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
Microsoft terus memperluas sistem komputasi untuk menjalankan model AI 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 ditujukan untuk meningkatkan kapasitas pemrosesan kecerdasan buatan. Di samping menyiapkan perangkat keras terbaru, perusahaan menargetkan perluasan sistem Maia ke kapasitas multi-gigawatt. Strategi pengembangan ini menunjukkan pentingnya komputasi khusus dalam layanan AI. Melalui strategi jangka panjang tersebut, Microsoft ingin mengoptimalkan pemanfaatan energi komputasi.
Chip Maia 300 menjadi penerus perangkat keras khusus dalam lini Azure Maia. Pada tahap pengembangan terdahulu, Microsoft telah menghadirkan Maia 200 yang telah mendukung pengoperasian sistem AI Microsoft. Pengalaman menjalankan model AI menjadi dasar pengembangan arsitektur baru. Perusahaan mengandalkan strategi integrasi kebutuhan model dengan arsitektur komputasi. Pendekatan pengembangan ini bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Kendati rencana penerapan sudah disampaikan, operasional produksi generasi ketiga masih dijadwalkan pada 2027.
Desain Perangkat Keras Maia 300 untuk Pemrosesan Kecerdasan Buatan
Chip terbaru dalam keluarga Maia memanfaatkan arsitektur multi-chiplet. Berbeda dari rancangan monolitik, sistem mengelompokkan unit pemrosesan dalam bagian tersendiri. Dalam rancangan akselerator tersebut, Microsoft membagi unit pemrosesan, kontrol memori, dan konektivitas. Bagian komputasinya dibangun menggunakan teknologi TSMC N2P. Penggunaan desain modular ini ditujukan untuk meningkatkan efisiensi performa terhadap daya. Namun demikian, hasil operasional tetap dipengaruhi perangkat lunak dan sistem pendukung.
Selain pembaruan arsitektur, Maia 300 dirancang dengan sistem memori berkecepatan besar. Ketika digunakan dalam satu rak berkapasitas penuh, tersedia total memori HBM sebesar 27,6 TB. Kecepatan perpindahan data gabungan mencapai 1,7 PB per detik. Susunan memori berkecepatan tinggi tersebut memungkinkan sistem menangani lebih banyak informasi selama inferensi. Microsoft juga mengembangkan optimalisasi komputasi melalui format data yang lebih ringkas, termasuk MXFP4. Dengan penggunaan format tersebut, efisiensi pemrosesan dapat ditingkatkan pada model yang kompatibel.
Kemampuan Azure Maia 300 Menjalankan AI Agent dan Penalaran Kompleks
Salah satu fokus pengembangan Maia 300 adalah mengoptimalkan pemrosesan model bahasa berkapasitas besar. Dalam konteks kecerdasan buatan, inferensi merupakan tahap menghasilkan keluaran dari model yang telah dilatih. Ketika pengguna memberikan dokumen panjang, sistem membutuhkan pengelolaan informasi yang lebih kompleks. Dalam rancangan yang diumumkan Microsoft, Maia 300 menggunakan arsitektur inference-first. Arsitektur yang berfokus pada inferensi mencakup optimalisasi penyimpanan konteks dan aliran data. Melalui rancangan tersebut, layanan AI memperoleh dukungan komputasi untuk permintaan kompleks.
Di samping pemrosesan konteks panjang, Microsoft merancang Maia 300 untuk sistem AI agent. Sistem agen kecerdasan buatan adalah perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Dalam aktivitas profesional, agen AI bisa mengoordinasikan beberapa pekerjaan dalam satu alur. Aktivitas bertahap semacam ini sering memerlukan interaksi model secara berulang. Maia 300 dirancang untuk mengoptimalkan tugas yang membutuhkan pemrosesan berulang. Meski kemampuan tersebut menjadi target pengembangan, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.
Peningkatan Kapasitas Komputasi AI dalam Infrastruktur Azure
Berdasarkan rancangan sistem terbaru, Microsoft mengharapkan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Istilah token merujuk pada unit informasi yang diproses oleh model AI. Ketika sistem mampu menangani lebih banyak token dengan konsumsi energi yang sama, produktivitas perangkat keras dapat meningkat. Namun demikian, kinerja operasional tetap bergantung pada jenis model dan kondisi penggunaan. Dengan mempertimbangkan faktor tersebut, 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 konfigurasi rak berisi 96 akselerator. Konfigurasi penuh tersebut menggunakan anggaran daya rak sekitar 167 kilowatt. Kapasitas tersebut membantu meningkatkan kepadatan komputasi dalam pusat data. Perubahan kapasitas antargenerasi tidak hanya berasal dari satu komponen chip. Untuk penyedia layanan cloud, kepadatan komputasi memengaruhi penggunaan ruang dan energi. Melalui peningkatan tersebut, efisiensi infrastruktur menjadi sasaran utama.
Rencana Penggunaan Azure Maia 300 dalam Copilot dan Layanan Microsoft
Rencana perluasan sistem Azure Maia menjadi bagian dari strategi pengoperasian kecerdasan buatan dalam skala besar. Dalam kondisi sebelum penerapan Maia 300, Maia 200 telah mendukung pemrosesan AI pada infrastruktur Microsoft. Di antara layanan yang memperoleh dukungan adalah Microsoft Copilot. Sementara itu, Microsoft menargetkan dukungan infrastruktur pada berbagai produk AI. Dengan kehadiran generasi ketiga, sistem AI dapat dikembangkan untuk menangani lebih banyak interaksi. Namun demikian, jadwal penggunaan masing-masing layanan tidak selalu sama.
Microsoft juga menyiapkan, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Rencana kapasitas energi ini menunjukkan kebutuhan infrastruktur listrik dan pendinginan yang signifikan. Untuk menjaga kelangsungan layanan, konektivitas antarakselerator perlu memiliki kapasitas tinggi. Akselerator generasi baru tersebut memanfaatkan sistem komunikasi antarakselerator dengan dukungan jaringan Ethernet. Rancangan jaringan 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. Melalui arsitektur multi-chiplet, Maia 300 ditargetkan mendukung model AI yang lebih kompleks. Microsoft juga menargetkan kemampuan menangani lebih banyak token dengan daya setara. Selain itu, kapasitas pemrosesan pada skala rak diproyeksikan meningkat secara signifikan. Walaupun demikian, implementasi produksi masih dijadwalkan pada 2027. Seiring meningkatnya kebutuhan komputasi, efisiensi energi dapat menjadi penentu pengembangan pusat data. Menurut Anda, apakah akselerator AI khusus dapat membantu mengurangi biaya layanan digital? Sampaikan pendapat Anda tentang masa depan chip AI.
