Microsoft mengumumkan pengembangan Azure Maia 300 sebagai akselerator kecerdasan buatan generasi terbaru yang dijadwalkan mulai digunakan pada 2027. Dalam pengumuman pada 12 Oktober 2026, perusahaan menjelaskan rencana perluasan infrastruktur Azure Maia hingga kapasitas beberapa gigawatt untuk mendukung permintaan komputasi AI yang terus meningkat. Chip terbaru ini dirancang untuk meningkatkan efisiensi pemrosesan model bahasa, penalaran kompleks, dan sistem AI agent. Perkembangan TEKNOLOGI tersebut menjadi bagian dari strategi Microsoft dalam membangun infrastruktur komputasi yang lebih hemat energi, memiliki kapasitas lebih besar, serta mampu mendukung berbagai layanan digital berbasis kecerdasan buatan.
Azure Maia 300 Menjadi Bagian dari Ekspansi Infrastruktur AI Microsoft
Perusahaan teknologi Microsoft semakin memperkuat investasi dalam infrastruktur kecerdasan buatan melalui rencana penerapan chip AI Maia 300. Berdasarkan informasi yang disampaikan perusahaan, Microsoft menjadwalkan pengoperasian generasi baru tersebut pada 2027. Sistem komputasi generasi ketiga ini ditujukan untuk meningkatkan kapasitas pemrosesan kecerdasan buatan. Di samping menyiapkan perangkat keras terbaru, perusahaan menargetkan perluasan sistem Maia ke kapasitas multi-gigawatt. Strategi pengembangan ini memperlihatkan kebutuhan kapasitas pusat data yang semakin tinggi. Melalui strategi jangka panjang tersebut, Microsoft menargetkan penyediaan layanan AI yang lebih efisien.
Akselerator terbaru ini adalah kelanjutan pengembangan keluarga prosesor Maia. Pada tahap pengembangan terdahulu, Microsoft memperkenalkan akselerator Maia 200 yang mulai menjalankan beban kerja produksi pada 2026. Pengalaman menjalankan model AI digunakan untuk mengoptimalkan desain Maia 300. Microsoft juga menerapkan kolaborasi antara pengembang perangkat keras dan perangkat lunak. Pendekatan pengembangan ini bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Kendati rencana penerapan sudah disampaikan, implementasi produksi chip terbaru tetap menjadi rencana tahun berikutnya.
Desain Perangkat Keras Maia 300 untuk Pemrosesan Kecerdasan Buatan
Azure Maia 300 menggunakan desain prosesor dengan beberapa chiplet. Dibandingkan pendekatan prosesor tunggal yang lebih konvensional, sistem mengelompokkan unit pemrosesan dalam bagian tersendiri. Pada Maia 300, Microsoft membagi unit pemrosesan, kontrol memori, dan konektivitas. Bagian komputasinya diproduksi berdasarkan node semikonduktor N2P. Penggunaan desain modular ini membantu menyesuaikan fungsi chip dengan kebutuhan teknis. Walaupun arsitektur modular memiliki keunggulan, manfaat akhirnya memerlukan pengujian pada beban kerja nyata.
Di samping penggunaan chiplet, Maia 300 mengintegrasikan memori dengan bandwidth tinggi. Dalam satu konfigurasi rak lengkap, sistem menyediakan penyimpanan HBM agregat sebesar 27,6 TB. Kapasitas transfer informasi pada seluruh akselerator mencapai 1,7 PB per detik. Perpaduan kapasitas dan bandwidth ini membantu mengurangi hambatan akses parameter. Microsoft juga mengembangkan dukungan format numerik berpresisi rendah, termasuk MXFP4. Dengan penggunaan format tersebut, jumlah data yang harus dipindahkan berpotensi menjadi lebih kecil.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Salah satu fokus pengembangan Maia 300 adalah mendukung penggunaan AI yang membutuhkan informasi panjang. Ketika sistem bahasa generatif dijalankan, pemrosesan inferensi digunakan untuk menjawab permintaan pengguna. Ketika pengguna memberikan dokumen panjang, pemindahan data menjadi bagian penting dari proses komputasi. Sebagai bagian dari pengoptimalannya, Maia 300 memprioritaskan karakteristik pekerjaan inferensi. Strategi pemrosesan ini mencakup optimalisasi penyimpanan konteks dan aliran data. Berkat pengaturan sumber daya yang lebih terarah, layanan AI memperoleh dukungan komputasi untuk permintaan kompleks.
