微軟 Maia 300 自研 AI 晶片明年量產，關鍵運算 Chiplet 採台積電 N2P 製程

微軟 12 日在 Azure 相關活動中發表新一代自研人工智慧晶片 Maia 300，並宣布將於 2027 年開始量產部署。微軟將此計畫定位為公司在自研晶片路線上的重要一步，並以「邁入超級智慧（Super Intelligence）時代」形容其基礎設施進入全新階段。新晶片的關鍵運算 Chiplet 將採用台積電 N2P 製程生產，代表微軟直接押注目前最先進的 2 奈米家族節點。

回顧背景，雲端巨頭自研 AI 晶片已成為產業常態。Google 有 TPU、Amazon 有 Trainium 與 Inferentia，微軟則在 2023 年首度推出 Maia 100，試圖降低對外部 GPU 供應商的依賴。過去兩年 AI 算力需求暴增，GPU 價格與交期居高不下，促使雲端業者加快自研步伐，以掌握成本與供貨節奏。Maia 300 的推出，正是這條路線的延伸，也是微軟對外宣示擴大自研晶片規模的訊號。

從技術面看，採用 Chiplet 架構意味著微軟可把運算核心與 I/O、記憶體介面拆分設計，讓最昂貴的先進製程只用在最關鍵的運算單元上，其餘部分則可用較成熟的節點製造，兼顧效能與成本。N2P 是台積電 2 奈米家族中強化效能的版本，業界分析人士指出，能拿到此節點產能的客戶屈指可數，顯示微軟在先進製程的優先順位已大幅提升。

市場反應相當直接。消息公布後，輝達股價一度受到衝擊，投資人擔憂大型雲端客戶逐步以自研晶片取代部分 GPU 採購。不過，業界普遍認為自研晶片短期內仍以特定推論與內部工作負載為主，輝達在訓練市場與軟體生態上的優勢不易撼動。另一方面，無論雲端業者選擇 GPU 還是自研 ASIC，晶圓代工訂單最終多半流向台積電，因此市場焦點也轉向台積電即將公布的第三季財報，期待其穩定半導體族群情緒。

對台灣供應鏈而言，Maia 300 量產將進一步推升台積電先進製程與先進封裝的需求，相關的 ASIC 設計服務、測試與伺服器組裝廠商也可望受惠。對微軟自身而言，自研晶片能降低 Azure 的每單位算力成本，並提高在 AI 服務定價上的彈性。

展望未來，Maia 300 能否如期在 2027 年大規模部署，以及實際效能與輝達最新產品的差距，將是觀察重點。隨著雲端巨頭紛紛加碼自研晶片，AI 算力市場正從「單一供應商主導」走向「GPU 與 ASIC 並行」的新格局。