VLSI KoreaMaia 300 公開：超大規模業者 AI 晶片總整理 (MS、Google、Meta、AWS、OpenAI、中國，2026 年 10 月)
從昨天 (10 月 12 日) 發表的 Maia 300，到 Google TPU v8、Meta MTIA 500、AWS Trainium3、OpenAI Jalapeño — 總整理 2026 年 10 月現在超大規模業者自研 AI 晶片的上市現況與藍圖。
🆓 免費文章 · 任何人都可以免費閱讀
就在昨天（10 月 12 日），微軟正式發表了第 3 代 AI 晶片 Maia 300。採用 TSMC 2nm 小晶片與 HBM4 8 堆疊，宣示從 2027 年起要以多十億瓦規模鋪設到 Azure。
本文總整理截至 2026 年 10 月 13 日超大規模業者自研 AI 晶片的戰況。嚴格區分已經進入資料中心的晶片，與目前處於設計、發表階段的晶片。企業未正式確認的內容，標示為「（報導）」。
Microsoft Maia 產品線：100 → 200 → 300
Maia 產品線是這樣延續的：Maia 100（2023 年 11 月）→ Maia 200（2026 年 1 月）→ Maia 300（2026 年 10 月 12 日發表）。
Microsoft：Maia 200 部署中，Maia 300 昨天發表
Maia 200 — 已部署（2026 年 1 月 26 日發表，推理專用）
| 項目 | 規格 |
|---|---|
| 製程 | TSMC 3nm，超過 1,400 億個電晶體，~858mm²，2GHz |
| 電力 | 750W TDP |
| 運算 | 10,145 TFLOPS (FP4) / 5,072 TFLOPS (FP8)，原生 FP4/FP8 張量核心 |
| 記憶體 | 216GB HBM3E，7TB/s（6 堆疊，有由 SK 海力士獨家供應的報導），片上 SRAM 272MB |
| 互連 | 片上 NIC，雙向 2.8TB/s，最多 6,144 個加速器叢集 |
目前正在美國、歐洲、澳洲的 Azure 資料中心運轉。投入 OpenAI 模型、微軟自家 MAI 模型與開源模型的服務。沒有外部客戶用 VM SKU。是徹頭徹尾的內部效率化用晶片。微軟的主張是這樣：相較 Trainium3，FP4 達 3 倍；相較 TPU v7，FP8 占優；性價比改善 30%。
Maia 300 — 已發表（2026 年 10 月 12 日），預計 2027 年部署
| 項目 | 規格 |
|---|---|
| 架構 | 小晶片結構 — 運算小晶片 TSMC N2P (2nm) + 資料移動等其他小晶片 3nm |
| 記憶體 | 每個加速器 HBM4 8 堆疊，288GB，峰值頻寬 18TB/s |
| 機櫃構成 | 每機櫃 96 個加速器（Maia 200 為 48 個），每機櫃電力約 167kW（參考：NVIDIA GB300 機櫃為 72 GPU，142kW） |
| 效能主張 | 96 個完整構成時，相較 Maia 200，機櫃規模 token 處理量最多 7 倍；相較領先的 GPU 系統，每百萬瓦 token 提升 40% |
| 部署計畫 | 從 2027 年起生產部署，擴展到多十億瓦規模。把 Maia 作為微軟產品與服務的 "primary inference system" |
執行長 Satya Nadella 說這是「our biggest bet yet on our own silicon」。也劃清界線表示，會持續購買 NVIDIA、AMD 晶片。據 The Information 報導，正與 TSMC 談判 2027 年 30 萬個以上的產能，最終目標是 100 萬個以上。
Cobalt 200 — 客戶 GA 進行中
ARM 伺服器 CPU。TSMC 3nm，Arm Neoverse CSS V3，132 核心（66 核心小晶片 ×2），每核心 3MB L2 + 192MB 共享 L3，per-core DVFS。主張相較 Cobalt 100 效能提升 50%。2026 年客戶 GA 進行中。
來源：Microsoft 官方部落格 2026-01-26、Reuters 2026-10-12、首爾經濟 2026-10-13、The Information via SRN News 2026-08-10、DatacenterDynamics 2026-09-12