Di samping pemrosesan konteks panjang, Microsoft mengoptimalkan akselerator bagi tugas agen kecerdasan buatan. Istilah AI agent mengacu pada teknologi yang menggabungkan penalaran dengan penggunaan alat digital. Sebagai contoh, agen AI dapat membantu meneliti informasi lalu menyusun laporan. Tugas tersebut membutuhkan respons AI dalam banyak tahap. Maia 300 dirancang untuk menangani interaksi AI dengan beberapa tahapan. Namun demikian, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Peningkatan Kapasitas Komputasi AI dalam Infrastruktur Azure
Microsoft menargetkan peningkatan produksi token sebesar 40 persen pada penggunaan daya setara dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Dalam sistem model bahasa, token adalah unit informasi yang diproses oleh model AI. Apabila jumlah token yang dihasilkan meningkat dengan konsumsi energi yang sama, penggunaan sumber daya bisa menjadi lebih optimal. Namun demikian, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Oleh sebab itu, efisiensi perlu dievaluasi melalui penggunaan nyata.
Selain target efisiensi energi, Maia 300 dirancang memberikan kapasitas token hingga tujuh kali lipat pada skala rak dalam sistem rak penuh dengan 96 chip. Konfigurasi penuh tersebut memiliki rancangan konsumsi daya sebesar 167 kW. Rancangan berdaya tinggi tersebut ditujukan untuk menangani volume interaksi AI yang besar. Perbandingan dengan Maia 200 melibatkan perbaikan arsitektur, memori, serta komunikasi antarakselerator. Dalam pengelolaan infrastruktur digital, kepadatan komputasi memengaruhi penggunaan ruang dan energi. Melalui peningkatan tersebut, Microsoft berupaya menambah kapasitas layanan tanpa peningkatan sumber daya yang sebanding.
Rencana Penggunaan Azure Maia 300 dalam Copilot dan Layanan Microsoft
Pengembangan Maia 300 berkaitan langsung dengan kebutuhan layanan AI Microsoft. Saat ini, Maia 200 telah menjalankan beban kerja produksi Microsoft. Produk yang telah memanfaatkan generasi sebelumnya adalah Microsoft Copilot. Dalam perluasan layanan, Microsoft mempersiapkan sistem komputasi bagi layanan pengembangan perangkat lunak dan model AI. Melalui Maia 300, layanan dengan kebutuhan komputasi besar memperoleh dukungan tambahan. Meski arah pengembangannya telah ditetapkan, penerapan pada setiap produk mengikuti kesiapan infrastruktur.
Sebagai bagian dari perluasan pusat data, penerapan Azure Maia pada skala multi-gigawatt mulai 2027. Rencana kapasitas energi ini menggambarkan besarnya investasi pusat data yang diperlukan. Untuk menjaga kelangsungan layanan, sistem pendinginan dan jaringan menjadi komponen penting. Akselerator generasi baru tersebut memanfaatkan pendekatan jaringan berbasis Ethernet yang dioptimalkan untuk AI. Rancangan jaringan tersebut bertujuan menghubungkan komputasi dalam satu rak hingga skala pusat data. Berkat koordinasi perangkat keras serta infrastruktur, sistem berpotensi menangani model yang lebih kompleks.
Masa Depan Teknologi Komputasi Microsoft melalui Maia 300
Rencana penerapan chip Maia 300 pada 2027 memperlihatkan arah investasi baru dalam pengembangan TEKNOLOGI pusat data. Dengan rancangan yang memisahkan fungsi komputasi dan memori, Maia 300 ditargetkan mendukung model AI yang lebih kompleks. Perusahaan memperkirakan peningkatan keluaran token sebesar 40 persen per megawatt. Di samping target efisiensi tersebut, sistem 96 akselerator ditargetkan memiliki keluaran token hingga tujuh kali generasi sebelumnya. Walaupun demikian, hasil nyata memerlukan pengujian operasional setelah penerapan. Melalui investasi jangka panjang ini, efisiensi energi dapat menjadi penentu pengembangan pusat data. Bagaimana pendapat Anda, apakah akselerator AI khusus dapat membantu mengurangi biaya layanan digital? Ceritakan pemikiran Anda mengenai strategi infrastruktur Microsoft.
