30 秒看重點

  • 微軟 10 月 12 日發表第三代自研 AI 晶片 Maia 300，單顆 288 GB HBM4 記憶體、由台積電 N2P 製程生產，2027 年開始大規模部署，主要跑 Microsoft 365 Copilot 這類自家服務。
  • 據《華爾街日報》報導，亞馬遜正洽談以約 70 億美元收購以色列 AI 新創 Decart，這家公司 5 月的估值還不到 40 億美元，交易目前尚未定案。
  • 哈佛研究追蹤 718 家公司後發現，導入 AI 寫程式的代理工具後程式碼量多了約 30%，但完成的功能數量沒有顯著增加，程式碼審查時間反而拉長 49%。

微軟 Maia 300 是什麼？能取代輝達 GPU 嗎？

Maia 300 是微軟第三代自研 AI 加速晶片，專門負責推論，目標是讓自家 AI 服務少依賴輝達。 短期內還取代不了，微軟自己的 Copilot 目前大部分仍跑在輝達晶片上。

事情是這樣的，大家每天用 Copilot 問問題、改簡報，背後都要有一台機器幫你把答案算出來，這筆電費跟晶片錢一直是付給輝達的。微軟這次把規格攤開：每顆晶片 288 GB HBM4 記憶體、頻寬 18 TB/s；一整櫃塞 96 顆，耗電約 167 千瓦。根據路透的比較，輝達最新 GB300 機櫃是 72 顆 GPU、約 142 千瓦。

微軟宣稱每百萬瓦電力能多產出 40% 的 Token，但沒講是跟哪一套 GPU 系統比 球員兼裁判的數字聽聽就好。另外別忘了，上一代 Maia 200 曾因早期測試沒達標而延遲，截至上個月底，Maia 晶片也只在美國兩座資料中心使用。

名詞小教室：推論（Inference）就是 AI 訓練完之後「上工回答你」的階段。訓練像考前 K 書，推論像每天上班接案子，案子越多電費越可觀，所以大廠都想自己做省電的晶片。想看完整解釋可以讀AI 推論是什麼。

對台灣來說最直接的是台積電。多家媒體引述路透與 The Information 報導，微軟正跟台積電談 2027 年超過 30 萬顆 Maia 300 的產能。

亞馬遜為什麼要花 70 億美元買 Decart？

據《華爾街日報》10 月 11 日報導，亞馬遜正洽談以約 70 億美元收購 Decart，主要看上它能讓 AI 更容易在不同晶片之間切換。 雙方還沒簽約，報導也提醒談判可能隨時破局。

Decart 是 2023 年由以色列工程師 Dean 與 Orian Leitersdorf 兄弟和 Moshe Shalev 創立，做的是即時影片生成與「世界模型」，另外還有一套讓開發者在不同 AI 晶片之間換來換去的軟體。今年 5 月它的估值還不到 40 億美元，累計從紅杉資本、Benchmark 等創投募得超過 4 億美元。

老實講，亞馬遜的算盤不難猜。它 2025 年就讓 Decart 搶先使用自家 Trainium3 晶片，現在乾脆整間買下來，等於幫 Trainium 找一個「換晶片不痛」的轉接頭。

這筆交易的劇情也很八點檔（誤）。報導指出，輝達跟 Anthropic 先前都跟 Decart 談過收購，最後都沒談成，現在輪到亞馬遜上場。

AI 寫程式的代理工具真的讓工程師變快了嗎？

哈佛經濟學者 Fiona Chen 與 James Stratton 的研究顯示，AI 寫程式的代理工具讓程式碼變多了，但完成的功能並沒有變多。 這份論文還沒經過同儕審查，這陣子在工程圈被大量轉傳。

研究用工程分析平台 Jellyfish 的資料，追蹤 718 家公司從 2021 年 1 月到 2026 年 3 月的工作紀錄。導入 AI 代理後，程式碼行數平均多 30%、commit 多 20%、PR（程式碼合併請求）多 23%。可是在 Jira 上追蹤的功能與議題完成率，沒有統計上顯著的變化。

那多出來的時間跑去哪了？答案是審查。一個 PR 從送出到合併的時間平均多了 3.45 天，比原本的 7.03 天拉長 49%，每個 PR 的審查留言也多了 35%。

名詞小教室：AI 代理（AI Agent）就像一個拿到鑰匙的鐘點幫手，你交代目標，它自己動手做。寫程式的 AI 代理會自己改檔案、送 PR，但最後還是要有人類工程師檢查。想看完整解釋可以讀AI Agent 是什麼。

說白了就是 AI 很會出作業，改作業的老師卻還是那幾個人 QQ

編輯觀點：大家都在搶「換掉輝達」的門票

把三則新聞放在一起看，會發現一條很清楚的線：AI 最貴的地方已經從「訓練一次」移到「每天回答」。

微軟做 Maia 300、亞馬遜買 Decart，目的都一樣，把推論這筆每天都要付的帳單從輝達手上拿回來。差別在微軟從硬體下手，亞馬遜則是先買「讓軟體不綁死在某家晶片上」的能力。我自己覺得亞馬遜這招比較聰明，因為晶片做得再好，開發者不想搬家也沒用，輝達真正的護城河一直是軟體生態。

哈佛那份研究乍看跟晶片沒關係，但道理相通。AI 產出越來越便宜，瓶頸就跑到人身上，程式碼多了 3 成，審查的人卻沒有多。

對台灣讀者來說有兩個重點。第一，不管誰贏，晶片大多還是台積電在做，這場「去輝達化」對台灣供應鏈不見得是壞消息。第二，如果你的團隊正在導入 AI 寫程式，先把 code review 流程顧好，比再多買一套工具有用。

明天值得關注

微軟表示 Maia 300 的更多細節會在下個月的 Ignite 大會公布；亞馬遜與 Decart 的談判能不能在這次成交，也值得繼續追。

常見問題 FAQ

微軟 Maia 300 是什麼？什麼時候上線？

微軟 Maia 300 是微軟在 2026 年 10 月 12 日發表的第三代自研 AI 晶片，專門用於推論，由台積電 N2P 製程生產，預計 2027 年開始大規模部署在微軟資料中心。

Decart 是什麼公司？

Decart 是 2023 年在以色列創立的 AI 新創，專做即時影片生成與世界模型，也開發讓 AI 在不同晶片之間切換的軟體。據《華爾街日報》報導，亞馬遜正洽談以約 70 億美元收購它。

用 AI 寫程式會讓開發變快嗎？

哈佛研究分析 718 家公司後發現，導入 AI 代理工具後程式碼量增加約 30%，但功能完成率沒有顯著提升，因為程式碼審查時間拉長了 49%，產能被卡在審查環節。

整理一下今天的重點：大廠都在想辦法少付輝達一點錢，可是 AI 寫的程式碼越來越多，真正卡關的還是人。

希望這篇快報有讓你掌握今天的 AI 動向哩～如果這篇有幫到你，歡迎分享給同樣在追 AI 趨勢的朋友。

我們明天見囉～

本快報由 Array 報報 AI 編輯部根據上方引用來源整理，每日 08:00 自動發佈。