Microsoft Siapkan Azure Maia 300 untuk Memperluas Infrastruktur Komputasi AI pada 2027

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 sistem komputasi untuk menjalankan model AI melalui rencana penerapan chip AI Maia 300. Berdasarkan informasi yang disampaikan perusahaan, Microsoft menargetkan penerapan produksi mulai 2027. Akselerator terbaru tersebut ditujukan untuk meningkatkan kapasitas pemrosesan kecerdasan buatan. Di samping menyiapkan perangkat keras terbaru, perusahaan mengumumkan rencana ekspansi hingga skala beberapa gigawatt. Langkah tersebut menjadi bagian dari transformasi infrastruktur digital Microsoft. Berkat pengembangan perangkat keras internal, Microsoft ingin mengoptimalkan pemanfaatan energi komputasi.

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. Hasil evaluasi infrastruktur generasi sebelumnya digunakan untuk mengoptimalkan desain Maia 300. Dalam proses perancangannya, Microsoft menggunakan strategi integrasi kebutuhan model dengan arsitektur komputasi. Metode tersebut membantu menentukan prioritas memori dan bandwidth. Walaupun demikian, implementasi produksi chip terbaru tetap menjadi rencana tahun berikutnya.

Desain Perangkat Keras Maia 300 untuk Pemrosesan Kecerdasan Buatan

Akselerator AI generasi ketiga Microsoft mengadopsi pendekatan modular dalam pengembangan semikonduktor. Berbeda dari rancangan monolitik, desain modular membagi komponen berdasarkan tugas. Dalam rancangan akselerator tersebut, Microsoft menggunakan komponen khusus untuk perhitungan serta komunikasi data. Komponen utama untuk pemrosesan AI dibangun menggunakan teknologi TSMC N2P. Penggunaan desain modular ini membantu menyesuaikan fungsi chip dengan kebutuhan teknis. Walaupun arsitektur modular memiliki keunggulan, kinerja keseluruhan bergantung pada integrasi antarkomponen.

Di samping penggunaan chiplet, Maia 300 mengintegrasikan memori dengan bandwidth tinggi. Dalam satu konfigurasi rak lengkap, tersedia total memori HBM sebesar 27,6 TB. Kapasitas transfer informasi pada seluruh akselerator mencapai 1,7 PB per detik. 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, 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 mendukung penggunaan AI yang membutuhkan informasi panjang. Ketika sistem bahasa generatif dijalankan, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Saat aplikasi AI menerima konteks berukuran besar, pemindahan data menjadi bagian penting dari proses komputasi. Untuk menjawab tantangan tersebut, Maia 300 menggunakan arsitektur inference-first. Strategi pemrosesan ini mendukung pengelolaan cache serta perpindahan informasi. Dengan demikian, layanan AI memperoleh dukungan komputasi untuk permintaan kompleks.

Tidak hanya mendukung percakapan AI, Microsoft menyiapkan perangkat keras untuk pekerjaan AI bertahap. Sistem agen kecerdasan buatan adalah perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Dalam aktivitas profesional, agen AI berpeluang menjalankan rangkaian langkah pengembangan perangkat lunak. Tugas tersebut membutuhkan respons AI dalam banyak tahap. Akselerator generasi baru tersebut dikembangkan untuk mengoptimalkan tugas yang membutuhkan pemrosesan berulang. Walaupun rancangan diarahkan pada AI agent, efektivitasnya tetap bergantung pada perangkat lunak dan konfigurasi.

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. Istilah token merujuk pada satuan pemrosesan yang dipakai sistem kecerdasan buatan. Ketika sistem mampu menangani lebih banyak token dengan kapasitas listrik yang tidak bertambah, penggunaan sumber daya bisa menjadi lebih optimal. Walaupun peningkatan tersebut menjanjikan, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Dengan mempertimbangkan faktor tersebut, 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. Konfigurasi penuh tersebut beroperasi dalam batas daya sekitar 167 kilowatt. Susunan komputasi ini membantu meningkatkan kepadatan komputasi dalam pusat data. Perubahan kapasitas antargenerasi melibatkan perbaikan arsitektur, memori, serta komunikasi antarakselerator. Bagi operator pusat data, kepadatan komputasi memengaruhi penggunaan ruang dan energi. Berkat rancangan sistem yang lebih besar, pengelolaan permintaan AI berpotensi dilakukan secara lebih ekonomis.

Strategi Penerapan Akselerator Maia 300 di Pusat Data Global

Pengembangan Maia 300 berkaitan langsung dengan kebutuhan layanan AI Microsoft. Dalam kondisi sebelum penerapan Maia 300, 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, 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, ekspansi kapasitas komputasi hingga beberapa gigawatt mulai 2027. Skala tersebut menunjukkan kebutuhan infrastruktur listrik dan pendinginan yang signifikan. Dalam operasional pusat data, distribusi daya harus dirancang secara cermat. Microsoft merancang 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.

Kesimpulan: Azure Maia 300 Menjadi Langkah Baru Infrastruktur AI Microsoft

Pengembangan akselerator AI generasi ketiga Microsoft menjadi langkah penting dalam TEKNOLOGI komputasi kecerdasan buatan. Melalui arsitektur multi-chiplet, Maia 300 dirancang untuk meningkatkan efisiensi pemrosesan. Perusahaan memperkirakan efisiensi pemrosesan token yang lebih tinggi dibandingkan GPU pembanding. Untuk mendukung penggunaan berskala besar, kapasitas pemrosesan pada skala rak diproyeksikan meningkat secara signifikan. Kendati rancangan teknis menunjukkan potensi, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Seiring meningkatnya kebutuhan komputasi, efisiensi energi dapat menjadi penentu pengembangan pusat data. Bagaimana pendapat Anda, apakah pengembangan chip internal akan mengubah persaingan komputasi cloud? Sampaikan pendapat Anda tentang masa depan chip AI.