2026年10月12日、マイクロソフトは第3世代自社開発AIアクセラレーター「Maia 300」を正式発表した。288GB HBM4メモリ、18TB/sのピーク帯域幅、FP4演算性能13.8 PFLOPS、1ラック96枚構成のスループットは前世代Maia 200の7倍、TDP 950Wで、2027年からAzureにてマルチギガワット規模での展開を予定している。現時点で公開発表済みの超大規模クラウドベンダー自社開発推論チップの中で、最も積極的なスペックを持つ製品である。
Maia 200からMaia 300へ：意図的なアーキテクチャの急進化
Maia 200は2026年1月に稼働を開始し、米国・欧州・オーストラリアのデータセンターでCopilotおよびGitHub Copilotの運用を支えている。これに対しMaia 300は、はるかに大きな技術的飛躍を遂げている。
メモリサブシステムでは、HBM3eの6スタックからHBM4の8スタックへと拡張され、ラック当たりのHBM容量は288GBから27.6TBへと拡大した。unite.aiの報道によれば、前世代のラック構成比で約2.7倍に相当する。帯域幅はMaia 200の7TB/sから18TB/sへと2.5倍以上に向上した。製造プロセスはTSMCの3nmからN2P（2nmクラス）へ移行し、マルチチップレット設計を採用。主演算チップレット・独立メモリチップレット・I/Oチップレットをそれぞれ個別に製造してパッケージングする構造となっている。
消費電力は750Wから950Wへ増加した。マイクロソフトが掲げる中核的な効率性の約束は、「主要なGPUシステム」と比較してメガワット当たりのトークン生成量が約40%多いというものだ。
「40%」とは、誰に対して言っているのか
マイクロソフトは「主要なGPUシステム」が具体的にどの製品・どの構成で・どのワークロードで計測されたものかを明示していない。
市場の競合製品と比較すると、NVIDIAのGB300 Blackwell Ultraは1枚当たり288GB HBM3eを搭載し帯域幅は約8TB/s、FP4演算性能は約15 PFLOPS。GoogleのTPU v7 Ironwoodはすでに外部への貸出を開始しており、アイオワリージョンではチップ時間当たり12ドルで提供されている。Maia 300の18TB/sという帯域幅はGB300の8TB/sを大幅に上回り、メモリ集約型の推論タスクにおいて構造的な優位性を持つ。大規模モデルの推論は演算性能よりも帯域幅がボトルネックになりやすく、これこそがMaia 300の設計上の重点である。ただし、FP4演算性能の13.8 PFLOPSはGB300の約15 PFLOPS を下回るため、純粋な演算性能が求められる学習タスクではNVIDIAが依然として優位に立つ。
TIKRの財務分析によれば、このチップが実際の運用展開に入るのは2027年であり、外部から検証可能なデータが得られるのもその時点以降となる。
真の動機：設備投資と粗利率の間に生じたギャップ
Maia 300がこのタイミングで発表された背景を理解するには、マイクロソフトの財務状況を見る必要がある。
TIKRのデータによると、2026年6月期の四半期において、マイクロソフトが設備・不動産に支出した現金は358億ドルに達し、前年同期の170億8000万ドルの2倍以上となった。過去4四半期の設備投資の合計は約1,160億ドルで、前の周期から80%増加している。一方、粗利率は2025年9月期の69.05%から3四半期連続で低下し、2026年6月期には67.20%となっている。
支出が倍増する中で利益率は低下している——これがマイクロソフトの自社開発チップ加速を促す根本的な財務的圧力だ。Maia 300が狙うのは学習市場ではなく、推論の運用コストである。Copilotがユーザーの質問に回答するたびに発生するAPIコストが、マイクロソフトの粗利率に直接影響する。Maia 300の40%効率向上という約束が実現すれば、同一電力予算でより多くのCopilotリクエストを処理できるようになり、それこそが財務上の真の節減源となる。
ロイターの過去の報道によれば、マイクロソフトは2027年に100万枚超のこうしたチップを展開する計画だという。unite.aiの情報によれば、マイクロソフトはTSMCの年間ウエハー調達枚数として「30万枚超」が必要になると表明している。1ラック96枚・消費電力167kWで計算すると、100万枚のチップには約10,400ラックが必要となり、総消費電力は約1.7ギガワット——「マルチギガワット規模の展開」という表現と桁数が一致する。
競争環境：アマゾンとグーグルはすでに一歩先を行く
超大規模クラウドベンダーによる自社開発チップの競争において、マイクロソフトは先行者ではなく追随者の立場にある。
