Microsoft memperkenalkan chip kecerdasan buatan terbaru bernama Azure Maia 300 pada 12 Oktober 2026 sebagai bagian dari strategi memperkuat infrastruktur pusat data generasi berikutnya. Teknologi ini dirancang khusus untuk mempercepat pemrosesan AI, terutama ketika model bahasa menghasilkan jawaban, menjalankan penalaran kompleks, dan menyelesaikan tugas otomatis. Microsoft berencana memperluas penggunaan keluarga chip Maia dalam skala multi-gigawatt mulai 2027. Dengan arsitektur semikonduktor modern, memori berkecepatan tinggi, serta peningkatan efisiensi energi, Maia 300 diharapkan membantu perusahaan menjalankan layanan seperti Copilot dan Microsoft Azure secara lebih efisien sekaligus mengurangi ketergantungan terhadap pemasok akselerator AI eksternal.
Microsoft Mengembangkan Maia 300 untuk Infrastruktur Kecerdasan Buatan
Chip Maia 300 dikembangkan sebagai akselerator kecerdasan buatan generasi ketiga yang dirancang untuk menangani beban kerja inferensi. Dibandingkan chip komputasi serbaguna, Maia 300 memusatkan sumber dayanya pada tugas inferensi skala besar. Dalam bidang kecerdasan buatan, inferensi berarti aktivitas pemrosesan data oleh model yang telah melalui pelatihan. Dalam penggunaan sehari-hari, apabila pengguna memerintahkan asisten digital menganalisis informasi, komputer memproses permintaan melalui model AI. Melalui pengembangan Maia 300, Microsoft berupaya meningkatkan kapasitas layanan AI.
Pengenalan generasi terbaru chip Maia menjadi kelanjutan dari pengembangan Maia 200. Akselerator Maia 200 sebagai pendahulunya telah digunakan untuk beban kerja produksi. Hasil pengoperasian Maia 200 menjadi dasar penyempurnaan sistem baru. Dalam strategi infrastruktur yang diumumkan, penggunaan chip Maia ditargetkan meningkat mulai 2027. Program pengembangan tersebut ditujukan untuk mendukung layanan AI Microsoft. Kendati perusahaan telah mengumumkan rencana, kinerja pada skala produksi harus dibuktikan melalui implementasi nyata.
Teknologi Chiplet dan Memori HBM4 pada Microsoft Maia 300
Bagian menarik dari arsitektur akselerator terbaru adalah penggunaan rancangan multi-chiplet. Pendekatan tersebut memungkinkan fungsi komputasi dipisahkan dari komponen pendukung. Microsoft memanfaatkan teknologi produksi chip 2 nanometer yang dikembangkan TSMC. Pada komponen pendukung, manufaktur 3 nanometer dimanfaatkan pada komponen lainnya. Penggunaan proses fabrikasi berbeda membantu menyesuaikan teknologi produksi dengan kebutuhan komponen. Melalui pendekatan multi-chiplet, arsitektur chip difokuskan pada efisiensi operasi kecerdasan buatan.
Tidak hanya mengandalkan proses produksi semikonduktor modern, Maia 300 menggunakan teknologi High Bandwidth Memory generasi keempat. Memori tersebut membantu memasok data menuju unit pemrosesan AI. Berdasarkan kemampuan teknis yang diumumkan, Maia 300 mengintegrasikan delapan stack HBM4 dengan kapasitas bandwidth memori sebesar kurang lebih 18 TB/s. Dukungan jalur komunikasi memori yang luas membantu pemrosesan model AI dengan kebutuhan data tinggi. Meskipun spesifikasi bandwidth sangat tinggi, hasil komputasi juga bergantung pada optimalisasi sistem serta karakteristik beban kerja. Oleh sebab itu, spesifikasi perangkat keras perlu dinilai bersama hasil pengujian nyata.
Efisiensi Energi Maia 300 Mencapai Target 40 Persen Lebih Tinggi
Efisiensi energi menjadi fokus penting pada perancangan akselerator terbaru. Microsoft memperkirakan, Maia 300 dapat meningkatkan keluaran token sekitar 40 persen pada penggunaan daya yang sama dibandingkan platform akselerator GPU pembanding. Dalam model bahasa, token adalah satuan representasi yang dipakai sistem kecerdasan buatan. Semakin banyak token yang dihasilkan dengan kebutuhan listrik setara, efisiensi operasional berpotensi membaik. Meski angka peningkatannya terlihat menarik, angka perbandingan memerlukan konteks beban kerja dan konfigurasi. Hasil dalam penggunaan produksi akan bergantung pada penerapan layanan.
