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
Pengelola platform Azure terus mengembangkan sistem komputasi untuk menjalankan model AI melalui rencana penerapan chip AI Maia 300. Dalam pengumuman resmi pada 12 Oktober 2026, Microsoft menargetkan penerapan produksi mulai 2027. Perangkat ini dirancang menghadapi pertumbuhan kebutuhan inferensi. Selain memperkenalkan chip baru, perusahaan menargetkan perluasan sistem Maia ke kapasitas multi-gigawatt. Strategi pengembangan ini menjadi bagian dari transformasi infrastruktur digital Microsoft. Berkat pengembangan perangkat keras internal, Microsoft menargetkan penyediaan layanan AI yang lebih efisien.
Akselerator terbaru ini adalah kelanjutan pengembangan keluarga prosesor Maia. Sebelumnya, Microsoft mengembangkan chip Maia generasi sebelumnya yang sudah digunakan dalam sebagian layanan perusahaan. Pengalaman menjalankan model AI membantu menentukan kebutuhan perangkat berikutnya. Dalam proses perancangannya, Microsoft menggunakan strategi integrasi kebutuhan model dengan arsitektur komputasi. Kerja sama lintas komponen tersebut bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Kendati rencana penerapan sudah disampaikan, operasional produksi generasi ketiga masih dijadwalkan pada 2027.
Desain Perangkat Keras Maia 300 untuk Pemrosesan Kecerdasan Buatan
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 menggunakan komponen khusus untuk perhitungan serta komunikasi data. Chiplet yang menjalankan operasi matematis diproduksi berdasarkan node semikonduktor N2P. Penggunaan desain modular ini memungkinkan pengoptimalan biaya dan skalabilitas. Meski rancangan chiplet menawarkan potensi, kinerja keseluruhan bergantung pada integrasi antarkomponen.
Untuk mendukung pemrosesan model besar, Maia 300 dirancang dengan sistem memori berkecepatan besar. Ketika digunakan dalam satu rak berkapasitas penuh, sistem menyediakan penyimpanan HBM agregat sebesar 27,6 TB. Kecepatan perpindahan data gabungan menawarkan bandwidth agregat hingga 1,7 PB/s. Perpaduan kapasitas dan bandwidth ini memungkinkan sistem menangani lebih banyak informasi selama inferensi. Di dalam arsitektur chip terdapat kemampuan pemrosesan angka dengan kebutuhan memori lebih kecil, termasuk MXFP4. Melalui representasi numerik yang lebih hemat, efisiensi pemrosesan dapat ditingkatkan pada model yang kompatibel.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Salah satu fokus pengembangan Maia 300 adalah mengoptimalkan pemrosesan model bahasa berkapasitas besar. Ketika sistem bahasa generatif dijalankan, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Ketika pengguna memberikan dokumen panjang, pemindahan data menjadi bagian penting dari proses komputasi. Untuk menjawab tantangan tersebut, Maia 300 menggunakan arsitektur inference-first. Arsitektur yang berfokus pada inferensi memanfaatkan sistem memori untuk kebutuhan model yang intensif. 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 perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Untuk memberikan gambaran, agen AI bisa mengoordinasikan beberapa pekerjaan dalam satu alur. Aktivitas bertahap semacam ini membutuhkan respons AI dalam banyak tahap. Microsoft menyiapkan arsitektur baru untuk mendukung pekerjaan agentic yang berlangsung lama. Meski kemampuan tersebut menjadi target pengembangan, efektivitasnya tetap bergantung pada perangkat lunak dan konfigurasi.
Peningkatan Kapasitas Komputasi AI dalam Infrastruktur Azure
Microsoft menargetkan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan infrastruktur GPU yang digunakan sebagai pembanding. Token merupakan bagian teks atau data yang digunakan dalam pemrosesan bahasa. Semakin banyak token yang dapat diproses dengan konsumsi energi yang sama, produktivitas perangkat keras dapat meningkat. Walaupun peningkatan tersebut menjanjikan, hasil tersebut belum menjamin peningkatan identik pada seluruh aplikasi. Untuk memahami performanya secara tepat, efisiensi perlu dievaluasi melalui penggunaan nyata.
Tidak hanya memperbaiki rasio performa terhadap daya, Maia 300 dirancang memberikan kapasitas token hingga tujuh kali lipat pada skala rak dalam pengaturan perangkat keras berkapasitas 96 akselerator. Satu rak Maia 300 menggunakan anggaran daya rak sekitar 167 kilowatt. Kapasitas tersebut memungkinkan lebih banyak permintaan diproses secara bersamaan. Peningkatan terhadap generasi sebelumnya tidak hanya berasal dari satu komponen chip. Bagi operator pusat data, peningkatan throughput dapat membantu merencanakan kapasitas. Dengan demikian, pengelolaan permintaan AI berpotensi dilakukan secara lebih ekonomis.
Strategi Penerapan Akselerator Maia 300 di Pusat Data Global
Persiapan akselerator generasi baru ditujukan untuk memperkuat infrastruktur berbagai produk perusahaan. Saat ini, Maia 200 telah mendukung pemrosesan AI pada infrastruktur Microsoft. Produk yang telah memanfaatkan generasi sebelumnya 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. Walaupun manfaat potensialnya luas, penerapan pada setiap produk mengikuti kesiapan infrastruktur.
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, distribusi daya harus dirancang secara cermat. Microsoft merancang pendekatan jaringan berbasis Ethernet yang dioptimalkan untuk AI. Rancangan jaringan tersebut memungkinkan pertukaran informasi berkecepatan tinggi. Dengan pengelolaan yang sesuai, kapasitas pusat data dapat digunakan secara lebih efektif.
Prospek Pengembangan Chip AI Microsoft untuk Pusat Data pada 2027
Rencana penerapan chip Maia 300 pada 2027 menunjukkan perkembangan strategis dalam pengembangan TEKNOLOGI pusat data. Melalui arsitektur multi-chiplet, Maia 300 dirancang untuk meningkatkan efisiensi pemrosesan. Microsoft juga menargetkan kemampuan menangani lebih banyak token dengan daya setara. Untuk mendukung penggunaan berskala besar, konfigurasi rak penuh dirancang mencapai throughput hingga tujuh kali Maia 200. Meski targetnya menjanjikan, hasil nyata memerlukan pengujian operasional setelah penerapan. Seiring meningkatnya kebutuhan komputasi, efisiensi energi dapat menjadi penentu pengembangan pusat data. Dari sudut pandang Anda, apakah akselerator AI khusus dapat membantu mengurangi biaya layanan digital? Bagikan pandangan Anda mengenai perkembangan ini.
