微軟正式推出全新自研人工智能加速器——Azure Maia 200，這款新一代自研 AI 芯片隸屬于微軟 Maia GPU 系列，是一款專為 AI 模型推理打造的服務器芯片，具備超高推理速度與數(shù)據(jù)吞吐能力，性能超越云服務巨頭亞馬遜和谷歌的同類型定制芯片。

Maia 200 被微軟稱為旗下迄今部署的能效最優(yōu)的推理系統(tǒng)，其官方通稿中，一邊高調公布該芯片的亮眼性能數(shù)據(jù)，一邊著重強調微軟對環(huán)保理念的踐行。微軟宣稱，相較于初代產品 Maia 100，Maia 200 的每美元性能提升 30%；值得關注的是，這款新芯片的設計熱功耗（TDP）相較前代實則提升了 50%，能實現(xiàn)這一性能突破，實屬亮眼成就。

Maia 200 基于臺積電 3 納米制程工藝打造，集成1400 億顆晶體管。微軟方面表示，該芯片的 FP4 精度計算算力可達10 petaflops（千萬億次 / 秒），是亞馬遜競品Trainium3 的三倍。此外，Maia 200 片上搭載 216GB 第三代增強型高帶寬內存（HBM3e），內存帶寬達 7TB / 秒，同時配備 272MB 片上靜態(tài)隨機存取存儲器（SRAM）。

從硬件算力來看，Maia 200 相較于亞馬遜的自研競品優(yōu)勢顯著，與英偉達旗艦 GPU 的對比也引發(fā)了行業(yè)熱議。但顯然，二者無法直接對標：Maia 200 不向外部客戶直接銷售；英偉達 Blackwell B300 Ultra 針對更高算力需求的應用場景優(yōu)化，定位與這款微軟芯片不同；且英偉達的軟件生態(tài)體系，更是遠超當下所有同類產品。

不過在能效表現(xiàn)上，Maia 200 完勝 Blackwell B300 Ultra—— 在公眾對 AI 技術的環(huán)境影響質疑聲日益高漲的當下，這一優(yōu)勢成為微軟的重要亮點。Maia 200 的設計熱功耗僅為 Blackwell B300 Ultra 的近一半（分別為 750 瓦和 1400 瓦）；參考初代 Maia 100 的實際運行表現(xiàn)，Maia 200 的實際運行功耗或低于理論設計熱功耗：Maia 100 的設計功耗為 700 瓦，而微軟稱其實際運行時被限制在 500 瓦。

Maia 200 針對 FP4 和 FP8 精度計算做了專項優(yōu)化，核心服務于對 FP4 精度算力需求較高的 AI 模型推理客戶，而非復雜的高精度計算場景。微軟為該芯片投入的大量研發(fā)預算，主要用于優(yōu)化其 272MB 高效 SRAM 構成的存儲層級架構：該架構被劃分為多層級集群級 SRAM（CSRAM）和瓦片級 SRAM（TSRAM），既能提升芯片運行效率，也能實現(xiàn)工作負載在所有高帶寬內存（HBM）和靜態(tài)隨機存取存儲器（SRAM）裸片上的智能、均勻分配。

目前難以精準衡量 Maia 200 相較前代 Maia 100 的具體提升幅度，原因在于微軟公布的兩款芯片官方參數(shù)表中，幾乎無重疊的對比指標和統(tǒng)一的測算標準?，F(xiàn)階段可確定的是，Maia 200 的運行發(fā)熱量高于 Maia 100，且每美元性能指標確有 30% 的提升。

Maia 200 已率先在微軟美國中部區(qū)域的 Azure 數(shù)據(jù)中心完成部署，微軟同時宣布，后續(xù)將在亞利桑那州菲尼克斯市的美國西部 3 區(qū)數(shù)據(jù)中心落地該芯片，隨著芯片產能的提升，還將在更多數(shù)據(jù)中心部署。該芯片也將成為微軟異構計算部署體系的重要組成部分，與其他不同類型的 AI 加速器協(xié)同運行。

Maia 200 的研發(fā)代號為 Braga，其研發(fā)與發(fā)布進程的大幅延期曾引發(fā)行業(yè)關注。這款芯片原定 2025 年完成發(fā)布與部署，甚至有望先于英偉達 Blackwell B300 Ultra 面市，最終卻未能如期實現(xiàn)。據(jù)去年 10 月的相關報道，微軟下一代硬件產品的制程工藝或將采用英特爾代工的 18A 工藝，不過目前其具體發(fā)布計劃尚未確定。

微軟圍繞 Maia 200 打出 “能效優(yōu)先” 的宣傳牌，延續(xù)了其近期的發(fā)展基調：強調企業(yè)對數(shù)據(jù)中心周邊社區(qū)發(fā)展的關注，竭力緩解市場對 AI 熱潮的反對聲浪。微軟首席執(zhí)行官薩提亞?納德拉近期在世界經濟論壇上表示，若企業(yè)無法讓公眾看到人工智能發(fā)展和數(shù)據(jù)中心建設帶來的實際益處，就可能失去社會認可，甚至引發(fā)令人擔憂的 AI 泡沫。

EETOP創(chuàng)芯大講堂芯片課程推薦