Google：TPU v7 是現行款，v8 把訓練與推理分開
已上市/已部署
| 世代 | 發表 | 運算 (每晶片) | HBM | 狀態 |
|---|---|---|---|---|
| v5e | 2023 年 (GA 2023-08-30) | 197 BF16 TFLOPS | 16GB HBM2e, 819GB/s | 提供中 |
| v5p | 2023-12-06 | 459 BF16 TFLOPS | 95GB HBM2e, 2,765GB/s | 提供中 (每 pod 8,960 晶片) |
| v6e Trillium | 2024-05-14 | ~918 BF16 TFLOPS | 32GB HBM3, ~1.6TB/s | 2024 年底 GA，提供中 |
| v7 Ironwood | 2025-04-09 (GA 2026-04-22) | 4,614 FP8 TFLOPS | 192GB HBM3e, 7.37TB/s | 提供中 (9,216 晶片超級 pod = 42.5 FP8 EFLOPS) |
v7 Ironwood 是第一款原生支援 FP8 的 TPU。雙小晶片結構（每晶片 2 個 TensorCore + 4 個 SparseCore），ICI 9.6Tbps，3D 環面。也是第一個套用以強化學習優化布局的 AlphaChip 的世代。
TPU v8 — 已發表，尚未部署（2026 年 4 月 22 日發表）
第 8 代的核心變化是訓練用與推理用的分離。
| 晶片 | 代號 | 用途 | 運算 (每晶片) | HBM | SRAM |
|---|---|---|---|---|---|
| TPU 8t | Sunfish | 訓練 | 12.6 FP4 PFLOPS | 216GB HBM3e, 6.5TB/s | 128MB |
| TPU 8i | Zebrafish | 推理 | 10.1 FP4 PFLOPS | 288GB HBM3e, 8.6TB/s | 384MB (v7 的 3 倍) |
8t 以 9,600 晶片超級 pod 達 121 FP4 EFLOPS，8i 在 1,152 晶片 pod 上使用新的 Boardfly 拓撲。原以 2026 年下半年 GA 為目標，但截至 10 月 13 日，GA 與否尚未確認。
Axion CPU 與夥伴關係
ARM 架構自研伺服器 CPU Axion 正擴展為 C4A（Neoverse V2，2024 年 10 月 GA）、N4A、C4A Metal。主張相較 x86 效能最多提升 50%、能源效率提升 60%。
與 Broadcom 從 2016 年起共同設計 TPU 全部世代，是業界最長久的客製矽夥伴關係。2026 年 4 月以 8-K 揭露，簽下了到 2031 年的長期合約。外部客戶也很亮眼：Anthropic 在 2025 年 10 月簽下最多 100 萬個 TPU、數百億美元規模的合約；Apple 用 TPU 訓練了 Apple Intelligence 的基礎模型（TPUv4 8,192 晶片 + v5p 2,048 晶片，2024 年 7 月論文公開）。從 2026 年第 2 季起，TPU 直接銷售的營收認列已經開始。
來源：Google Cloud TPU7x 官方文件、TechCrunch 2023-12-06、SDxCentral 2024-05-14、TrendForce 2025-11-07、Reuters 2026-08-10、Tom's Hardware 2024-07-30
Meta：MTIA 300 量產中，以 6 個月節奏到 500
| 世代 | 發表 | 製程 | 運算 | 記憶體 | 電力 | 狀態 |
|---|---|---|---|---|---|---|
| MTIA v1 | 2023-05 | 7nm | 102.4 INT8 TOPS | 128MB SRAM + 64GB LPDDR5 | 25W | 已上市 |
| MTIA v2 | 2024-04-10 | 5nm | 354 INT8 TOPS | 256MB SRAM + 128GB LPDDR5 | 90W | 已上市 (推薦、排名推理) |