GoogleのTPUはすでに第7世代Ironwoodに達し、社内利用にとどまらずGoogle Cloud上でチップ時間当たり12ドルで外部提供されている。AmazonのTrainium2チップも同様にAWS上で外部顧客向けに提供されており、学習・推論の両ワークロードで商業化の道筋ができている。マイクロソフトのMaiaシリーズはいまだ自社内サービスのみに使用され、Azureの顧客には開放されていない。
この戦略上の違いは二重の意味を持つ。一方では、マイクロソフトは外部顧客の多様な要件に対応する必要がなく、自社の推論ワークロードに特化した最適化に専念できる。他方、自社開発チップの演算能力をクラウド製品として顧客に販売するという収益源を放棄していることになる。エンタープライズ向けAzure顧客は現在も引き続きNVIDIA GPUインスタンスを購入しており、ハードウェア層でのコスト削減が顧客側の価格競争力として直接伝わる構造にはなっていない。
マイクロソフト自身も「異種演算フリート」を維持すると認めており、Maia 300はNVIDIAやAMDのGPUを置き換えるのではなく、並行して使用されることになる。つまり短期的には、NVIDIAはマイクロソフトという主要顧客を失っていない。
真の勝者：TSMC
このチップ競争において、各陣営が共通して認める受益者が一つある——TSMCだ。
Maia 300の演算チップレットはTSMCのN2Pプロセスで製造される。NVIDIAのBlackwell UltraもTSMCに依存している。GoogleのIronwood、AmazonのTrainium2も代工ルートはTSMCの体系内にある。マイクロソフトが自社開発チップでどれだけのNVIDIA GPU分を置き換えたとしても、高性能AIアクセラレーターのウエハー需要はTSMCへと流れ続ける。超大規模クラウドベンダー間のチップ競争は、本質的にはTSMCの製造キャパシティを巡る争奪戦だ。マイクロソフトのN2P年間30万枚超というウエハー需要自体が、TSMCの最先端プロセス能力を直接押さえることを意味している。
クラスター規模：アクセラレーター1万2,000枚の意味
Maia 300は最大1万2,000枚のアクセラレータークラスターをサポートし、双方向の拡張インターコネクト帯域幅は3.2TB/s、イーサネットベースの2層ネットワークアーキテクチャを採用している——これは意図的な設計選択だ。専用インターコネクトではなくイーサネットを採用することで、マイクロソフトは既存のネットワークインフラを大幅に流用でき、クラスター拡張コストを抑えられる。ただし、超低遅延の分散学習シナリオでは柔軟性に一定のトレードオフが生じる。
1万2,000枚というクラスター上限により、単一の推論タスクで約3.3PBのHBM4メモリを活用できる。これは超大規模コンテキストウィンドウを用いた推論タスク（長文書の分析、マルチターンのエージェントタスクなど）において実質的な意味を持つ。Maia 300の設計思想はまさにここにある——NVIDIAと学習演算性能の力比べをするのではなく、推論段階でのメモリ容量と帯域幅効率において差別化を確立するという方針だ。
評価：実力はあるが時間的余裕は限られた一手
Maia 300の技術仕様は真剣なものだ——18TB/sのHBM4帯域幅は現時点で公開されている推論チップの中でトップクラスであり、マルチチップレット＋N2Pという製造プロセスの方向性は業界の主流と合致し、96枚/ラックという密度設計はシステムレベルのエンジニアリングへの真剣な取り組みを示している。
ただし、同時にいくつかの事実を並べておく必要がある。第一に、2027年という展開スケジュールは、このチップが2026年の決算に痕跡を残さないことを意味する。第二に、40%の効率向上という比較基準は未開示であり、外部検証が行われるまでは約束にとどまる。第三に、Maiaシリーズは現在外部への貸出を行っておらず、自社開発チップの商業化という点でマイクロソフトはアマゾンやグーグルに遅れを取っている。第四に、Maia 300が予定通り展開されたとしても、大規模な減価償却が粗利率を引き続き圧迫し続ける。
超大規模クラウドベンダーがNVIDIAへの依存を減らす方向性は本物だが、「依存を減らす」ことは「依存から脱する」ことと同義ではない。より正確な表現をすれば、マイクロソフトは急成長する推論ワークロードに向けてコスト管理がしやすい並行ルートを構築しつつ、学習や柔軟な展開における主力サプライヤーとしてNVIDIAを引き続き活用するという構図だ。これは代替ではなく、ヘッジである。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接