微软将 Azure Maia 扩展到吉瓦级部署：Maia 300 每兆瓦 token 产出高出 40%

导语：微软宣布从 2027 年起把 Azure Maia 家族扩展到吉瓦级部署，使 Maia 成为微软产品与服务的主要推理系统。

摘要

微软宣布从 2027 年起把 Azure Maia 家族扩展到吉瓦级部署，使 Maia 成为微软产品与服务的主要推理系统。第三代自研芯片 Maia 300 面向长上下文推理、时延敏感的对话体验和持续多步智能体任务，官方称每兆瓦 token 产出比主流 GPU 系统高 40%，96 加速器整机柜 token 吞吐最高为 Maia 200 的 7 倍。芯片规格为 8 组 HBM4、峰值带宽 18.0 TB/s、TDP 950 瓦，计算芯粒采用台积电 N2P 制程。上一代 Maia 200 已投产，官方称其在 Teams、Copilot、Cowork 的内置 AI 能力上每瓦 token 产出最高为主流 GPU 基础设施的 1.7 倍。

正文（译文）

Azure Maia 200 已投入生产；Azure Maia 300 将于 2027 年到来

随着我们进入超级智能时代，微软的基础设施也进入了一个新阶段。我们将从 2027 年开始，把 Azure Maia 家族扩展到吉瓦级部署，使 Maia 成为微软产品与服务的主要推理系统。

跨代的 Azure Maia 计划已经成为微软 AI 基础设施战略的一块基石。Maia 200 目前正在承载微软的生产负载，包括 Microsoft Copilot，并支撑 MAI 团队研发下一代模型，GitHub Copilot 与 Microsoft Foundry 将在年底前跟进。在这些负载中，Maia 200 运行着 OpenAI 模型、微软自研的 MAI 模型以及主流开源模型家族。来自微软 AI 服务规模的洞察，让硬件系统与软件应用之间能够进行独特的协同设计，从而针对企业应用与行业场景优化真实用例。

Maia 300 是一套完整的智能系统，面向当下正在出现的新型 AI 负载：长上下文推理、时延敏感的对话体验，以及持续的多步智能体任务。通过提升系统整体效率，我们预计 Maia 300 的每兆瓦 token 产出比主流 GPU 系统高出 40%。在完整的 96 加速器配置下，它的整机柜 token 吞吐最高可达 Maia 200 的 7 倍。

Maia 200：承载微软大规模运行的负载

Azure Maia 系统围绕微软大规模运行的真实负载、以及我们预计未来几年要构建的模型来设计。由于芯片开发要以年为单位，我们的软件与硬件团队很早就开始协作，预判架构、规模与能力，并把这些要求转化为更大的内存容量、更高的带宽，以及让更多加速器像单一系统一样协同工作。

这种协同工程已经在产生可度量的效率收益。Maia 200 正在美国、欧洲和澳大利亚部署，在 Microsoft Teams、Copilot 和 Cowork 的内置 AI 能力上，每瓦 token 产出最高为主流 GPU 基础设施的 1.7 倍。

在 Maia 200 上运行我们的 AI 模型与服务的经验，直接影响了 Maia 300 的设计。两代产品合在一起，将支撑微软更广泛的一组 AI 服务：帮助 GitHub 更高效交付编码体验的多步智能体工作；帮助 Microsoft Foundry 支持多种架构与部署环境的云规模模型服务；面向 MAI 团队的推理与数据生成；以及帮助 Dragon Copilot 扩展工作流程、减轻临床医生行政负担的时延敏感交互。

Maia 300：让每一兆瓦产出更多可用的 AI

AI 正在成为每一个应用、每一条工作流和每一个业务流程的基础层。随着企业从聊天体验走向能够推理、行动与协作的智能体系统，AI 基础设施必须安全且高效地规模化交付智能，并随着模型和负载的演进而持续适配。

