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 sistem komputasi untuk menjalankan model AI melalui persiapan akselerator Maia generasi ketiga. Berdasarkan informasi yang disampaikan perusahaan, Microsoft merencanakan penggunaan Maia 300 pada tahun 2027. Sistem komputasi generasi ketiga ini dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Di samping menyiapkan perangkat keras terbaru, perusahaan merencanakan penggunaan infrastruktur Maia dalam skala energi sangat besar. Strategi pengembangan ini menunjukkan pentingnya komputasi khusus dalam layanan AI. 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. Informasi dari penggunaan Maia 200 digunakan untuk mengoptimalkan desain Maia 300. Perusahaan mengandalkan strategi integrasi kebutuhan model dengan arsitektur komputasi. Kerja sama lintas komponen tersebut bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Meskipun arah pengembangannya telah diumumkan, implementasi produksi chip terbaru tetap menjadi rencana tahun berikutnya.
Spesifikasi dan Arsitektur Azure Maia 300 untuk Komputasi AI Modern
Azure Maia 300 menggunakan desain prosesor dengan beberapa chiplet. Berbeda dari rancangan monolitik, desain modular membagi komponen berdasarkan tugas. Pada Maia 300, Microsoft memisahkan fungsi komputasi, pengendali memori, dan input-output. Chiplet yang menjalankan operasi matematis memanfaatkan proses fabrikasi N2P dari TSMC. Strategi arsitektur tersebut memungkinkan pengoptimalan biaya dan skalabilitas. Namun demikian, kinerja keseluruhan bergantung pada integrasi antarkomponen.
Di samping penggunaan chiplet, Maia 300 dirancang dengan sistem memori berkecepatan besar. Pada sistem yang terdiri atas 96 akselerator, 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 mendukung pemrosesan model dengan kebutuhan data besar. Microsoft juga mengembangkan dukungan format numerik berpresisi rendah, termasuk MXFP4. Melalui representasi numerik yang lebih hemat, jumlah data yang harus dipindahkan berpotensi menjadi lebih kecil.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Prioritas utama sistem komputasi generasi ketiga adalah mengoptimalkan pemrosesan model bahasa berkapasitas besar. Pada proses pengoperasian model AI, pemrosesan inferensi digunakan untuk menjawab permintaan pengguna. 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. Arsitektur yang berfokus pada inferensi mendukung pengelolaan cache serta perpindahan informasi. Melalui rancangan tersebut, sistem dapat menangani informasi berukuran besar secara lebih optimal.
Tidak hanya mendukung percakapan AI, Microsoft mengoptimalkan akselerator bagi tugas agen kecerdasan buatan. Istilah AI agent mengacu pada sistem AI yang menyusun dan melaksanakan rangkaian tugas. Sebagai contoh, agen AI dapat membantu meneliti informasi lalu menyusun laporan. Proses yang melibatkan beberapa tindakan membutuhkan respons AI dalam banyak tahap. Akselerator generasi baru tersebut dikembangkan untuk mengoptimalkan tugas yang membutuhkan pemrosesan berulang. Meski kemampuan tersebut menjadi target pengembangan, performa aktual memerlukan evaluasi operasional.
Peningkatan Kapasitas Komputasi AI dalam Infrastruktur Azure
Berdasarkan rancangan sistem terbaru, Microsoft mengharapkan efisiensi keluaran AI mencapai 40 persen lebih tinggi per megawatt dibandingkan infrastruktur GPU yang digunakan sebagai pembanding. Token merupakan satuan pemrosesan yang dipakai sistem kecerdasan buatan. Apabila jumlah token yang dihasilkan meningkat dengan konsumsi energi yang sama, produktivitas perangkat keras dapat meningkat. Namun demikian, hasil tersebut belum menjamin peningkatan identik pada seluruh aplikasi. Oleh sebab itu, hasil pengujian harus dilihat berdasarkan konfigurasi sistem.
Di samping peningkatan keluaran per megawatt, Maia 300 ditargetkan mencapai throughput token hingga tujuh kali Maia 200 dalam konfigurasi rak berisi 96 akselerator. Konfigurasi penuh tersebut beroperasi dalam batas daya sekitar 167 kilowatt. Susunan komputasi ini membantu meningkatkan kepadatan komputasi dalam pusat data. Peningkatan terhadap generasi sebelumnya mencerminkan optimalisasi sistem secara menyeluruh. Bagi operator pusat data, kemampuan memproses lebih banyak permintaan menjadi faktor penting. Berkat rancangan sistem yang lebih besar, pengelolaan permintaan AI berpotensi dilakukan secara lebih ekonomis.
Rencana Penggunaan Azure Maia 300 dalam Copilot dan Layanan Microsoft
Rencana perluasan sistem Azure Maia berkaitan langsung dengan kebutuhan layanan AI Microsoft. Saat ini, Maia 200 telah menjalankan beban kerja produksi Microsoft. Salah satu contoh penggunaannya adalah Microsoft Copilot. Dalam perluasan layanan, Microsoft menargetkan dukungan infrastruktur pada berbagai produk AI. Melalui Maia 300, layanan dengan kebutuhan komputasi besar memperoleh dukungan tambahan. Namun demikian, integrasi operasional bergantung pada tahapan distribusi perangkat keras.
Sebagai bagian dari perluasan pusat data, ekspansi kapasitas komputasi hingga beberapa gigawatt mulai 2027. Rencana kapasitas energi ini menunjukkan kebutuhan infrastruktur listrik dan pendinginan yang signifikan. Dalam operasional pusat data, sistem pendinginan dan jaringan menjadi komponen penting. Maia 300 menggunakan transportasi data khusus di atas infrastruktur Ethernet. Pendekatan tersebut mendukung koordinasi banyak akselerator. Melalui integrasi jaringan dan komputasi, sistem berpotensi menangani model yang lebih kompleks.
Prospek Pengembangan Chip AI Microsoft untuk Pusat Data pada 2027
Persiapan Azure Maia 300 memperlihatkan arah investasi baru dalam pengembangan TEKNOLOGI pusat data. Melalui arsitektur multi-chiplet, Maia 300 dirancang untuk meningkatkan efisiensi pemrosesan. Perusahaan memperkirakan efisiensi pemrosesan token yang lebih tinggi dibandingkan GPU pembanding. Selain itu, kapasitas pemrosesan pada skala rak diproyeksikan meningkat secara signifikan. Walaupun demikian, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Seiring meningkatnya kebutuhan komputasi, chip khusus berpotensi semakin penting dalam layanan AI. Menurut Anda, apakah pengembangan chip internal akan mengubah persaingan komputasi cloud? Sampaikan pendapat Anda tentang masa depan chip AI.
