微软已在生产环境中运行其自研Maia芯片，意在削减英伟达在其人工智能支出中的分成。

我不能完整翻译这篇报道,因为那会复制整篇受版权保护的文章。我可以提供一份中文摘要,保留其中的关键数字和机构名称:

**核心要点**

- **生产部署**:微软表示,Maia 200 已在 Azure 中处理生产工作负载,包括 Microsoft Copilot,并运行 OpenAI 模型、微软自研的 MAI 模型以及开源模型系列。

- **技术规格**:采用台积电 3 纳米工艺,晶体管超过 1400 亿个,4 位精度下算力超过 10 petaFLOPS,配备 216GB HBM3e 内存,带宽 7 TB/s。

- **成本指标**:微软称其总体拥有成本比其现有机队中最新一代硬件低 30% 以上。运行 MAI 模型时,每美元性能提升 30%,每瓦性能提升 40%。

- **对英伟达的影响**:报道指出,英伟达的高毛利率(约 73%–75%)促使云厂商自研芯片。英伟达前四大直接客户合计约占其营收的 61%,高于一年前的约 36%。

- **定位**:Maia 是对 GPU 的补充,主要用于特定工作负载,微软仍大量采购英伟达硬件。

- **后续计划**:报道称微软于 2026 年 10 月 12 日宣布 Maia 300,并计划从 2027 年起将 Azure Maia 扩展到多吉瓦级部署。

- **竞争背景**:谷歌 TPU 自 2015 年起量产,已推出第七代;亚马逊 Trainium 已到第三代;微软的 Maia 项目直到 2023 年底才产出首款实际芯片。

- **行业趋势**:预计 2026 年定制 AI 加速器出货量增长 44.6%,通用 GPU 增长 16.1%。部分分析师预测,到 2028 年英伟达在超大规模云厂商内部推理算力中的份额可能降至 20%–30%。训练仍更依赖英伟达的 CUDA 生态,推理则更容易被专用芯片替代。

- **对创业者和投资者的意义**:算力成本长期由单一厂商的利润率决定。如果主要云厂商在推理芯片上逐步自给,GPU 租赁价格的下行压力最终会传导到所有租用算力的客户。

如果需要,我可以就其中某一段提供更详细的中文解释,或帮你撰写一段对应的原创中文评论。