微軟（MSFT）賣出一份 AI 服務，也得支付背後一次次推論的成本。使用者請 Copilot 整理文件、回答問題時，模型每產生一段內容，都需要算力、記憶體與電力；用量增加，服務收入與成本便需要一起看。
微軟 10 月 12 日宣布，自研 Maia 200 已支援部分正式工作負載，Maia 300 預計於 2027 年開始生產部署，Maia 系列並將自 2027 年起擴展至多 GW（十億瓦）規模。公司預估，Maia 300 每 MW 可產出的 token 數量，較主要 GPU 系統高 40%。token 是模型處理文字的切分單位，不等於中文字數。
Maia 300 的投資意義，在於微軟有機會以較低的單位成本，支撐更多 AI 用量。能否改善獲利，要從每瓦產出走到每單位推論的完整成本，再看微軟如何定價與擴充服務。
3 個重點先看
- 效率先看口徑：40% 是微軟對每 MW token 產出的比較預估，仍需同等品質、延遲與負載下的實測驗證。
- 成本還看利用率：晶片、機櫃與軟體投入，都要靠足夠的有效工作量分攤。
- 供應鏈看分工：自研可增加算力選擇；台積電的製程關係已明確，財務貢獻仍缺訂單規模。
一、若產出多 40%，單位能源投入降多少？
MW（百萬瓦）是功率單位。若在相同時間與功率下產出更多 token，代表每單位產出所需的能源較少。這項比較也需要固定模型品質、回應延遲與實際利用率，才有商業上的可比性。
算術示例：假設同一段時間、同樣功率下，原系統產出 100 個單位的 token，另一套系統產出 140 個。每單位 token 的能源投入便是原來的 100 ÷ 140，約 71.4%，也就是下降約 28.6%。這是依假設做的比例換算，尚未代表 Maia 300 的實際節省。
微軟的公告未提供可重現的完整測試條件，包括具名 GPU 系統與各項服務設定。40% 因此應保留公司預估的性質；即使能源效率達標，硬體採購與維運成本仍要另外計入。
二、推論成本藏在整套系統裡
推論是模型接到問題後、執行運算並產生答案的過程。晶片除了算得快，還得讓資料及時送到運算單元。資料反覆在記憶體、晶片與網路間搬移，會消耗時間與電力，讓運算單元等待。
微軟公布的 Maia 300 架構，將運算、記憶體控制與輸入輸出拆成不同小晶片（chiplet），並讓軟體安排資料靠近使用它的運算單元。每顆加速器搭配八組高頻寬記憶體 HBM4；完整機櫃整合 96 顆加速器，功率設計為 167 kW。這個數字是機櫃的功率範圍，資料中心的冷卻等額外耗能仍需納入營運評估。
這種設計的價值，要靠工作負載真的用得上。微軟能依自身服務需求共同設計軟硬體，是自研路線的優勢；代價則包括晶片開發、模型移植、系統維護與新機櫃導入。若一套系統只適合少數任務，或者上線後經常閒置，固定投入分攤到每次推論的金額就會提高。
因此，單位推論成本可先用一個概念理解：同一期間歸屬的硬體與營運成本，除以符合品質及延遲要求的有效產出。高吞吐率要搭配高利用率，才能把設備投資攤到更多有用的工作上。
三、效率改善，如何傳到微軟毛利？
微軟一方面透過 Azure 提供雲端與模型服務，另一方面把 AI 放進 Copilot 等產品。當收入按席次或用量收取，推論效率會影響支援每位客戶、每次任務所需的成本；但收入不會自動隨 token 產出等比例增加。
在截至 2026 年 6 月 30 日的 FY26 第四季，Microsoft Cloud 營收為 593 億美元、年增 27%，毛利率為 65%，較去年下降。微軟在法說會指出，毛利率下滑主要來自營收組合轉向 Azure、AI 基礎設施持續投資與產品使用增加，部分由效率改善抵銷。這是整體 Microsoft Cloud 的指標，不能拆成 Maia 的個別表現。
若 Maia 300 在適配任務上降低單位成本，而收費與服務品質維持，相關服務便有改善毛利的空間。微軟也可以把成本空間用於降價、提供更長的內容處理能力，或支援更多任務，換取客戶採用與用量。這些選擇會讓效率改善以不同方式出現在財報上。
最容易忽略的是分母與總額：即使每次推論更便宜，只要使用量增加得更快，電力與設備支出總額仍可能上升。觀察毛利率時，也要一起看新增設備折舊、產品組合與定價，才能理解成本下降有多少留在公司。
四、GPU 與台積電，角色如何改變？
微軟將 Maia 定位為自身產品與服務的主要推論系統，顯示自研晶片在其長期算力配置中的角色正在加重。若 Maia 承接更多適配任務，微軟就有更多內部選擇，並可分散部分對外購 GPU 推論算力的依賴。
支持 GPU 持續參與的直接證據，是微軟 2026 年 7 月仍宣布將引入 AMD（AMD）的 Helios 平台，規劃用於大型推論服務。GPU 與自研平台也都會繼續演進。哪套平台更划算，需要在同一代硬體、相同模型與服務條件下比較；單一效率預估尚未回答未來採購配置。
台灣供應鏈方面，微軟明確指出 Maia 300 的運算小晶片採台積電（2330）N2P 製程。這確認了先進製程的產品關係。要進一步估算營收與 EPS，還需要晶圓數量、晶片面積、價格，以及這些需求是新增，或從其他同樣由台積電代工的平台移轉。
下一步最有判斷力的資訊，是 2027 年部署是否如期、實際工作負載的利用率，以及同等品質與延遲要求下的完整成本。Maia 300 若在這三項都交出結果，才能把自研晶片的效率優勢，轉成微軟長期 AI 服務獲利的證據。
怎麼買微軟（MSFT）？
想投資微軟（MSFT）？
線上 5 分鐘快速申請查看手續費優惠詳情 ▼
*APP 存股手續費 0.08% (低消 0.1 美元)*
點此看更多開戶活動優惠
*美股優惠期間至 2026/12/31，新戶適用，實際以官方公告為準。
小提醒：美股採「圈存」制，下單前請確認餘額！
