---
id: "mb-20261013-839e9b"
kind: "deep"
title: "微软自研芯片铺向吉瓦级：为什么AI推理必须换掉通用显卡"
topic: "微软自研芯片铺向吉瓦级：为什么AI推理必须换掉通用显卡"
source_type: "generated"
status: "published"
generated_at: "2026-10-13 09:15:36"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 微软自研芯片铺向吉瓦级：为什么AI推理必须换掉通用显卡

微软要把自研芯片铺到吉瓦级，自家AI推理全换它来跑。

纳德拉刚发了公告。
从明年开始，微软要把自家的 Maia 芯片部署规模扩大到几吉瓦。
以后的 Teams、Copilot 这些自家的产品和服务，主力推理系统全部交给它。

几吉瓦是什么规模？
一吉瓦就是一百万千瓦。
一座大型核电机组的发电功率，差不多也就一百万千瓦上下。
几吉瓦的算力集群，相当于几座核电机组发出来的电，全用来给这批芯片供能。

有人会好奇：
前两年微软还在大批采购英伟达显卡，怎么现在急着给自家推理全面换血？

看背后的账本就明白了。

跑大模型主要就两件事。
一个是训练，一个是推理。
训练就像打地基，虽然花钱很猛，但几个月半年就完工了，咬咬牙买最贵的卡也能扛过去。
推理却完全不同。
全世界每天有几亿人在 Teams 里面开会转文字、在 Copilot 里写总结，每分每秒都在调用后台。
只要服务开门迎客，电表就在疯狂打表。

在这个量级上，显卡的初始买价已经不是最致命的成本了。
机房的电费和散热，才是每天都在吞钱的黑洞。

微软给出的实测数据很说明问题。
已经在欧美和澳大利亚铺开的 Maia 200，每瓦电能吐出的 token 数量，达到了通用 GPU 的 1.7 倍。
刚公布的 Maia 300，能效还要比顶配 GPU 方案再高出 40%。

这就是专用芯片的优势。
通用显卡要兼顾科学计算、图形渲染和各种复杂的算法，核心里堆满了冗余模块。
而微软自己的推理芯片目标单一：
专门跑自家大模型的推理运算。
不需要的指令全去掉，缓存和数据通路全照着大模型的吞吐特征来做。

在机房里，省电从来不只是少交电费。
每一度电的能耗降下来，机房有限的配电容量里，就能多塞进几十万颗算力核心。
英伟达的最新硬件微软还会继续买，那是用来训练下一代前沿模型的。
但在自家每天跑的日常业务里，用最省电的自研芯片把推理成本打下来，这套商业飞轮才真正转得起。

_Rendered by mubei-terminal._