Peningkatan efisiensi tersebut menjadi penting karena kebutuhan listrik pusat data terus berkembang. Ketika menjalankan infrastruktur berskala besar, biaya operasional melibatkan lebih dari harga akselerator. Kebutuhan pendinginan, jaringan, dan distribusi listrik memberikan kontribusi besar terhadap biaya. Dengan mempertimbangkan berbagai kebutuhan tersebut, Microsoft merancang akselerator bersama infrastruktur pendukung. Strategi pengembangan menyeluruh tersebut bertujuan meningkatkan pemanfaatan sumber daya. Ketika sistem beroperasi sebagaimana direncanakan, kapasitas layanan AI dapat bertambah tanpa kenaikan daya yang sebanding.
Teknologi Pusat Data Generasi Baru untuk Mendukung Layanan AI Microsoft
Microsoft merencanakan ekspansi besar akselerator Maia pada tahun 2027. Skala multi-gigawatt menggambarkan infrastruktur dengan kebutuhan daya yang sangat besar. Strategi pengembangan tersebut menunjukkan ambisi Microsoft dalam membangun pusat data. Menurut rencana perusahaan, keluarga akselerator Maia diposisikan sebagai fondasi pemrosesan AI internal. Walaupun rencana ini cukup ambisius, pengembangan pusat data membutuhkan persiapan kompleks. Infrastruktur kelistrikan, pengiriman komponen, dan sistem pengatur suhu menjadi bagian penting dari keberhasilan ekspansi.
Pada pengembangan sistem pusat data, Maia 300 mendukung konfigurasi 96 akselerator per rak. Susunan perangkat keras ini ditargetkan mencapai keluaran token sampai tujuh kali lebih tinggi dibandingkan Maia 200. Target performa sistem berlaku pada tingkat rak, bukan perbandingan satu chip secara langsung. Dengan kemampuan tersebut, lebih banyak permintaan AI diharapkan dapat diproses. Sistem perangkat keras tersebut menggunakan konektivitas berkapasitas besar guna menghubungkan akselerator. Pengembangan jaringan dan komputasi secara bersamaan membantu mengurangi hambatan komunikasi antarunit.
Peran Chip Microsoft Maia 300 dalam Mendukung Layanan Kecerdasan Buatan
Investasi perusahaan pada chip internal menjadi bagian dari strategi peningkatan kapasitas AI. Dalam ekosistem produknya, Microsoft menghadirkan aplikasi AI dengan permintaan pemrosesan tinggi. Produk yang memanfaatkan infrastruktur ini mencakup Microsoft Copilot, GitHub Copilot, Microsoft Teams, Microsoft Foundry, dan Dragon Copilot. Melalui penggunaan akselerator internal, Microsoft memiliki kesempatan merancang infrastruktur sesuai beban kerja nyata. Untuk menggambarkan manfaatnya, layanan yang memproses dokumen kompleks bergantung pada pemrosesan data yang efisien. Melalui optimalisasi ini, Maia 300 dapat mendukung peningkatan kapasitas layanan.
Tidak hanya berkaitan dengan pengembangan aplikasi, Maia 300 juga mencerminkan perubahan persaingan industri semikonduktor. Pada pasar perangkat keras kecerdasan buatan, NVIDIA dan AMD menjadi pemasok penting akselerator komputasi. Melalui investasi pada akselerator internal, Microsoft ingin mengoptimalkan ekonomi layanan melalui perangkat keras khusus. Namun, kehadiran Maia 300 tidak berarti Microsoft langsung meninggalkan GPU NVIDIA. Lingkungan pusat data yang menjalankan banyak model dapat memanfaatkan berbagai jenis akselerator. Oleh karena itu, keunggulan akselerator akan dinilai berdasarkan performa, biaya, dan penggunaan daya.
Microsoft Memperkuat Strategi Kecerdasan Buatan Melalui Maia 300
Pengumuman chip Maia 300 memperlihatkan kemajuan penting dalam pengembangan semikonduktor khusus. Melalui penggunaan rancangan chiplet, sistem memori cepat, dan konfigurasi pusat data terintegrasi, akselerator ini dikembangkan agar pemrosesan AI semakin produktif. Perusahaan memperkirakan, produktivitas inferensi sekitar 40 persen lebih tinggi per megawatt serta throughput tingkat rak hingga tujuh kali dibandingkan Maia 200. Program perluasan pusat data pada tahun mendatang menandai investasi besar pada infrastruktur komputasi. Kendati target pengembangannya menarik, kinerja sesungguhnya perlu dinilai setelah implementasi skala besar. Menurut Anda, apakah akselerator khusus akan semakin banyak digunakan perusahaan teknologi besar? Sampaikan pandangan melalui kolom komentar agar pembahasan infrastruktur kecerdasan buatan menjadi lebih bermanfaat.
