微软自造芯片：同一度电多出 40%，英伟达少赚

微软给自己新芯片定的目标，写在官方博客里只有一行：每兆瓦电力能处理的 token 数量，比主流的 GPU 系统高出约 40%。

同一度电，多产出四成的 AI 回答。这就是这台芯片存在的全部理由。

10 月 12 日，微软在圣何塞的开放计算项目峰会上发布了第三代自研 AI 芯片 Azure Maia 300。要注意它的定位：不是训练，是推理。你和 Copilot 的每一次对话、Teams 自动生成的每一份会议纪要，背后消耗的算力都属于推理。微软说，Maia 300 会成为它产品和服务的主要推理系统，从 2027 年开始部署，目标是做到数吉瓦级规模。

一个满配机柜装 96 颗 Maia 300，是上一代 Maia 200 的两倍。微软说，这 96 颗芯片的 token 吞吐量最高能到上一代整机柜的 7 倍。芯片采用多芯粒架构，核心计算部分交给台积电 2 纳米工艺，配 HBM4 高带宽内存。

然后是那个最容易被引用、也最该打折听的数字：每兆瓦 token 多 40%。这是微软自己的工程目标，不是第三方评测跑出来的横向对比。微软没有说明对标的"主流 GPU 系统"是哪一款、用什么精度、多长的上下文。所以这 40% 可以当方向，不能当采购依据。

但这个方向本身就够让英伟达紧张了。

训练和推理是两门不同的生意。训练拼极限算力，谁的卡快谁赢，英伟达的护城河最深。推理拼的是每度电出多少结果，是一笔天天要付的运营账。而且推理的量大得多：模型训练一次就结束了，推理是每天几亿次调用，要跑一整年。

云厂商这几年最大的一笔开销，就是这笔推理账。所以当微软说"我自己的芯片每度电多出四成结果"，它实际在说的是：这块每年几百亿元的开销，我想自己收回来。

还有第二个信号。

10 月 15 日，彭博社报道，字节跳动正与联发科深入洽谈，采购后者定制设计的数据中心 ASIC 芯片。这笔交易如果落地，字节会成为联发科这类定制芯片业务里、继谷歌之后的第二大客户。数量、价格、时间表都还没披露。

字节买定制芯片的理由和微软不一样，但方向一致。据报道，字节今年考虑把资本开支提高到最高 700 亿美元，是去年的两倍以上；如果经营环境好，2027 年还可能到 1000 亿美元。这笔钱要变成算力，可最先进的英伟达芯片它买不到，于是转向"合规且够用"的路子：今年早些时候已经和高通达成类似安排，计划采购数百万颗 AI 芯片。

对联发科来说，这可能是从手机芯片转向数据中心的跳板。它预计今年 AI 芯片营收约 20 亿美元，折合人民币在 140 亿元上下；目标是明年在规模达 800 亿美元的数据中心芯片市场拿下一成半的份额。它本来就是谷歌自研芯片的主要供应商，有大宗定制交付的经验。

有意思的是英伟达的应对：它没有降价，反而在送东西。

10 月 14 日，英伟达宣布向英国捐赠五年、价值 2.5 亿美元的算力，平均每年约 5,000 万美元，按现在的汇率折合人民币大约 18 亿元。要注意形式，这是算力捐赠不是现金投入：算力由英国本地的云合作伙伴提供，基础设施全部托管在英国境内。受益方是牛津大学牵头的 BOLD 实验室、伦敦大学学院牵头的 SOFAIR 实验室和帝国理工学院，方向是安全智能体和开源模型安全。

同一周，英伟达还放出了一个开源模型 Nemotron 3.5 Super VL，30B 参数、3B 激活，面向一天 24 小时运行的企业智能体，权重开放、可私有化微调。

一边被客户用自研芯片切走推理生意，一边给大学捐算力、给企业送模型。这两件事放在一起，指向的是同一个动作：英伟达要守住的不是芯片价格，是"默认"这两个字。让研究者第一套工具链就是它的，让企业部署第一个智能体时用的也是它的模型和运行时。到最后，你要的就不只是一块芯片，而是一整套已经长在上面的东西。

不过这堵墙不会在明年就塌。

Maia 300 要到 2027 年才开始部署。投行 Evercore ISI 上周给客户的报告预计，到 2027 年第一季度，Maia 系列大概只占微软 AI 芯片支出的 10% 左右。自研芯片从发布到规模落地，中间隔着软件适配、开发者工具、真实负载表现三道坎，任何一道过不去，纸面上的优势就落不了地。

老陈在杭州带一个十几人的团队，做的是给电商客服用的 AI 助手。他不关心芯片是谁造的，只关心一件事：每个月付给模型厂商的调用费，什么时候能降下来。

他算过账：团队一天要处理大约 12 万次对话，按现在的调用价格，一个月的模型开销占到了总成本的四成。客户今年已经在问能不能便宜点，他能让出的空间，全看上游的算力价格。

"微软造芯片这条新闻，我第一反应不是英伟达要完了。"他说，"是如果推理真的能便宜下来，我们这种夹在中间的才有活路。"

这句话，说出了这件事的分量。

过去两年，AI 的价格战基本打在应用层：谁的会员更便宜、谁的免费额度更多。但应用层能打多狠，取决于下面那层推理成本有多硬。谷歌能把 AI 压到 2 美元一个月的档位，靠的是自己有芯片、有数据中心、有模型；一家只做模型的创业公司，就没有这个空间。

所以自研芯片这件事，短期看是微软、谷歌、亚马逊在跟英伟达博弈；长期看，它决定的是 AI 这条链上，利润最后停在哪一段。历史上每一次算力成本大幅下降，带来的都不是厂商多赚多少，而是新一批应用跑出来。

不过节奏还是要说清楚：至少在 2027 年之前，这个变化不会体现在你的账单上。短期内你更可能看到的，是 AI 服务继续分层，愿意付钱的用户拿到更好的模型，免费用户拿到压缩过的版本。

所以下次看到某家 AI 服务宣布降价，别急着高兴，先看一眼它背后的算力从哪来：是租的、买的，还是自己造的。这一眼看下去，你大致就能判断这个价格能撑多久。

最后照例声明：本文只谈 AI 产业的资本动向与技术路线，不构成任何投资建议，不推荐任何股票或标的，也不预测涨跌。钱怎么流动可以看，但你的钱还得自己拿主意。