電子發燒友網綜合報道 美東時間1月26日，微軟重磅發布第二代自研人工智能芯片Maia 200，這一舉措成為微軟減少對英偉達芯片依賴、高效驅動自身服務的關鍵一步，也標志著其在自研芯片領域取得重大進展。

Maia 200采用臺積電先進的3納米工藝制造，現已開始部署至愛荷華州的數據中心，后續還將進駐鳳凰城地區。微軟云與AI業務負責人Scott Guthrie在博客文章中宣稱，Maia 200是“微軟有史以來部署的最高效推理系統”，每美元性能相比微軟當前最新一代硬件提升30%。

從性能指標來看，Maia 200表現卓越。在FP4精度下，其性能是第三代亞馬遜Trainium芯片的三倍；FP8性能則超越谷歌第七代TPU。微軟已向開發者、學術界和前沿AI實驗室開放Maia 200軟件開發工具包的預覽版，并計劃未來向更多客戶開放該芯片的云服務租用。

Maia 200被設計為專門的推理加速器，重點優化AI生成內容（如回答用戶提問）這類持續計算任務，旨在降低運行ChatGPT、Copilot等服務的調用成本。它可服務于包括OpenAI最新GPT - 5.2模型在內的多種AI模型，為Microsoft Foundry和Microsoft 365 Copilot帶來成本優勢。

在可持續性方面，微軟執行副總裁斯科特·蓋茨在宣傳視頻中強調，Maia 200采用更高效的水冷設計方案，可實現“零浪費”，有效減少數據中心對當地環境與水資源的壓力。

回顧微軟自研AI芯片之路，距離發布第一代人工智能芯片Maia 100已過去兩年。2023年11月，微軟在Ignite大會上發布Maia 100，采用臺積電5納米工藝，運用CoWoS - S封裝技術，擁有1050億個晶體管，略少于AMD MI300（1530億）。它主要用途是AI訓練與推理，側重于大語言模型（LLM），內存配置為64GB HBM2E，帶寬約1.6TB/s - 1.8TB/s，采用液冷散熱方式，專為高密度數據中心設計。

Maia 100并非單純追求極致算力，而是為優化微軟Azure云服務的特定場景而生，用于運行Bing、GitHub Copilot以及OpenAI的模型。微軟采用垂直集成思路，從芯片、服務器主板到機架冷卻系統協同設計。其獨特的“MX”數據類型是一大亮點，微軟引入自定義的MX數據格式，支持亞8位（Sub - 8 - bit）計算，通過軟硬件協同設計，在保持模型精度的同時，顯著提升計算密度和能效，特別適合大語言模型的推理任務。

在設計上，Maia 100有取有舍。短板在于片外內存帶寬（HBM）約為1.6TB/s，略低于英偉達H100和谷歌TPU v5，因其基于LLM熱潮前設計；長板則是擁有強大的片上網絡（NoC）和集群互聯能力，每個芯片內置RDMA以太網接口，集群間互聯帶寬高達4.8 Tbps，可通過極快網絡彌補單點顯存不足，適合大規模分布式訓練。為方便開發者使用，Maia 100支持OpenAI Triton和標準的PyTorch框架，開發者無需重寫大量代碼就能將模型遷移到Maia硬件上。

微軟此次發布Maia 200，凸顯了科技巨頭爭奪AI算力自主權的激烈競爭。在英偉達芯片供應緊張且成本高昂的背景下，微軟、亞馬遜和谷歌均加快自研芯片進程，力求為云客戶提供成本更低、集成更順暢的替代方案。微軟已表示正在設計Maia 300后續產品，未來其在AI芯片領域的發展值得期待。