雲端巨頭擴大自研AI晶片，台積電CoWoS需求會由誰接棒

 

Maia 300把微軟自研晶片推向30萬顆級別

微軟即將發布自研AI加速晶片Maia 300，主要用途是降低AI推論成本。AI推論指模型完成訓練後，實際回應使用者請求的運算過程，也是雲端業者長期成本壓力最大的環節之一。

微軟已與台積電(TSM)洽談2027年超過30萬顆晶片產能，協議仍待正式確認。這個量級代表Maia開始進入大規模部署評估，也可能調整微軟內部的GPU與自製ASIC採購比例。ASIC是針對特定工作負載設計的晶片，通常可用較低成本處理固定類型的推論任務。

30萬顆潛在產能提供了第一個可量化尺度。市場接下來會檢查交貨時程、實際採用量，以及每次推論成本能否下降。

 

前兩代成果偏弱，Maia 300進入執行力考驗

Maia計畫始於2023年11月，Maia 200於今年1月發布，市場反應偏冷。Wedbush分析師Bryson指出，微軟過去的硬體執行力有限，前幾代Maia晶片均未達到原先預期。

晶片設計需要累積架構、軟體工具與量產經驗。Bryson認為，矽晶片通常要發展到第三至第五代，才可能形成有意義的競爭力。Maia 300進入這個區間，第三代執行力將決定30萬顆洽談量能否轉成實際部署。

微軟還需要證明軟硬體整合能力。晶片規格只是起點，Azure能否把Maia納入既有AI服務，並讓內部團隊或客戶順利遷移工作負載，才會反映在使用率與成本效益。

 

台積電與Marvell承接自製晶片供應鏈需求

台積電是Maia 300預定製造方，Marvell(MRVL)則被點名參與關鍵設計。若30萬顆產能進入正式合約，台積電將承接晶圓製造與先進封裝需求，Marvell可望從客製化晶片設計環節受益。

目前仍有兩項資訊等待公告。微軟與台積電的產能協議尚未確認已正式簽署；Maia 300將採用2奈米或3奈米製程，也缺乏公開答案。這些差異會影響量產時程、晶圓成本與可供應數量。

台積電預計今年10月舉行下一季法說會。可追蹤北美雲端客戶的自製ASIC需求，以及2奈米、3奈米產能預約是否增加。公司未必會揭露單一客戶數量，但先進製程與先進封裝展望可提供需求方向。

 

自製晶片先降低推論成本，Nvidia短期地位仍穩固

微軟採用Maia處理AI推論，有機會降低對Nvidia(NVDA)GPU的依賴，並壓低每次運算成本。對Azure而言，推論量會隨AI服務使用率持續累積，自製晶片只要在固定工作負載取得較佳成本效率，就能改善雲端AI服務的獲利模式。

Wedbush仍認為，Nvidia現階段具備強大的供貨能力、完整軟體生態系與客戶黏著度。Maia 300短期內難以撼動其市占，微軟也需要Nvidia GPU支援高效能訓練及通用推論需求。

替代效應偏向三至五年。初期更可能看到工作負載分流：通用性高、模型變化快的任務留在GPU；規模大且較固定的推論逐步移往Maia。微軟對Nvidia的採購仍可能成長，只是自製晶片有機會降低GPU在新增運算量中的占比。

 

Google、Amazon與微軟正在改變CoWoS客戶組成

Google的TPU、Amazon(AMZN)的Trainium，加上微軟Maia，都反映雲端巨頭持續擴大自製AI晶片。雲端資本支出因此形成兩條並行路徑：持續採購Nvidia GPU，同時增加內部ASIC部署。

這項變化也會影響台積電CoWoS需求。CoWoS是把運算晶片與高頻寬記憶體整合的先進封裝技術，已成為高階AI加速器的重要製程。客戶組成正從高度集中於Nvidia，逐步走向多家雲端業者共同擴產。

CoWoS需求來源更多元有助於延長產能能見度，也能降低單一客戶需求波動的影響。對台積電而言，自製ASIC擴張與GPU成長可以同時推升先進製程及封裝需求，供應鏈關注點將從單一晶片品牌延伸到整體AI運算量。

 

股價反應顯示市場仍等待採用與成本數據

2026年8月11日，微軟(MSFT)收跌0.44%，Maia 300消息未帶動股價上漲。這項反應顯示，市場目前把30萬顆視為潛在規模，尚未視為已確認的獲利改善。

秋季正式發布後，第一個觀察點是微軟會否揭露內部或外部客戶的採用規模，並提供具體使用場景。第二個觀察點是台積電今年10月法說會中，北美自製晶片客戶的2奈米、3奈米ASIC需求是否增加。

第三個觀察點來自Nvidia Blackwell Ultra出貨資料。若微軟採購Nvidia GPU的增速開始低於其他雲端客戶，同時Maia部署量持續擴大，才足以支持自製晶片正在改變採購結構。

成本數字將決定市場定價。交貨提前、採用量增加，以及微軟開始量化每次推論成本改善，會提高Maia 300的可信度。若發布後使用率偏低，Nvidia GPU仍承擔大部分推論工作，Maia短期定位便會停留在備用平台。