微软 CEO 纳德拉刚刚宣布，微软自研的第二代 AI 芯片 Maia 200，现已正式在 Azure 上线。
这款基于台积电 3nm 工艺打造的芯片，拥有 1400 亿晶体管，每美元性能比微软现有系统提升了整整 30%。
过去微软要向英伟达支付昂贵的 AI 推理成本，但现在，微软决定自己造芯片了。
纳德拉推特官宣 Maia 200 上线
一、 不给黄仁勋打工了
过去的两年里，全球 AI 行业似乎只为一家公司转动，英伟达（Nvidia）。从 H100 到 Blackwell，每一块显卡都被视为硬通货，被马斯克称为“算力黄金”。
但对于微软来说，这是一种甜蜜的痛苦。
黄仁勋与标志性皮夹克
作为 OpenAI 最大的金主和 Azure 的掌舵者，微软每个季度都在向英伟达支付数百亿美元。据财报显示，微软 2026 财年第一财季的资本支出达到了创纪录的 349 亿美元，其中约一半都用来购买 GPU 和 CPU。
这对于资本巨头也是一笔天文数字，更要命的是，随着 ChatGPT 和 Copilot 的用户数突破 9 亿，AI 的成本还在发生质的变化。
在 AI 发展的早期，成本主要集中在训练，这是一次性投入，虽贵但可控。但现在，成本的大头变成了推理，即模型每天回答 9 亿用户的提问。
这是一个无底洞。每生成一个 Token，每回答一个问题，都在烧钱。
如果继续全盘依赖英伟达，微软实际上是在给黄仁勋打工。为了打破这个死循环，微软必须拥有自己的印钞机。
Maia 200 就是这台机器。
微软 CEO 纳德拉在访谈中直言不讳：“我们的计划是在自己的 AI 模型和芯片之间建立一个闭环。”
潜台词是：我不想被任何人卡脖子，无论是产能，还是价格。
二、 1400 亿晶体管的暴力美学
那么，Maia 200 到底强在哪里？
Maia 200 官方宣传演示
如果说英伟达的 GPU 是全能王，既能训练也能推理，什么都能干，但价格昂贵；那么 Maia 200 就是微软培养的特种兵，它专注于高效的推理。
1. 参数
- 工艺制程： 采用台积电 3nm 工艺。这是目前量产芯片的巅峰，塞进了 1400 亿 个晶体管。作为对比，英伟达的上一代 H100 只有 800 亿晶体管。
- 内存猛兽： 配备 216GB 的 HBM3e（高带宽内存），带宽高达 7TB/s。这意味着什么？这意味着 Maia 200 可以把巨大的 GPT-4 或 GPT-5 模型一口气塞进进显存里，而不需要频繁地在硬盘和内存之间搬运数据。
- 极致算力： 其 FP4 性能是亚马逊最新一代 Trainium 3 的 3 倍。
Maia 200 液冷机架细节
2. 私房菜
英伟达的 GPU 是卖给全世界用的，它必须照顾到各种场景，就像外卖，一直点一家，永远一个味儿。
而 Maia 200 是微软为 OpenAI 量身定制的私房菜。微软拥有 OpenAI 的源代码，它比任何人都清楚 GPT 模型需要什么样的算力。
这就和 PS5 一样，也许显卡不如顶配电脑，但各个游戏厂商会做定制优化，用户体验并不差。
对于微软的财务报表来说，这只是为了把 Copilot 每次对话的成本从 1 美分降到 0.7 美分。乘以 9 亿用户，这就是数十亿美元的利润。
Maia 200 服务器单板渲染图
三、 围攻光明顶
Maia 200 的上线，标志着云厂商对英伟达的围剿进入了新阶段。
不仅仅是微软，谷歌早就有了 TPU，并且已经迭代到了第六代（Trillium），支撑着自家的 Gemini 模型；亚马逊 AWS 也在疯狂推销自家的 Trainium 和 Inferentia 芯片，试图用低价吸引客户。
大家都在做同一件事：训练用英伟达（没得选），推理用自研（省钱，能闭环）。
微软 Azure AI 数据中心实景
这就是目前 AI 芯片市场的格局：
- 英伟达依然是王。 在通用性、软件生态（CUDA）和巅峰性能上，它拥有绝对的实力。对于大多数公司和科研机构来说，英伟达是唯一的选择。
- 但微软们正在挖墙脚。 它们通过混合部署策略，把那些确定性强、规模巨大的内部负载（如 ChatGPT、Office 365 Copilot）转移到自研芯片上。
微软超级智能团队负责人苏莱曼已经表态，他的团队将利用 Maia 200 进行合成数据生成和强化学习。这说明 Maia 200 已经是主力军。
四、 结尾
AI 竞争的下半场，成本控制成了生死线。
如果 Copilot 的订阅费是 20 美元，而背后的算力成本是 15 美元，那就是个苦力活；如果有了 Maia 200，成本降到了 10 美元，就成了印钞机。
能够把推理成本打下来，或许更能让纳德拉睡得安稳。因为在商界，省下来的每一分钱，都是利润。
现在还只是开始，而 Maia 200，就是微软射向英伟达的第一颗子弹。
