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.
Microsoft Mengumumkan Rencana Pengembangan Azure Maia 300 pada 2027
Perusahaan teknologi Microsoft semakin memperkuat investasi dalam infrastruktur kecerdasan buatan melalui pengembangan Azure Maia 300. Berdasarkan informasi yang disampaikan perusahaan, Microsoft menargetkan penerapan produksi mulai 2027. Perangkat ini dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Tidak hanya mengembangkan akselerator generasi berikutnya, perusahaan mengumumkan rencana ekspansi hingga skala beberapa gigawatt. Langkah tersebut menunjukkan pentingnya komputasi khusus dalam layanan AI. Berkat pengembangan perangkat keras internal, Microsoft berupaya meningkatkan kendali atas biaya operasional.
Chip Maia 300 menjadi generasi ketiga dari program pengembangan chip AI Microsoft. Dalam perjalanan program tersebut, Microsoft telah menghadirkan Maia 200 yang telah mendukung pengoperasian sistem AI Microsoft. Pengalaman menjalankan model AI membantu menentukan kebutuhan perangkat berikutnya. Microsoft juga menerapkan strategi integrasi kebutuhan model dengan arsitektur komputasi. Kerja sama lintas komponen tersebut membantu menentukan prioritas memori dan bandwidth. Walaupun demikian, Maia 300 belum memasuki penggunaan produksi pada Oktober 2026.
Spesifikasi dan Arsitektur Azure Maia 300 untuk Komputasi AI Modern
Azure Maia 300 menggunakan desain prosesor dengan beberapa chiplet. Tidak seperti desain yang menyatukan seluruh fungsi dalam satu bagian besar, desain modular membagi komponen berdasarkan tugas. Untuk generasi terbaru ini, Microsoft memisahkan fungsi komputasi, pengendali memori, dan input-output. Bagian komputasinya dibangun menggunakan teknologi TSMC N2P. Strategi arsitektur tersebut memungkinkan pengoptimalan biaya dan skalabilitas. Walaupun arsitektur modular memiliki keunggulan, hasil operasional tetap dipengaruhi perangkat lunak dan sistem pendukung.
Selain pembaruan arsitektur, Maia 300 dirancang dengan sistem memori berkecepatan besar. Pada sistem yang terdiri atas 96 akselerator, tersedia total memori HBM sebesar 27,6 TB. Kapasitas transfer informasi pada seluruh akselerator mencapai 1,7 PB per detik. Susunan memori berkecepatan tinggi tersebut membantu mengurangi hambatan akses parameter. Perusahaan turut menyediakan optimalisasi komputasi melalui format data yang lebih ringkas, termasuk MXFP4. Berkat dukungan presisi rendah, kebutuhan memori untuk operasi tertentu dapat dikurangi.
Cara Maia 300 Mendukung Pemrosesan AI dengan Konteks Panjang
Prioritas utama sistem komputasi generasi ketiga adalah menangani inferensi dengan konteks panjang. Ketika sistem bahasa generatif dijalankan, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Saat aplikasi AI menerima konteks berukuran besar, sistem membutuhkan pengelolaan informasi yang lebih kompleks. Dalam rancangan yang diumumkan Microsoft, Maia 300 dirancang berdasarkan kebutuhan pemrosesan model saat digunakan. Strategi pemrosesan ini memanfaatkan sistem memori untuk kebutuhan model yang intensif. Berkat pengaturan sumber daya yang lebih terarah, pemrosesan konteks panjang berpotensi berlangsung lebih efisien.
Selain kebutuhan model bahasa, Microsoft merancang Maia 300 untuk sistem AI agent. AI agent merupakan perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Dalam aktivitas profesional, agen AI dapat membantu meneliti informasi lalu menyusun laporan. Tugas tersebut sering memerlukan interaksi model secara berulang. Microsoft menyiapkan arsitektur baru untuk mendukung pekerjaan agentic yang berlangsung lama. Namun demikian, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Perbandingan Kinerja Azure Maia 300 dengan Maia 200 dan Sistem GPU
Dalam pengumuman resminya, perusahaan memperkirakan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan sistem berbasis GPU terkemuka. Token merupakan satuan pemrosesan yang dipakai sistem kecerdasan buatan. Semakin banyak token yang dapat diproses dengan konsumsi energi yang sama, penggunaan sumber daya bisa menjadi lebih optimal. Walaupun peningkatan tersebut menjanjikan, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Untuk memahami performanya secara tepat, hasil pengujian harus dilihat berdasarkan konfigurasi sistem.
Di samping peningkatan keluaran per megawatt, Maia 300 dirancang memberikan kapasitas token hingga tujuh kali lipat pada skala rak dalam pengaturan perangkat keras berkapasitas 96 akselerator. Sistem komputasi berbasis 96 akselerator menggunakan anggaran daya rak sekitar 167 kilowatt. Kapasitas tersebut ditujukan untuk menangani volume interaksi AI yang besar. Perbandingan dengan Maia 200 melibatkan perbaikan arsitektur, memori, serta komunikasi antarakselerator. Bagi operator pusat data, kemampuan memproses lebih banyak permintaan menjadi faktor penting. Berkat rancangan sistem yang lebih besar, Microsoft berupaya menambah kapasitas layanan tanpa peningkatan sumber daya yang sebanding.
Rencana Penggunaan Azure Maia 300 dalam Copilot dan Layanan Microsoft
Rencana perluasan sistem Azure Maia berkaitan langsung dengan kebutuhan layanan AI Microsoft. Pada tahap pengembangan Oktober 2026, Maia 200 sudah digunakan untuk sebagian layanan perusahaan. Salah satu contoh penggunaannya adalah Microsoft Copilot. Dalam perluasan layanan, Microsoft merencanakan pemanfaatan Maia bagi GitHub Copilot dan Microsoft Foundry. Dengan kehadiran generasi ketiga, sistem AI dapat dikembangkan untuk menangani lebih banyak interaksi. Meski arah pengembangannya telah ditetapkan, integrasi operasional bergantung pada tahapan distribusi perangkat keras.
Microsoft juga menyiapkan, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Skala tersebut menunjukkan kebutuhan infrastruktur listrik dan pendinginan yang signifikan. Untuk menjaga kelangsungan layanan, konektivitas antarakselerator perlu memiliki kapasitas tinggi. Maia 300 menggunakan transportasi data khusus di atas infrastruktur Ethernet. Pendekatan tersebut memungkinkan pertukaran informasi berkecepatan tinggi. 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 optimalisasi TEKNOLOGI cloud berbasis AI. Dengan rancangan yang memisahkan fungsi komputasi dan memori, Maia 300 berupaya memperbaiki kapasitas inferensi. Dalam pengumuman resminya, Microsoft mengharapkan efisiensi pemrosesan token yang lebih tinggi dibandingkan GPU pembanding. Selain itu, konfigurasi rak penuh dirancang mencapai throughput hingga tujuh kali Maia 200. Walaupun demikian, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Melalui investasi jangka panjang ini, efisiensi energi dapat menjadi penentu pengembangan pusat data. Menurut Anda, apakah Azure Maia 300 mampu memperkuat posisi Microsoft dalam industri AI? Ceritakan pemikiran Anda mengenai strategi infrastruktur Microsoft.
