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 sistem komputasi untuk menjalankan model AI melalui persiapan akselerator Maia generasi ketiga. Dalam pengumuman resmi pada 12 Oktober 2026, Microsoft menargetkan penerapan produksi mulai 2027. Sistem komputasi generasi ketiga ini dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Di samping menyiapkan perangkat keras terbaru, 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.
Chip Maia 300 menjadi generasi ketiga dari program pengembangan chip AI Microsoft. Dalam perjalanan program tersebut, Microsoft mengembangkan chip Maia generasi sebelumnya yang telah mendukung pengoperasian sistem AI Microsoft. 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 memungkinkan rancangan disesuaikan dengan penggunaan nyata. Walaupun demikian, implementasi produksi chip terbaru tetap menjadi rencana tahun berikutnya.
Teknologi Chiplet dan Memori HBM4 pada Microsoft Maia 300
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. Pada Maia 300, Microsoft memisahkan fungsi komputasi, pengendali memori, dan input-output. Chiplet yang menjalankan operasi matematis diproduksi berdasarkan node semikonduktor N2P. Strategi arsitektur tersebut memungkinkan pengoptimalan biaya dan skalabilitas. Walaupun arsitektur modular memiliki keunggulan, 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, sistem menyediakan penyimpanan HBM agregat sebesar 27,6 TB. Kapasitas transfer informasi pada seluruh akselerator menawarkan bandwidth agregat hingga 1,7 PB/s. Susunan memori berkecepatan tinggi tersebut memungkinkan sistem menangani lebih banyak informasi selama inferensi. Microsoft juga mengembangkan dukungan format numerik berpresisi rendah, termasuk MXFP4. Berkat dukungan presisi rendah, efisiensi pemrosesan dapat ditingkatkan pada model yang kompatibel.
Optimasi Inferensi Maia 300 untuk Model Bahasa Generasi Berikutnya
Salah satu fokus pengembangan Maia 300 adalah menangani inferensi dengan konteks panjang. Ketika sistem bahasa generatif dijalankan, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Ketika pengguna memberikan dokumen panjang, kebutuhan memori dan bandwidth dapat meningkat. Untuk menjawab tantangan tersebut, Maia 300 dirancang berdasarkan kebutuhan pemrosesan model saat digunakan. Pendekatan tersebut mencakup optimalisasi penyimpanan konteks dan aliran data. Berkat pengaturan sumber daya yang lebih terarah, pemrosesan konteks panjang berpotensi berlangsung lebih efisien.
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. Sebagai contoh, agen AI bisa mengoordinasikan beberapa pekerjaan dalam satu alur. Aktivitas bertahap semacam ini sering memerlukan interaksi model secara berulang. Maia 300 dirancang untuk menangani interaksi AI dengan beberapa tahapan. Namun demikian, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Microsoft Menargetkan Efisiensi Energi Lebih Tinggi melalui Maia 300
Berdasarkan rancangan sistem terbaru, Microsoft mengharapkan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan sistem berbasis GPU terkemuka. Token merupakan bagian teks atau data yang digunakan dalam pemrosesan bahasa. Ketika sistem mampu menangani lebih banyak token dengan konsumsi energi yang sama, efisiensi komputasi berpotensi membaik. Meski perusahaan menyampaikan target efisiensi tinggi, kinerja operasional tetap bergantung pada jenis model dan kondisi penggunaan. Dengan mempertimbangkan faktor tersebut, hasil pengujian harus dilihat berdasarkan konfigurasi sistem.
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 ditujukan untuk menangani volume interaksi AI yang besar. Peningkatan terhadap generasi sebelumnya mencerminkan optimalisasi sistem secara menyeluruh. Dalam pengelolaan infrastruktur digital, peningkatan throughput dapat membantu merencanakan kapasitas. Melalui peningkatan tersebut, efisiensi infrastruktur menjadi sasaran utama.
Integrasi Chip Maia 300 dengan Ekosistem AI Microsoft Azure
Persiapan akselerator generasi baru berkaitan langsung dengan kebutuhan layanan AI Microsoft. Saat ini, Maia 200 sudah digunakan untuk sebagian layanan perusahaan. Produk yang telah memanfaatkan generasi sebelumnya adalah Microsoft Copilot. Untuk pengembangan berikutnya, Microsoft mempersiapkan sistem komputasi bagi layanan pengembangan perangkat lunak dan model AI. Dengan kehadiran generasi ketiga, sistem AI dapat dikembangkan untuk menangani lebih banyak interaksi. Walaupun manfaat potensialnya luas, integrasi operasional bergantung pada tahapan distribusi perangkat keras.
Selain pengembangan perangkat keras, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Target penerapan tersebut menggambarkan besarnya investasi pusat data yang diperlukan. Dalam operasional pusat data, distribusi daya harus dirancang secara cermat. Akselerator generasi baru tersebut memanfaatkan 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.
Masa Depan Teknologi Komputasi Microsoft melalui Maia 300
Pengembangan akselerator AI generasi ketiga Microsoft menjadi langkah penting dalam pengembangan TEKNOLOGI pusat data. Dengan rancangan yang memisahkan fungsi komputasi dan memori, Maia 300 berupaya memperbaiki kapasitas inferensi. Perusahaan memperkirakan efisiensi pemrosesan token yang lebih tinggi dibandingkan GPU pembanding. Selain itu, kapasitas pemrosesan pada skala rak diproyeksikan meningkat secara signifikan. Walaupun demikian, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Seiring meningkatnya kebutuhan komputasi, chip khusus berpotensi semakin penting dalam layanan AI. Menurut Anda, apakah Azure Maia 300 mampu memperkuat posisi Microsoft dalam industri AI? Bagikan pandangan Anda mengenai perkembangan ini.
