全球大廠的“去英偉達”實驗

三家的路徑看似平行，投入的性質已經不同，自研芯片正在從可選項變成雲廠商的標配。

引用薩提亞·納德拉發帖評論區下面的一句話：“現在人人都在自己造芯片。淘金熱的法則是：先賣鐵鍬，再賣造鐵鍬的工廠。”比喻有一定道理，更準確的說法是，雲廠商賣的是鐵匠鋪的產能。現在他們做的事，是親自拿起錘子。

Maia 300的設計重點，集中解決AI計算過程中三個越來越明顯的問題。

第一，減少數據搬運，提高芯片利用率。大型AI模型運行時，需要不斷在計算單元和高速內存之間交換數據。如果數據傳輸效率不足，計算核心就會等待，利用率就會下降。

微軟爲Maia 300設計的軟件定義數據流架構，就是針對這個問題。簡單理解，就是讓芯片提前規劃好數據應該在哪裏停留、什麼時候調用，減少計算單元等待數據的時間。

這也是爲什麼微軟強調“每瓦有效計算能力”，而不只是強調峯值算力。微軟表示，相比於領先的GPU系統，可提供每兆瓦40%更多的AI token處理能力。

第二，高帶寬內存，讓大模型處理更長上下文。未來的AI Agent需要同時讀取：企業數據庫、大量文檔、代碼倉庫、歷史任務記錄，這要求芯片擁有更強的數據讀取能力。

Maia 300單顆加速器擁有18TB/s峯值內存帶寬，熱設計功耗爲950W。在機架級系統中，96個Maia 300加速器可以提供27.6TB HBM容量，以及1.7PB/s的聚合內存帶寬。

第三，Chiplet芯粒架構降低高端芯片制造難度。過去，大型芯片通常把所有功能集中在一塊芯片中；Maia 300將計算、內存控制和I/O模塊分離，提高設計靈活性並降低制造成本。其中計算芯粒採用臺積電N2P先進制程，這種方式能提高制造靈活性，把最先進工藝集中在關鍵計算部分。

除了關鍵的三點，Maia 300還通過MXFP4等低精度計算格式降低模型運行時的計算和內存需求；通過高速互連和AI優化網絡協議，提高多芯片協同效率；通過96顆加速器組成的機架級系統，提高數據中心整體吞吐能力。

這些設計共同指向一個目標：讓AI計算從單顆芯片性能競爭，轉向整個系統效率競爭。

這一競爭，在中國市場表現得更加明顯。近年來國產AI芯片產業形成了多條技術路線。

華爲昇騰在布局通用AI計算平臺，2019年發布了昇騰910和昇騰310兩款AI處理器。隨後又圍繞MindSpore框架、CANN計算架構和Atlas硬件平臺建立生態，使AI芯片進入雲計算、工業、能源等場景。

寒武紀代表了專業AI芯片企業路線。思元系列AI芯片覆蓋雲端訓練和推理場景，相比於擁有大量業務場景的互聯網企業，寒武紀重點解決的是芯片性能和軟件生態建設問題。

百度和阿裏則依託自身業務推動落地。百度將昆侖芯應用於搜索、智能雲等AI業務；阿裏推出含光800推理芯片，結合阿裏雲服務優化AI計算。

這些企業希望建立不同於英偉達CUDA體系的國產算力路線。但隨着大模型應用深入，一個新的問題開始出現：芯片有了，如何真正跑起來？

一顆AI芯片進入商業應用，需要經過多個環節。首先是底層硬件，包括芯片架構、計算能力、內存帶寬等。其次是軟件生態，包括編譯器、開發框架、算子優化、模型適配。最後是實際應用，企業需要能夠將現有的大模型和業務系統遷移到新的計算平臺上。

任何一個環節不足，都可能影響芯片的實際價值。

所以，近年來AI Infra（人工智能基礎設施）成爲新的關注方向。所謂AI Infra，解決的是讓芯片、模型、數據和應用之間形成高效連接。芯片提供算力，軟件決定效率，基礎設施決定這些算力能否被真正利用。

成立於2023年的無問芯穹專注AI Infra領域。10月12日，無問芯穹宣布完成23億元C輪融資，累計融資達到43億元，創下我國AI Infra融資記錄。

它關注的問題，和全球AI產業趨勢高度一致：讓不同芯片運行不同模型；提升算力利用率；降低企業部署AI的成本。

同樣的效率問題，微軟的解法在於，它同時擁有模型、芯片和負載。芯片設計可以直接圍繞自有負載反向優化。薩提亞·納德拉把這叫作模型與芯片之間的閉環。

Azure爲企業提供雲計算服務，同時承載OpenAI模型、微軟自研模型以及Copilot系列產品。比如，訓練大模型需要大量通用計算資源，而Copilot等產品每天產生大量推理請求，對延遲、成本和能耗更加敏感。

Maia 300主要針對的，就是這類長期運行的AI推理任務。自研芯片能夠圍繞自身業務重新設計。哪些任務交給GPU，哪些任務交給Maia，如何分配計算資源，這些都可以由微軟自己決定。

不過，微軟現在還無法完全擺脫英偉達。目前，Azure仍然大量提供英偉達GPU服務，CUDA生態依然是AI開發的重要基礎。

更現實的情況是，未來數據中心會同時存在多種計算平臺，英偉達GPU負責通用AI計算，Maia負責微軟優化後的AI工作負載，不同芯片根據任務需求被調度使用。

至少從微軟自己的部署計劃來看，樂觀者的判斷還缺少一些證據。Maia 300針對的是微軟自己定義的推理負載，微軟官方也明確表示自研芯片不會取代第三方供應。