微软发布AI芯片Maia 200，性能超越谷歌TPU和亚马逊Trainium

电子发烧友网综合报道 美东时间1月26日，微软重磅发布第二代自研人工智能芯片Maia 200，这一举措成为微软减少对英伟达芯片依赖、高效驱动自身服务的关键一步，也标志着其在自研芯片领域取得重大进展。

Maia 200采用台积电先进的3纳米工艺制造，现已开始部署至爱荷华州的数据中心，后续还将进驻凤凰城地区。微软云与AI业务负责人Scott Guthrie在博客文章中宣称，Maia 200是“微软有史以来部署的最高效推理系统”，每美元性能相比微软当前最新一代硬件提升30%。

从性能指标来看，Maia 200表现卓越。在FP4精度下，其性能是第三代亚马逊Trainium芯片的三倍；FP8性能则超越谷歌第七代TPU。微软已向开发者、学术界和前沿AI实验室开放Maia 200软件开发工具包的预览版，并计划未来向更多客户开放该芯片的云服务租用。

Maia 200被设计为专门的推理加速器，重点优化AI生成内容（如回答用户提问）这类持续计算任务，旨在降低运行ChatGPT、Copilot等服务的调用成本。它可服务于包括OpenAI最新GPT - 5.2模型在内的多种AI模型，为Microsoft Foundry和Microsoft 365 Copilot带来成本优势。

在可持续性方面，微软执行副总裁斯科特·盖茨在宣传视频中强调，Maia 200采用更高效的水冷设计方案，可实现“零浪费”，有效减少数据中心对当地环境与水资源的压力。

回顾微软自研AI芯片之路，距离发布第一代人工智能芯片Maia 100已过去两年。2023年11月，微软在Ignite大会上发布Maia 100，采用台积电5纳米工艺，运用CoWoS - S封装技术，拥有1050亿个晶体管，略少于AMD MI300（1530亿）。它主要用途是AI训练与推理，侧重于大语言模型（LLM），内存配置为64GB HBM2E，带宽约1.6TB/s - 1.8TB/s，采用液冷散热方式，专为高密度数据中心设计。

Maia 100并非单纯追求极致算力，而是为优化微软Azure云服务的特定场景而生，用于运行Bing、GitHub Copilot以及OpenAI的模型。微软采用垂直集成思路，从芯片、服务器主板到机架冷却系统协同设计。其独特的“MX”数据类型是一大亮点，微软引入自定义的MX数据格式，支持亚8位（Sub - 8 - bit）计算，通过软硬件协同设计，在保持模型精度的同时，显著提升计算密度和能效，特别适合大语言模型的推理任务。

在设计上，Maia 100有取有舍。短板在于片外内存带宽（HBM）约为1.6TB/s，略低于英伟达H100和谷歌TPU v5，因其基于LLM热潮前设计；长板则是拥有强大的片上网络（NoC）和集群互联能力，每个芯片内置RDMA以太网接口，集群间互联带宽高达4.8 Tbps，可通过极快网络弥补单点显存不足，适合大规模分布式训练。为方便开发者使用，Maia 100支持OpenAI Triton和标准的PyTorch框架，开发者无需重写大量代码就能将模型迁移到Maia硬件上。

微软此次发布Maia 200，凸显了科技巨头争夺AI算力自主权的激烈竞争。在英伟达芯片供应紧张且成本高昂的背景下，微软、亚马逊和谷歌均加快自研芯片进程，力求为云客户提供成本更低、集成更顺畅的替代方案。微软已表示正在设计Maia 300后续产品，未来其在AI芯片领域的发展值得期待。