| MTIA 300 | 2026-03-11 | 3nm 運算晶粒 + 5nm I/O 晶粒 (報導) | 560 FP16 / 1,120 FP8 TFLOPS | 216GB HBM3E, 6.1TB/s | 912W | 量產中 |
| MTIA 400 | 藍圖 | 未公開 | 12 FP4 PFLOPS | HBM3E 8 堆疊, 9.4TB/s | 667W | 實驗室測試中 |
| MTIA 450 "Artemis" (報導) | 藍圖 | 未公開 | 未公開 | 未公開 | — | 2027 年上半年部署目標 (報導) |
| MTIA 500 "Astrea" (報導) | 藍圖 | 未公開 | 未公開 | 未公開 | — | 2027 年底目標 (報導) |
MTIA 300 是第一款可訓練的 MTIA，也是第一個搭載 HBM 的世代。以 2.5D CoWoS 小晶片結構，投入 Meta 內部資料中心的排名與推薦訓練。MTIA 400 面向 GenAI 推理，目標是相較 FP8，FLOPS 提升 400%。整個藍圖都與 Broadcom 共同設計，Meta 表示目標是在 12 個月內部署 1GW 以上的自研晶片。
📩 在持續關注這個主題嗎？
財報·報告·HBM供需的後續分析，每天10:30（KST）寄到您的信箱。 免費訂閱 →
來源：The Register 2024-04-10、Bloomberg via biztoc 2026-09-15、TrendForce 2026-01-30
AWS：Trainium3 出貨，Project Rainier 到 100 萬個
| 晶片 | 發表 | 製程 | 運算 (每晶片) | 記憶體 | 狀態 |
|---|---|---|---|---|---|
| Trainium2 | 2023-11 (GA 2024-12) | 未公開 | ~1.3 FP8 PFLOPS | 96GB HBM | EC2 Trn2 提供中 |
| Trainium3 | 2025-12 | TSMC 3nm | 2.517 MXFP8 PFLOPS | 144GB HBM3e, 4.9TB/s | 2026 年初生產矽出貨，Uber 採用 |
| Trainium4 | 已發表 | 未公開 | 主張相較 Trainium3 FP4 達 6 倍 (單一來源) | 未公開 | 設計中 |
| Inferentia2 | 2022-11 | 未公開 | 每執行個體最多 2.3 PFLOPS | 每晶片 32GB HBM | EC2 Inf2 提供中 |
Project Rainier 是為 Anthropic 打造的 Trainium2 超大型叢集。2024 年 12 月發表後，目前已有 50 萬個運轉中，計畫到 2026 年底擴大到 100 萬個。據 AWS 表示，Bedrock 的大部分 token 已經在 Trainium 上處理。ARM 伺服器 CPU Graviton5 已於 2026 年 6 月 GA（192 核心，3nm，Neoverse V3）。設計主體是 2015 年以 3.5 億美元收購的以色列晶片設計公司 Annapurna Labs。
來源：AWS 官方 2024-12、Tom's Hardware 2025-12、Next Platform 2025-10-31、Wikipedia "AWS Graviton"
OpenAI 與中國：推理晶片與自給自足
OpenAI "Jalapeño" — 已發表，尚未部署（2026 年 6 月 24 日公開）
OpenAI 第一款客製 AI 晶片。與 Broadcom 共同開發的推理專用 ASIC。TSMC 3nm，從設計到流片僅 9 個月（主張為已公開的高效能客製 ASIC 中最短）。2026 年 6 月交付了第一批工程樣品，經 2026 年底小規模部署，目標是2027~2028 年十億瓦級的產能爬升。微軟將承接首批產量的 40%。重點是訓練仍原封不動地留給 NVIDIA。
中國超大規模業者 — 已上市 vs 設計中
| 主體 | 晶片 | 狀態 |
|---|---|---|
| 百度 | Kunlunxin P800 (第 3 代) | 量產、大規模部署中 (30,000 個，主張 345 FP16 TFLOPS)。M100 (預定 2026 年初)、M300 (預定 2027 年) 尚未上市 |
| 阿里巴巴 | Hanguang 800 (2019 年) | TSMC 12nm，運轉中 |
