台積電迎微軟新一代自研 AI 晶片 Maia 300 代工大單

微軟預計於今年秋季發表新一代自研 AI 晶片 Maia 300，並將交由台積電代工，雙方目前已在洽談階段。微軟同時規劃明年大幅增加這款自研晶片的產量，為台積電的先進製程訂單增添新動能。

雲端業者自研 AI 晶片已成為產業的結構性趨勢。驅動因素相當直接：當一家業者每年的 AI 加速器採購金額達到數十億甚至上百億美元，即便自研晶片的效能只達到市售旗艦的七、八成，只要單位成本顯著更低、且能針對自家工作負載最佳化，整體的總持有成本便可能更優。此外，自研晶片還提供了供應鏈的談判籌碼——手上有替代方案，向外部供應商採購時的議價地位便完全不同。

不過，自研路線的實際效益取決於幾項條件。第一是工作負載的集中度：若絕大多數運算都集中在少數幾種模型架構上，專用化的收益最大；反之，若負載高度多樣，通用加速器的彈性仍難以取代。第二是軟體堆疊的成熟度——晶片再好，若編譯器、函式庫與框架支援不足，實際可用效能會遠低於紙面規格，這也是自研晶片最常見的失敗點。第三是迭代速度，AI 模型架構演進極快，晶片設計週期若跟不上，剛量產就可能面臨架構錯配。

對台積電而言，這類訂單的價值不只在單一專案。雲端業者的自研晶片普遍採用最先進的製程節點與封裝技術，屬於高單價、高技術門檻的產品；同時，這些客戶的產量規劃具有多年能見度，有助於產能規劃的穩定性。更重要的是結構性意義——無論最終是通用加速器還是自研 ASIC 勝出，晶片都要在同一家代工廠製造，台積電的位置不受競爭結果影響。

從市場格局看，自研晶片的擴張正在改變 AI 運算的供應版圖。目前主要雲端業者都已推出至少一代自研加速器，且產量規劃逐年放大。這對通用 GPU 供應商形成實質壓力——不是取代，而是在部分工作負載上分流，特別是推論這類對成本敏感、負載模式穩定的場景。

台灣供應鏈的參與範圍也隨之擴大。自研晶片專案除了晶圓代工，還涉及 IP 授權、後端設計服務、先進封裝、測試介面與載板，這些環節台廠都有可觀的參與度。每一個新的自研晶片專案，實際上都是整條台系供應鏈的訂單。

後續觀察重點包括：Maia 300 的正式規格與製程節點、明年的實際投片量，以及微軟在自研與外購之間的配置比例變化。