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
Perusahaan teknologi Microsoft semakin memperkuat investasi dalam infrastruktur kecerdasan buatan melalui persiapan akselerator Maia generasi ketiga. Dalam pengumuman resmi pada 12 Oktober 2026, Microsoft merencanakan penggunaan Maia 300 pada tahun 2027. Sistem komputasi generasi ketiga ini dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Selain memperkenalkan chip baru, perusahaan menargetkan perluasan sistem Maia ke kapasitas multi-gigawatt. Rencana perluasan tersebut menjadi bagian dari transformasi infrastruktur digital Microsoft. Dengan pendekatan ini, 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 mulai menjalankan beban kerja produksi pada 2026. Hasil evaluasi infrastruktur generasi sebelumnya menjadi dasar pengembangan arsitektur baru. Microsoft juga menerapkan kolaborasi antara pengembang perangkat keras dan perangkat lunak. Pendekatan pengembangan ini bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Kendati rencana penerapan sudah disampaikan, implementasi produksi chip terbaru tetap menjadi rencana tahun berikutnya.
Spesifikasi dan Arsitektur Azure Maia 300 untuk Komputasi AI Modern
Azure Maia 300 menggunakan pendekatan modular dalam pengembangan semikonduktor. Tidak seperti desain yang menyatukan seluruh fungsi dalam satu bagian besar, sistem mengelompokkan unit pemrosesan dalam bagian tersendiri. Untuk generasi terbaru ini, Microsoft membagi unit pemrosesan, kontrol memori, dan konektivitas. Komponen utama untuk pemrosesan AI diproduksi berdasarkan node semikonduktor N2P. Penggunaan desain modular ini membantu menyesuaikan fungsi chip dengan kebutuhan teknis. Namun demikian, kinerja keseluruhan bergantung pada integrasi antarkomponen.
Untuk mendukung pemrosesan model besar, Maia 300 dirancang dengan sistem memori berkecepatan besar. Pada sistem yang terdiri atas 96 akselerator, tersedia total memori HBM sebesar 27,6 TB. Kecepatan perpindahan data gabungan menawarkan bandwidth agregat hingga 1,7 PB/s. Kombinasi tersebut membantu mengurangi hambatan akses parameter. Perusahaan turut menyediakan dukungan format numerik berpresisi rendah, termasuk MXFP4. Berkat dukungan presisi rendah, kebutuhan memori untuk operasi tertentu dapat dikurangi.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Prioritas utama sistem komputasi generasi ketiga adalah mendukung penggunaan AI yang membutuhkan informasi panjang. Pada proses pengoperasian model AI, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Apabila model harus memahami banyak informasi sekaligus, kebutuhan memori dan bandwidth dapat meningkat. Dalam rancangan yang diumumkan Microsoft, Maia 300 menggunakan arsitektur inference-first. Strategi pemrosesan ini mendukung pengelolaan cache serta perpindahan informasi. Dengan demikian, pemrosesan konteks panjang berpotensi berlangsung lebih efisien.
Selain kebutuhan model bahasa, Microsoft mengoptimalkan akselerator bagi tugas agen kecerdasan buatan. AI agent merupakan perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Untuk memberikan gambaran, agen AI berpeluang menjalankan rangkaian langkah pengembangan perangkat lunak. Tugas tersebut dapat menghasilkan permintaan komputasi yang berkelanjutan. Microsoft menyiapkan arsitektur baru untuk mendukung pekerjaan agentic yang berlangsung lama. Walaupun rancangan diarahkan pada AI agent, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Microsoft Menargetkan Efisiensi Energi Lebih Tinggi melalui Maia 300
Berdasarkan rancangan sistem terbaru, Microsoft mengharapkan efisiensi keluaran AI mencapai 40 persen lebih tinggi per megawatt dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Dalam sistem model bahasa, token adalah unit informasi yang diproses oleh model AI. Semakin banyak token yang dapat diproses dengan konsumsi energi yang sama, produktivitas perangkat keras dapat meningkat. Namun demikian, kinerja operasional tetap bergantung pada jenis model dan kondisi penggunaan. Untuk memahami performanya secara tepat, perbandingan perlu memperhatikan karakteristik beban kerja.
Tidak hanya memperbaiki rasio performa terhadap daya, Maia 300 ditargetkan mencapai throughput token hingga tujuh kali Maia 200 dalam sistem rak penuh dengan 96 chip. Konfigurasi penuh tersebut memiliki rancangan konsumsi daya sebesar 167 kW. Kapasitas tersebut membantu meningkatkan kepadatan komputasi dalam pusat data. Perubahan kapasitas antargenerasi tidak hanya berasal dari satu komponen chip. Dalam pengelolaan infrastruktur digital, peningkatan throughput dapat membantu merencanakan kapasitas. Berkat rancangan sistem yang lebih besar, efisiensi infrastruktur menjadi sasaran utama.
Strategi Penerapan Akselerator Maia 300 di Pusat Data Global
Pengembangan Maia 300 menjadi bagian dari strategi pengoperasian kecerdasan buatan dalam skala besar. Dalam kondisi sebelum penerapan Maia 300, Maia 200 telah menjalankan beban kerja produksi Microsoft. Salah satu contoh penggunaannya adalah Microsoft Copilot. Untuk pengembangan berikutnya, Microsoft mempersiapkan sistem komputasi bagi layanan pengembangan perangkat lunak dan model AI. Melalui Maia 300, layanan dengan kebutuhan komputasi besar memperoleh dukungan tambahan. Meski arah pengembangannya telah ditetapkan, jadwal penggunaan masing-masing layanan tidak selalu sama.
Microsoft juga menyiapkan, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Target penerapan tersebut menunjukkan kebutuhan infrastruktur listrik dan pendinginan yang signifikan. Untuk menjaga kelangsungan layanan, distribusi daya harus dirancang secara cermat. Maia 300 menggunakan transportasi data khusus di atas infrastruktur Ethernet. Pendekatan tersebut bertujuan menghubungkan komputasi dalam satu rak hingga skala pusat data. Dengan pengelolaan yang sesuai, kapasitas pusat data dapat digunakan secara lebih efektif.
Masa Depan Teknologi Komputasi Microsoft melalui Maia 300
Rencana penerapan chip Maia 300 pada 2027 memperlihatkan arah investasi baru 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. Untuk mendukung penggunaan berskala besar, sistem 96 akselerator ditargetkan memiliki keluaran token hingga tujuh kali generasi sebelumnya. Kendati rancangan teknis menunjukkan potensi, hasil nyata memerlukan pengujian operasional setelah penerapan. Melalui investasi jangka panjang ini, efisiensi energi dapat menjadi penentu pengembangan pusat data. Dari sudut pandang Anda, apakah pengembangan chip internal akan mengubah persaingan komputasi cloud? Sampaikan pendapat Anda tentang masa depan chip AI.
