微软正加大对 Azure Maia 芯片项目的投入，宣布将大规模部署 Maia 200 芯片，并计划在 2027 年投产时大幅扩展 Maia 300 芯片的规模。
微软云和人工智能执行副总裁 Scott Guthrie 表示，多代 Azure Maia 项目已成为微软 AI 基础设施战略的基础要素。Maia 200 于今年 1 月发布并进入量产阶段，目前已在生产环境中支持 Microsoft Copilot、OpenAI 模型以及微软自研的 Microsoft AI (MAI) 模型。Guthrie 指出，GitHub Copilot 和 Microsoft Foundry 也将在 2026 年底前迁移至该平台。
预计于 2027 年投产的 Maia 300 被定义为“完整的智能系统”，旨在支持长上下文推理、低延迟对话体验及持续的多步骤智能体任务等新兴 AI 工作负载。微软声称，Maia 300 在令牌使用效率上显著提升，每兆瓦产生的令牌数量比领先的基于 GPU 的系统高出 40%。在 96 加速器完整配置下，其机架级吞吐量将达到 Maia 200 的 7 倍。
Azure 硬件系统和基础设施总裁 Rani Borkar 表示，通过系统级优化，Maia 300 实现了每瓦特、每美元及每字节内存带来更高智能水平的目标。
科技巨头加速“去 Nvidia 化”
尽管 Guthrie 未明确提及，但转向 Maia 200 和 Maia 300 标志着微软正逐步将其部分 AI 系统从 Nvidia 生态中剥离。Maia 将成为微软产品和服务的主要推理系统，取代此前由 Nvidia H100、H200 及 Blackwell GPU 承担的角色。
微软并非唯一采取自研策略的科技巨头。Google 已使用其 Tensor Processing Units (TPU) 多年；Amazon 的 Tranium 和 Inferentia 芯片不仅供内部使用，还被 Anthropic 采用，OpenAI 也已签署协议同意使用 Tranium。
OpenAI 正与 Broadcom 联合开发名为 Jalapeño 的定制芯片。今年 8 月，OpenAI 表示，相较于领先的商业可用 AI 系统，Jalapeño 在吞吐量、功耗效率和延迟方面表现更优。测试显示，在 GPT-OSS、DeepSeek R1 和 Kimi K2.5 三个公开模型中，Jalapeño 提供了更好的每瓦性能与延迟组合。
此外，Meta 和 Anthropic 也在考虑构建定制芯片，但尚未发布进一步公告。
尽管如此，这并不意味着 Nvidia 地位的终结。微软全球基础设施总经理 Alistair Speirs 表示，公司在大语言模型训练方面仍与 Nvidia 和 AMD 保持合作。在 Surface Laptop Ultra 等终端用户硬件领域，各方也维持着密切关系。