作为 Azure Maia 计划的第三代，Maia 300 采用面向推理的架构，针对长上下文、内存密集和解码密集型的 AI 负载做了优化。这需要在云规模上平衡算力、内存带宽、网络与能效。

Maia 300 系统的关键能力包括：

更少的数据搬运，更多的有效算力：在大型推理系统中，瓶颈正日益变成数据搬运的效率，而非原始算力。Maia 300 的软件定义数据流架构与 AI 辅助的算子优化协同工作，最大化局部性、减少数据搬运，并提升算力、内存与网络资源的利用率。通过把数据流当作一等设计原则，Maia 300 相较传统 GPU 架构获得了显著的每瓦性能优势。

每一瓦内更高的内存带宽：随着 AI 负载越来越受上下文和内存制约，Maia 300 提供业界领先的每瓦 HBM 带宽。8 组 HBM4 在 950 瓦 TDP 内提供 18.0 TB/s 的峰值内存带宽，使大模型与长上下文负载得以高效执行。专用算子支持把片上 SRAM 当作软件管理的暂存区使用，降低对 HBM 的压力。

芯粒架构提升效率：新的多芯粒架构把计算、内存控制器与 I/O 功能分离，改善效率、可扩展性与成本结构。计算芯粒采用台积电 N2P 制程节点，以最大化每瓦性能。

更长的上下文，更丰富的智能：通过面向包括增强版 MXFP4 在内的先进低精度格式做设计，Maia 300 降低了计算与 KV 缓存存储对内存和带宽的需求。结果是在同样的功耗包络内获得更长的上下文窗口、更高的吞吐和更好的模型效率。

数据中心规模的纵向扩展网络：Maia 300 把网络当作软件定义数据流架构的无缝延伸。数据流操作不是穿过独立的通信层搬运数据，而是跨计算、内存与网络资源作为一个整体运行。Maia 加速器之间的高带宽互连针对张量并行做了优化，同时定制的 AI 传输层在加速器与机柜之间提供高性能、可靠的纵向扩展通信。这套面向 AI 优化的传输层基于以太网网络基础设施，使统一拓扑能够从单个机柜高效扩展到数据中心规模。

每个机柜更高的 AI 吞吐：Maia 300 机柜系统在 167 千瓦功耗包络内集成 96 个加速器，在高速纵向扩展域内提供 27.6 TB 的 HBM 容量与 1.7 PB/s 的聚合 HBM 带宽。这样的密度让微软能从每个机柜服务更多并发 AI 交互和更大规模负载，改善数据中心容量与扩展 AI 服务的经济性。

Maia 300 将于 2027 年开始生产部署。更多 Maia 300 架构细节，请参阅我们的技术论文。

Azure Maia 是我们 Frontier Transformation 的核心

未来不会由单一模型、单一芯片或单一创新所定义。模型与芯片的选择，内在于我们对 Frontier Transformation 的愿景之中。我们专注于开发负责任、买得起、可扩展的平台，帮助每个人放大自己的智能，去推动对自己真正重要的突破性成果。

微软的独特之处在于，我们能够在一个开放、异构、模型多样的平台上，从芯片到系统再到智能体做端到端优化，让客户的 AI 转型在今天和未来几年都有所倚靠。这套平台是 Frontier Transformation 的核心，而 Azure Maia 是我们扩大接入、加速创新、帮助客户从 AI 中获取更多价值这一路径的基础组件。

下个月在旧金山及线上举行的 Microsoft Ignite 2026 上，我们期待分享更多关于我们的战略、技术采纳趋势以及在 Frontier Transformation 上的成果。

更多细节、图片与视频，请访问我们的 Maia 300 站点。

Scott Guthrie 负责一组超大规模云计算解决方案与服务，包括 Azure（微软的云计算平台）、生成式 AI 解决方案、数据平台以及信息与网络安全。这些平台与服务帮助全球各类组织解决紧迫挑战，并面向未来完成转型。