微軟（Microsoft）發表第三代自研人工智慧（AI）晶片 Maia 300，預計於明年展開大規模部署，數量可能突破百萬顆。這項大規模硬體升級計畫不僅用於支援微軟內部的各項服務，也展現各大雲端巨頭積極透過自主研發晶片來控制成本、提升系統效能的趨勢。
採用小晶片架構 靈活整合先進製程
在技術架構上，Maia 300 採用了小晶片（Chiplet）模組化設計，與傳統單一大型晶片的製造方式有所不同。這款晶片將負責核心運算的主要單元交由台積電（TSMC）先進的 2 奈米（nm）製程生產，而負責傳輸資料與連結系統的其他模組，則選用成本相對較低且成熟的 3 奈米製程。
透過將不同功能的小晶片拼裝組合，微軟得以在追求頂級效能的同時，合理控制生產成本。這類客製化設計的主要任務，包含處理各類複雜的人工智慧運算、自動化程式設計，以及執行多樣化的企業級雲端應用服務。
提升電力運算效益 優化雲端伺服器效能
除了晶片架構創新之外，硬體運行的能源效率更是當前伺服器機房關注的焦點。Maia 300 規劃配置於每座搭載 96 顆晶片的伺服器機櫃中，整體運作功耗約為 167 千瓦（kW）。
根據測試數據顯示，Maia 300 在單位電力所產生的有效運算量表現優異，能為整體雲端系統帶來更高的能量轉換效率。這項優勢有助於資料中心在大幅擴充 AI 算力的同時，降低營運所需的電力開支與設備成本，達成更加經濟實惠的運算規模。
給家長與老師
許多學生在學習程式或資訊科學時，容易將焦點僅放在「編寫程式碼」或「訓練 AI 模型」等軟體層面。然而，微軟發表自研晶片的事件告訴我們，真正的科技創新來自於「軟硬體高度整合」。了解硬體運算極限與能源消耗，是未來頂尖資訊人才不可或缺的思維方式。
家長與老師在引導孩子學習 STEM（科學、技術、工程、數學）領域時，可以透過此新聞協助學生建立整體系統思維（Systems Thinking）。例如引導孩子思考：為什麼演算法越複雜，需要的晶片與電力就越多？如何透過硬體設計來幫助軟體跑得更快、更省電？這能幫助孩子明白，寫程式不只是邏輯思考，還牽涉到物理、半導體與材料科學的跨領域應用，從而激發對資訊工程與硬體科學的深層興趣。
學習小教室
- 人工智慧晶片（AI Chip）：專為處理人工智慧演算法（如深度學習、大量矩陣運算）而設計的特殊積體電路。與通用型的中央處理器（CPU）相比，AI 晶片能以更快速度處理大量的平行資料。
- 小晶片（Chiplet）：一種晶片封裝技術。概念就像堆積木，將一個龐大的晶片拆解成多個功能獨立的小晶片，分別製造後再封裝在一起。這樣能提高良率、降低生產成本，並能彈性結合不同的半導體製程。
- 半導體製程（2 奈米 / 3 奈米）：指晶片上電晶體特徵尺寸的製造精細度，單位為奈米（nm）。數字越小代表電晶體越小、密度越高，在相同晶片面積下能提供更高效能並降低耗電量。
常見問題
微軟為什麼要自己開發人工智慧晶片？
微軟自研晶片能量身打造最適合自家軟體與雲端服務的硬體，不僅能提升運算與能源效率，還能降低營運成本並減少對單一供應商的依賴。
什麼是小晶片（Chiplet）技術？有什麼好處？
小晶片是將大晶片拆解成多個小模組分別製造再拼裝的技術。好處是能針對關鍵部位使用最高階製程，次要部位使用成熟製程，藉此降低製造成本並提升良率。
這項科技發展對中小學生的 STEM 學習有何啟示？
這顯示未來資訊科技不只偏重軟體開發，軟硬體整合與能源效率（綠色算力）同樣關鍵，學生可以多接觸跨領域的科學與工程知識。