微软借钱搞 AI：九年来首次发债，至少募 250 亿美元

据彭博社 10 月 29 日报道，微软计划发行美国投资级债券，至少募资 250 亿美元。这是这家全球最大软件公司时隔九年多首次重返高等级债券市场。上一次是 2017 年，分 7 档发行、募资 170 亿美元。九年之后，同样的动作，理由已经换成了人工智能。

一分钟速览

• 规模：至少 250 亿美元，尚未最终确定，可能随市场需求调整。
• 结构：最多 10 个期限档次，从 2 年到 40 年；2066 年到期的长债初始定价为较美国国债收益率最高溢价 1.35 个百分点。
• 承销：富国银行、摩根大通、瑞银集团。
• 用途：一般企业用途，包括资本开支。
• 信用：微软是仅有的两家同时获得穆迪和标普 AAA 评级的美国上市公司之一，另一家是强生。
• 行业背景：Alphabet 在 8 月 6 日刚发行 250 亿美元债券，头部云厂商集体转向债务融资。

为什么是借钱，而不是掏现金

微软不是没有钱。它刚刚交出连续十个季度创纪录的财报：单季营收 922.79 亿美元，Azure 单季收入首次以美元口径披露为 332 亿美元，来自 OpenAI 的相关收入一年约 100 亿美元。问题在于，AI 基础设施的投入节奏已经超过了经营现金流能够舒服覆盖的速度。

债券的好处是期限长、成本可预期。40 年期、溢价 1.35 个百分点的定价区间，意味着微软可以用接近主权信用的成本锁定长期资金，把当期现金流压力摊到未来十几年。对一家正在全球铺数据中心、买电、买芯片的公司来说，这比动用账上现金更划算——现金要留给回购、分红和并购的弹性。

但这笔债也是一次公开测验。市场对 AI 巨额投入能否持续的怀疑正在升温，认购倍数和最终定价，会成为观察「投资者还愿不愿意为 AI 买单」的温度计。

钱花在哪：Maia 300 与数吉瓦级推理

借来的钱，很大一部分会变成机房里的芯片。微软已经明确，从 2027 年起把 Azure Maia 系列推到数吉瓦级部署。Maia 200 目前支撑 Copilot 和 MAI 团队，年底前 GitHub Copilot 与 Microsoft Foundry 也将接入，芯片已部署在美国、欧洲和澳大利亚；在 Teams 和 Copilot 的内置 AI 功能中，Maia 200 每瓦可处理的 Token 数量最高可达领先 GPU 基础设施的 1.7 倍。

Maia 300 则是为推理而生：每颗加速器 8 组 HBM4 堆栈、288GB 容量、18TB/s 带宽、950W 热设计功耗；一个机架装 96 颗，总功耗 167kW，机架级 HBM 容量 27.6TB、聚合带宽 1.7PB/s。计算 Chiplet 采用台积电 N2P 工艺，内存控制器与 I/O 独立成片，官方称计算 FLOPs 提升 36%，内存带宽达到 Maia 200 的 2.5 倍。

网络设计是这套方案里最有取舍意味的部分：微软用一套基于以太网的定制 AI 传输机制，把纵向扩展和横向扩展合成一个 Fabric，加速器可以直接与 Superpod 内任意对等节点通信，无需经过主机或独立网卡；二级光交换可把最多 128 个机架连成 12288 颗加速器的 Superpod。Prefill 与 Decode 节点可以分别定规模，KV 状态通过同一套 Fabric 直接传给 Decode 节点。

官方给出的效率数字是：与领先 GPU 系统相比，每兆瓦处理的 Token 数量提高 40%，机架级 Token 吞吐最高可达对比系统的七倍，每瓦性能超过 Maia 200 的 2.5 倍。

质疑：每瓦 Token 数是个好指标吗

争议恰恰出在这个指标上。有从业者直言，「每瓦 Token 数」是个荒谬的度量：Token 没有统一定义，Token 数量与计算量之间也不存在普遍适用的换算关系，而且这种指标天然奖励冗长的输出。还有人从量纲角度发问：是不是应该用「每瓦每秒 Token 数」或「每千瓦时 Token 数」？

正在开发竞品推理加速器的 UBIQS 创始人 Vinay Bansal 则把问题指向测试负载：多 40% 的 Token，是在多长的上下文下测出来的？持续运行的多步骤 Agent 任务上下文很长，工作记忆随步骤增长，真正的瓶颈是内存而不是算力——而这次发布最受关注的规格，恰恰也是内存。微软并未公布作为对比对象的具体 GPU 系统。

趋势：算力竞争进入「融资能力」阶段

当模型能力的边际提升越来越贵，竞争的关键词就从「谁买得到卡」变成「谁能以更低的资金成本买到卡」。微软用 AAA 评级发长债，谷歌用股权融资加债券组合，本质上都是在把 AI 资本开支金融化。

这条路能走多远，取决于两件事：推理需求能否持续兑现成收入，以及每瓦效率能否真的被第三方复现。前者决定债能不能还，后者决定电费和机架空间能不能省下来。对国内厂商而言，这也是一个提醒——算力账最终要落在单位 Token 的成本上，而不是发布会上的峰值数字。