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
Microsoft terus memperluas kemampuan pusat data berbasis AI melalui rencana penerapan chip AI Maia 300. Berdasarkan informasi yang disampaikan perusahaan, Microsoft menargetkan penerapan produksi mulai 2027. Akselerator terbaru tersebut dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Tidak hanya mengembangkan akselerator generasi berikutnya, perusahaan menargetkan perluasan sistem Maia ke kapasitas multi-gigawatt. Rencana perluasan tersebut memperlihatkan kebutuhan kapasitas pusat data yang semakin tinggi. Berkat pengembangan perangkat keras internal, Microsoft ingin mengoptimalkan pemanfaatan energi komputasi.
Akselerator terbaru ini adalah penerus perangkat keras khusus dalam lini Azure Maia. Pada tahap pengembangan terdahulu, Microsoft mengembangkan chip Maia generasi sebelumnya yang sudah digunakan dalam sebagian layanan perusahaan. Informasi dari penggunaan Maia 200 membantu menentukan kebutuhan perangkat berikutnya. Dalam proses perancangannya, Microsoft menggunakan kolaborasi antara pengembang perangkat keras dan perangkat lunak. Pendekatan pengembangan ini bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Walaupun demikian, operasional produksi generasi ketiga masih dijadwalkan pada 2027.
Teknologi Chiplet dan Memori HBM4 pada Microsoft Maia 300
Chip terbaru dalam keluarga Maia memanfaatkan arsitektur multi-chiplet. Dibandingkan pendekatan prosesor tunggal yang lebih konvensional, sistem mengelompokkan unit pemrosesan dalam bagian tersendiri. Untuk generasi terbaru ini, Microsoft memisahkan fungsi komputasi, pengendali memori, dan input-output. Komponen utama untuk pemrosesan AI memanfaatkan proses fabrikasi N2P dari TSMC. Penggunaan desain modular ini ditujukan untuk meningkatkan efisiensi performa terhadap daya. Namun demikian, hasil operasional tetap dipengaruhi perangkat lunak dan sistem pendukung.
Di samping penggunaan chiplet, Maia 300 menghadirkan kapasitas memori yang tinggi. Dalam satu konfigurasi rak lengkap, sistem menyediakan penyimpanan HBM agregat sebesar 27,6 TB. Bandwidth memorinya menawarkan bandwidth agregat hingga 1,7 PB/s. Kombinasi tersebut membantu mengurangi hambatan akses parameter. Perusahaan turut menyediakan optimalisasi komputasi melalui format data yang lebih ringkas, termasuk MXFP4. Dengan penggunaan format tersebut, efisiensi pemrosesan dapat ditingkatkan pada model yang kompatibel.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Tujuan penting dari rancangan akselerator baru adalah mendukung penggunaan AI yang membutuhkan informasi panjang. Dalam konteks kecerdasan buatan, 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 menggunakan arsitektur inference-first. Arsitektur yang berfokus pada inferensi mendukung pengelolaan cache serta perpindahan informasi. Dengan demikian, sistem dapat menangani informasi berukuran besar secara lebih optimal.
Di samping pemrosesan konteks panjang, Microsoft mengoptimalkan akselerator bagi tugas agen kecerdasan buatan. Sistem agen kecerdasan buatan adalah perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Untuk memberikan gambaran, agen AI dapat membantu meneliti informasi lalu menyusun laporan. Aktivitas bertahap semacam ini dapat menghasilkan permintaan komputasi yang berkelanjutan. Maia 300 dirancang untuk mengoptimalkan tugas yang membutuhkan pemrosesan berulang. Meski kemampuan tersebut menjadi target pengembangan, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Perbandingan Kinerja Azure Maia 300 dengan Maia 200 dan Sistem GPU
Berdasarkan rancangan sistem terbaru, Microsoft mengharapkan peningkatan produksi token sebesar 40 persen pada penggunaan daya setara dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Dalam sistem model bahasa, token adalah satuan pemrosesan yang dipakai sistem kecerdasan buatan. Apabila jumlah token yang dihasilkan meningkat dengan konsumsi energi yang sama, efisiensi komputasi berpotensi membaik. Walaupun peningkatan tersebut menjanjikan, hasil tersebut belum menjamin peningkatan identik pada seluruh aplikasi. Oleh sebab itu, efisiensi perlu dievaluasi melalui penggunaan nyata.
Tidak hanya memperbaiki rasio performa terhadap daya, Maia 300 ditargetkan mencapai throughput token hingga tujuh kali Maia 200 dalam pengaturan perangkat keras berkapasitas 96 akselerator. Sistem komputasi berbasis 96 akselerator memiliki rancangan konsumsi daya sebesar 167 kW. Susunan komputasi ini membantu meningkatkan kepadatan komputasi dalam pusat data. Perubahan kapasitas antargenerasi tidak hanya berasal dari satu komponen chip. Dalam pengelolaan infrastruktur digital, 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.
Strategi Penerapan Akselerator Maia 300 di Pusat Data Global
Persiapan akselerator generasi baru menjadi bagian dari strategi pengoperasian kecerdasan buatan dalam skala besar. Pada tahap pengembangan Oktober 2026, Maia 200 sudah digunakan untuk sebagian layanan perusahaan. Salah satu contoh penggunaannya adalah Microsoft Copilot. Untuk pengembangan berikutnya, Microsoft mempersiapkan sistem komputasi bagi layanan pengembangan perangkat lunak dan model AI. Berkat akselerator terbaru yang direncanakan, kapasitas pengoperasian model berpotensi meningkat. Namun demikian, jadwal penggunaan masing-masing layanan tidak selalu sama.
Sebagai bagian dari perluasan pusat data, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Target penerapan tersebut menggambarkan besarnya investasi pusat data yang diperlukan. Untuk menjaga kelangsungan layanan, sistem pendinginan dan jaringan menjadi komponen penting. Akselerator generasi baru tersebut memanfaatkan transportasi data khusus di atas infrastruktur Ethernet. Pendekatan tersebut mendukung koordinasi banyak akselerator. Melalui integrasi jaringan dan komputasi, pemrosesan AI berskala besar memperoleh dukungan yang lebih baik.
Masa Depan Teknologi Komputasi Microsoft melalui Maia 300
Persiapan Azure Maia 300 menunjukkan perkembangan strategis dalam optimalisasi TEKNOLOGI cloud berbasis AI. Dengan rancangan yang memisahkan fungsi komputasi dan memori, Maia 300 berupaya memperbaiki kapasitas inferensi. Microsoft juga menargetkan kemampuan menangani lebih banyak token dengan daya setara. Selain itu, konfigurasi rak penuh dirancang mencapai throughput hingga tujuh kali Maia 200. Walaupun demikian, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Dengan perkembangan tersebut, integrasi perangkat keras dan perangkat lunak menjadi faktor strategis. Menurut Anda, apakah pengembangan chip internal akan mengubah persaingan komputasi cloud? Sampaikan pendapat Anda tentang masa depan chip AI.
