微软一天打出两张牌：30 万颗定制芯片和 660 美元新目标价

微软（MSFT）股价周一上涨 2%，。

两条消息在同一天抵达。披露微软将在 9 月发布下一代 Maia 300 AI 芯片，已与台积电就 2027 年交付超 30 万颗展开产能谈判。同一天，Bernstein 分析师 Mark Moerdler ，维持「跑赢大盘」评级。

一条是自研芯片从实验室走向规模量产，另一条是华尔街用真金白银投下信任票。微软的 AI 基础设施故事从此前「追赶者」的叙事，开始转向「有能力自己造」的新版本。

标杆从 647 拉到 660，只涨了 13 美元，但逻辑变了

Moerdler 这次调价幅度不大，只加了 13 美元。按周五收盘价 499.99 美元计算，660 美元的新目标价意味着约 32% 的上行空间。

Moerdler 是 TipRanks 五星分析师，在全美 12000 多名分析师中排名第 527 位。他对微软的评级准确率 86%，平均回报 26.12%。

Moerdler 的核心判断：「微软不是在建设得太快，而是在需求信号面前采取了出奇克制的节奏。」

他列出四条证据：云收入增速超数据中心面积增速；扩大的租赁义务分散在多年合同上；几乎不存在超过 12 个月的电力、冷却和硬件采购承诺；AI 需求放缓时可将产能转向 CPU 云业务。

MSFT 已，三天内市值膨胀约 674 亿美元。过去一个月涨幅 32.19%，同期标普 500 仅涨 2.46%。RSI（14）飙至 79.67，明显超买。年初至今累计涨约 5%。

并非所有人都买账。有「估值教父」之称的 Aswath Damodaran 在上周五的报告中警告，微软与 Amazon、Meta、Google「正在集体过度投资 AI」。他认为这些科技巨头在没有清晰商业模式的情况下押注 AI，「更像赌博而非投资」。

微软的回应：「我们的规模是按吉瓦算的」

面对 30 万颗芯片的订单细节，微软 Azure Maia 部门总经理 Andrew Wall ，但给了一个尺度完全不同的表述。

「我们预期 Azure Maia 的部署将以吉瓦为单位支撑 AI 工作负载需求。」一个吉瓦级别的数据中心需要数百万颗 AI 处理器才能填满。30 万颗只是中间站，微软瞄准的是百万颗级别的部署。

Wall 补充说微软「持续投资定制芯片，作为长期 AI 基础设施战略的一部分」，并称媒体报道的产量数字「没有反映我们项目的真实规模」。台积电方面未对产能谈判置评。

微软在 7 月已向投资者通报，用 Maia 200 运行 OpenAI 和内部模型，运营成本比最新英伟达芯片低 30% 到 40%。这条成本数据是整个故事的财务锚点。

两个数据中心、一封 2022 年的邮件，和一次迟到的追赶

Maia 300 声势越大，Maia 200 的窘迫越明显。

，集成超 1400 亿个晶体管，配备 216GB HBM3e 内存，支持 FP4 和 FP8 低精度计算，内置大量 SRAM 高速缓存以加速高并发推理。芯片今年 1 月正式亮相。

但据 The Information 报道，早期测试未能达到内部性能目标，导致部署延迟。截至目前，Maia 200 仅在美国两座数据中心运行，累计产量「数万颗」。

CEO Satya Nadella 的焦虑可以追溯到更早。一份 2022 年解封的法庭文件显示，他在内部邮件中抱怨微软「只是英伟达上面的一层薄皮」（a very thin layer on top of Nvidia），却要承担高昂的运营费用来托管 AI 模型。

微软的算盘很清楚：把内部 AI 工作负载逐步迁移到 Maia 芯片上，把更贵的英伟达 GPU 租给 Azure 客户变现。The Information 还提到，微软数月来一直在与 Anthropic 讨论未来采用 Maia 芯片的可能性。

但 Anthropic 本月早些时候确认，自己也在组建半导体团队，从客户变成潜在竞争对手。这条线随时可能断掉。

还有一个绕不开的瓶颈。J.P. Morgan 分析师指出，台积电 N3 工艺和 CoWoS 先进封装的产能紧张将持续到 2027 年，Maia 300 正踩在这两条线上。Azure Maia 部门能拿到多少产能，最终不取决于微软的野心，取决于台积电的分配表。

Google 年产 300 万颗 TPU，Amazon 已用 Trainium 锁定 Anthropic

把 30 万颗 Maia 300 放到同行旁边看，差距一目了然。

Google 今年预计生产超 300 万颗 TPU，2027 年目标 500 万颗。更关键的是，Google 已在最近一个季度开始计入 TPU 销售收入。Amazon 同样凶猛：近 100 万颗 Trainium2 通过 Project Rainier 集群训练和运行 Claude。下一代 Trainium3 用 3 纳米工艺，Trainium4 计划 2027 年底切到 2 纳米。

Anthropic 是这场竞赛中最忙的玩家。它同时承诺了 Amazon 的十年 Trainium 合约、Google 的百万颗 TPU 使用计划，还在跟微软谈 Maia 合作，顺带组建了自己的芯片设计团队。一个 AI 初创公司同时在四条芯片路线上押注。

英伟达的态度将在 8 月 26 日三季度财报中揭晓。届时管理层对 hyperscaler 自研芯片竞争的评论，是接下来最值得盯住的信号。

一张利润回补牌：微软真正的算盘

微软的 Maia 战略需要被重新理解。它的目标从来不是造一颗比 H200 或 B200 更强的芯片。它要建的是一条绕开英伟达定价权的成本走廊。

Maia 200 便宜 30% 到 40%，Maia 300 内部测试表现更好。微软每把一个推理负载从英伟达 GPU 搬到自家芯片上，就多收回一份利润。按美国 hyperscaler 整体 AI 资本支出推算（Benzinga 引用的数据显示，未来一年约 9160 亿美元，再下一年接近 1.2 万亿美元），即使只省下几个百分点，释放的利润空间也是真实的。

Bernstein 的看多逻辑建立在一个关键判断上：微软的产能建设「出奇克制」。Moerdler 指出，微软几乎不存在超过 12 个月的非芯片采购承诺。AI 需求真的放缓时，微软可以轻松刹车或转向。Google 和 Amazon 的 TPU、Trainium 产线一旦全速运转，停下来代价大得多。

但这套逻辑也有显而易见的脆弱面。Maia 200 从亮相到部署走了近半年，只覆盖两座数据中心。30 万颗 Maia 300 即使全数交付，放进微软整体 AI 算力池也只是一个小块。台积电的 3 纳米和 CoWoS 产线，Google 和 Amazon 同样在抢。

微软没有在颠覆英伟达。它在修正自己 2022 年就意识到、但一直没解决的失误：把整个 AI 业务架在一家供应商的成本结构上，等于签了一张空白支票。Maia 300 是微软试图把那张支票的金额填上的第一步。