| 騰訊 | Zixiao (AI 推理), Canghai V1/V2 (影片轉碼), Xuanling (智慧 NIC) | Canghai V1 部署超過 10 萬個，V2 量產中 |
| 字節跳動 | SeedChip (報導) | 設計階段 — 沒有已上市的晶片 (公司否認報導) |
xAI 的自研晶片計畫尚無公開內容。
來源：ainvest 2026-10-09、TrendForce 2025-11-13/2025-12-09、EE Times 2019-09-25、Caixin 2021-11-04、The Register 2023-04-18
一覽戰略比較
| 主體 | 核心戰略 | 外部銷售 | 設計夥伴 |
|---|---|---|---|
| TPU 內部 + 雲端提供，與 NVIDIA 並行 | O (經 GCP) | Broadcom (自 2016 年起) | |
| Microsoft | Maia 為內部推理用，2027 年多十億瓦 | X | 自研 |
| Meta | 6 個月節奏，目標 12 個月部署 1GW 以上 | X | Broadcom |
| AWS | Trainium 外部 EC2 銷售是核心差異點 | O (EC2 Trn/Inf) | Annapurna Labs |
| OpenAI | 以推理專用晶片削減成本，訓練維持 NVIDIA | X (經 MS 部署) | Broadcom |
| 中國三家 | 因應出口管制、自給自足 | 百度 O (外部比重約 40%) | — |
意涵：2027 年是分水嶺
第一，戰場是推理。Maia 200/300、TPU 8i、MTIA 400、Jalapeño 全都把重點放在推理。訓練仍由 NVIDIA 掌握，但在數量爆發的推理上以自研晶片削減成本的格局正在固化。
第二，Broadcom 是最大受惠者。Google、Meta、OpenAI、Anthropic 的客製晶片背後全都是 Broadcom。2026 年 4 月與 Google 簽下到 2031 年的長期合約，也有 AI 訂單積壓 730 億美元的報導。
第三，與韓國有接點。有報導稱 Maia 200 的 HBM3E 由 SK 海力士獨家供應；也有報導稱字節跳動曾與三星電子進行製造談判。
第四，2027 年是分水嶺。Maia 300、MTIA 450/500、TPU v8 GA、Jalapeño 產能爬升全都集中在 2027 年。誰先填滿多十億瓦，將決定未來 5 年的 AI 基礎設施版圖。
常見問題
超大規模業者為什麼非要自己做 AI 晶片？
有三個理由。第一，削減推理成本 — 自研晶片在每瓦、每美元的 token 上更有利。第二，供應鏈談判力 — 降低對 NVIDIA 的依賴，手握價格談判籌碼。第三，工作負載優化 — 能設計出與自家模型和資料中心完全契合的架構。
Maia 300 從什麼時候開始能用？
預計從 2027 年起在 Azure 內部進行生產部署。沒有外部客戶用 VM SKU，目標是成為微軟產品與服務的 "primary inference system"。
Google TPU 外部也能用嗎？
可以透過 Google Cloud 使用。Anthropic 簽下了最多 100 萬個 TPU 規模的合約，Apple 也用 TPU 訓練了 Apple Intelligence 的基礎模型。從 2026 年第 2 季起，TPU 直接銷售的營收開始認列。
與韓國企業有關嗎？
有報導稱 Maia 200 的 HBM3E 由 SK 海力士獨家供應。也有報導稱，字節跳動曾就自研 AI 晶片的製造與三星電子談判（公司否認）。
本文數值係根據截至 2026 年 10 月 13 日的公開資料。「（報導）」標示為該企業未正式確認的內容。
相關文章
- AI 晶片新創的晶片去向何方：Cerebras、Rebellions、FuriosaAI 的供應對象與沙烏地、澳洲、北歐資料中心晶片現況…
- 記憶體三大巨頭與追趕者：三星電子、SK 海力士、美光、鎧俠、CXMT、YMTC 優缺點總整理（2026 年 10 月）
📩 今天錯過的分析，明天早上寄到您的信箱
每天10:30（KST）Daily Silicon與財報·機構報告核心解讀搶先送達。訂閱後可選擇韓語/英語/日語新聞通訊，中文深度分析每日在網站更新。
免費訂閱 →
免費 · 無垃圾郵件 · 隨時退訂
