微软Maia 300：超大规模厂商正在自研芯片

微软刚刚向英伟达发出催租通知——而且租金可能不够了。

周一在圣何塞举行的OCP全球峰会上，微软展示了Azure Maia 300——一款专为支持自家云服务和生产力产品而设计的定制AI推理芯片。纸面数据颇为亮眼：每兆瓦处理能力较领先的GPU系统高出40%，96芯片机架吞吐量可达微软现有Maia 200的七倍。

headline数据是能效。结构性影响则更为深远。

微软不再只是购买AI芯片。它在设计芯片，明年起将以吉瓦级规模部署，并宣布它将成为从Microsoft 365 Copilot到Azure上运行的OpenAI模型所有产品的核心推理引擎。这一举措在最赚钱的环节压缩了GPU供应链，并将收入从长期主导该领域的两家公司——英伟达和AMD——手中分流。

战争真正交锋的利润率地带

英伟达超过半数季度营收来自超大规模云服务商。亚马逊、谷歌、微软和Meta一直是其最大客户。多年来，这种合作模式十分清晰——英伟达设计芯片，云服务商大批采购，各方获利。

但这种模式正在松动。

Maia 200已在Microsoft 365 Copilot、微软自研AI模型及OpenAI系统的生产负载中运行，单位能耗的token产出量达到同类GPU方案的1.7倍。Maia 300进一步拉大了这一能效差距。而且不同于Maia 200，300的设计目标明确是以规模化替代第三方GPU，而非补充。

当一家超大规模云服务商将吉瓦级定制芯片投入推理业务时，整个行业的算术逻辑都改变了。英伟达仍可向顶级训练芯片市场供货。但推理才是体积所在的战场，也是GPU供应商利润率最为可预测的领域。

超大规模云服务商正在“虚拟建造”自己的晶圆厂

微软并非孤例。亚马逊多年持续出货Trainium与Inferentia芯片，并已开启对第三方的租赁业务。谷歌的TPU架构在其自有云内外均有运行。Meta正为其自身负载开发定制芯片。OpenAI与Anthropic也都在向自有芯片战略迈进。这绝非巧合，而是一场针对单一外部供应商依赖的协同撤退。

这一趋势的重要性在于，它直指英伟达定价权的源头。当你掌控自己的芯片，你就掌控了自己的成本曲线。你不再需要与独占市场的供应商谈判。而当你的竞争对手也在做同样的事时，定价优势便烟消云散。

亚马逊正在迈出更具颠覆性的一步：直接销售可让客户自行安装在自有数据中心的定制芯片，而非仅通过亚马逊基础设施运行。这对依赖云服务商采购周期来锁定GPU需求的模式发起了直接挑战。如果第三方能够购买微软或亚马逊的芯片并自行运营，英伟达失去的将不仅是硬件销售，还包括随之而来的锁定效应。

谁赢？谁输？谁先眨眼？

微软胜在成本可控与工作负载优化。Maia 300让微软能够依据自身产品路线图而非英伟达的发布周期来调优功耗效率、外形尺寸与吞吐量。当AI账单以数百兆瓦计量的时候，这种能力价值非凡。

英伟达损失的是利润率与选择权。即便超大规模云服务商继续采购部分英伟达芯片用于训练或混合负载，作为走量基石的推理业务板块正被持续蚕食。随着Maia部署规模的扩大，英伟达来自该渠道的收入可能在几个季度内而非几年内出现显著下滑。

AMD处于尴尬的中立位置。它与英伟达一样是第三方供应商，但缺乏使其成为默认选择的品牌与架构主导地位。当云服务商纷纷自研芯片，AMD的处境不会改善，只会更易被替代。

客户则受益于价格压力。无论小型初创企业还是大型企业，超大规模云服务商的能效提升最终将以滴漏方式降低AI算力的成本。

但英伟达尚未出局。消息源表明，客户仍希望拥有面向不同工作负载的多款芯片选择，而目前这些选择仍主要依赖英伟达。训练任务、研究负载与高性能推理依然青睐H100与Blackwell架构。Maia 300是一款推理芯片，无法替代所有数据中心中的每一块GPU。

但它传递的信号意义深远。而在如此规模下，意图与战略并无二致。

规格表背后的真实叙事

40%的能效提升是一个营销节点。吉瓦级部署时间表才是商业节点。二者共同标志着最大的云服务商已将定制芯片从边缘实验提升为核心基础设施。

微软的Maia 300并非英伟达的终点。它是英伟达不再作为唯一守门人的起点。

这一区分比任何单款芯片发布都更为重要。GPU供应链始终建立在“没有买家大到足以支撑独立研发”的假设之上。微软、亚马逊、谷歌与Meta已证明这一假设错误。接下来的问题不是它们是否会继续造芯片——而是它们会以多快的速度出租、出售或开源这些芯片，以及在此过程中英伟达的定价权会流失多少。