽占用 |
两个效率数字是微软的主推卖点：相比主流 GPU 系统，Maia 300 预期每兆瓦多产出 40% 的 token；满配 96 颗的整柜，token 吞吐最高可达上一代 Maia 200 整柜的 7 倍。这两个数字都是微软自己的口径，目前没有第三方实测，读的时候要留一分余地。
思路是少搬数据，而不是堆算力
微软给出的解释是，大规模推理的瓶颈越来越不在计算本身，而在数据搬运。Maia 300 用软件定义的数据流架构加 AI 辅助的内核优化，让数据尽量留在本地；片上 SRAM 被当作软件管理的暂存区，减轻 HBM 压力。网络也被并进同一套数据流：加速器之间用为张量并行优化的高速互连和定制 AI 传输协议，底层走以太网，从单柜扩到整个数据中心。这种芯片、系统、软件一起设计的做法，是它和通用 GPU 路线最根本的区别。
上一代已经在跑什么活
判断 Maia 300 的节奏，可以看 Maia 200 的现状：它已经在美国、欧洲和澳大利亚的生产环境里跑真实负载，包括 Microsoft Copilot，并支撑 MAI 团队开发下一代模型，GitHub Copilot 和 Microsoft Foundry 计划在今年年底前跟进；微软称它在 Teams、Copilot 等功能上每瓦产出的 token 最高达主流 GPU 基础设施的 1.7 倍，上面跑着 OpenAI 模型、微软自研 MAI 模型和主流开源模型。也就是说，Maia 300 接在一个已经上量产的体系后面，不是实验室预告。
接下来盯什么
2027 年的生产部署是第一个硬节点；在此之前，微软预告下个月的 Ignite 2026 大会会讲更多基础设施战略。对 Azure 客户和 Copilot 用户，实际影响要等 Maia 300 承接的服务范围公布后才能评估，价格、配额和区域可用性这次都没有提。行业的信号很清楚：超大云厂商把推理主力迁到自研芯片的决心又进了一步。
