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 kemampuan pusat data berbasis AI melalui pengembangan Azure Maia 300. Melalui pembaruan strategi infrastruktur pada Oktober 2026, Microsoft menargetkan penerapan produksi mulai 2027. Sistem komputasi generasi ketiga ini dikembangkan untuk menangani beban kerja AI yang semakin kompleks. Selain memperkenalkan chip baru, perusahaan merencanakan penggunaan infrastruktur Maia dalam skala energi sangat besar. Langkah tersebut menunjukkan pentingnya komputasi khusus dalam layanan AI. Melalui strategi jangka panjang tersebut, Microsoft berupaya meningkatkan kendali atas biaya operasional.
Azure Maia 300 merupakan kelanjutan pengembangan keluarga prosesor Maia. Sebelumnya, Microsoft mengembangkan chip Maia generasi sebelumnya yang sudah digunakan dalam sebagian layanan perusahaan. Hasil evaluasi infrastruktur generasi sebelumnya digunakan untuk mengoptimalkan desain Maia 300. Dalam proses perancangannya, Microsoft menggunakan kolaborasi antara pengembang perangkat keras dan perangkat lunak. Pendekatan pengembangan ini memungkinkan rancangan disesuaikan dengan penggunaan nyata. Meskipun arah pengembangannya telah diumumkan, 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. Dibandingkan pendekatan prosesor tunggal yang lebih konvensional, desain modular membagi komponen berdasarkan tugas. Dalam rancangan akselerator tersebut, Microsoft menggunakan komponen khusus untuk perhitungan serta komunikasi data. Bagian komputasinya dibangun menggunakan teknologi TSMC N2P. Penggunaan desain modular ini ditujukan untuk meningkatkan efisiensi performa terhadap daya. Meski rancangan chiplet menawarkan potensi, hasil operasional tetap dipengaruhi perangkat lunak dan sistem pendukung.
Di samping penggunaan chiplet, Maia 300 dirancang dengan sistem memori berkecepatan besar. Pada sistem yang terdiri atas 96 akselerator, kapasitas memori gabungan mencapai 27,6 terabita. Kapasitas transfer informasi pada seluruh akselerator dirancang sebesar 1,7 petabita setiap detik. Perpaduan kapasitas dan bandwidth ini memungkinkan sistem menangani lebih banyak informasi selama inferensi. Perusahaan turut menyediakan kemampuan pemrosesan angka dengan kebutuhan memori lebih kecil, termasuk MXFP4. Melalui representasi numerik yang lebih hemat, efisiensi pemrosesan dapat ditingkatkan pada model yang kompatibel.
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, pemrosesan inferensi digunakan untuk menjawab permintaan pengguna. Ketika pengguna memberikan dokumen panjang, pemindahan data menjadi bagian penting dari proses komputasi. Untuk menjawab tantangan tersebut, Maia 300 menggunakan arsitektur inference-first. Pendekatan tersebut mendukung pengelolaan cache serta perpindahan informasi. Melalui rancangan tersebut, sistem dapat menangani informasi berukuran besar secara lebih optimal.
Di samping pemrosesan konteks panjang, Microsoft merancang Maia 300 untuk sistem AI agent. AI agent merupakan perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Untuk memberikan gambaran, agen AI bisa mengoordinasikan beberapa pekerjaan dalam satu alur. Aktivitas bertahap semacam ini dapat menghasilkan permintaan komputasi yang berkelanjutan. Akselerator generasi baru tersebut dikembangkan untuk mendukung pekerjaan agentic yang berlangsung lama. Walaupun rancangan diarahkan pada AI agent, performa aktual memerlukan evaluasi operasional.
Microsoft Menargetkan Efisiensi Energi Lebih Tinggi melalui Maia 300
Microsoft menargetkan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Dalam sistem model bahasa, token adalah satuan pemrosesan yang dipakai sistem kecerdasan buatan. Ketika sistem mampu menangani lebih banyak token dengan kapasitas listrik yang tidak bertambah, efisiensi komputasi berpotensi membaik. Namun demikian, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Untuk memahami performanya secara tepat, hasil pengujian harus dilihat berdasarkan konfigurasi sistem.
Selain target efisiensi energi, Maia 300 diproyeksikan menghasilkan keluaran token hingga tujuh kali lebih besar dibandingkan generasi sebelumnya dalam konfigurasi rak berisi 96 akselerator. Sistem komputasi berbasis 96 akselerator menggunakan anggaran daya rak sekitar 167 kilowatt. Susunan komputasi ini ditujukan untuk menangani volume interaksi AI yang besar. Peningkatan terhadap generasi sebelumnya melibatkan perbaikan arsitektur, memori, serta komunikasi antarakselerator. Dalam pengelolaan infrastruktur digital, peningkatan throughput dapat membantu merencanakan kapasitas. Dengan demikian, Microsoft berupaya menambah kapasitas layanan tanpa peningkatan sumber daya yang sebanding.
Integrasi Chip Maia 300 dengan Ekosistem AI Microsoft Azure
Pengembangan Maia 300 ditujukan untuk memperkuat infrastruktur berbagai produk perusahaan. Pada tahap pengembangan Oktober 2026, Maia 200 telah menjalankan beban kerja produksi Microsoft. Di antara layanan yang memperoleh dukungan adalah Microsoft Copilot. Untuk pengembangan berikutnya, Microsoft merencanakan pemanfaatan Maia bagi GitHub Copilot dan Microsoft Foundry. Dengan kehadiran generasi ketiga, kapasitas pengoperasian model berpotensi meningkat. Namun demikian, 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 memperlihatkan ambisi perusahaan dalam meningkatkan kapasitas AI. Dalam operasional pusat data, distribusi daya harus dirancang secara cermat. Maia 300 menggunakan sistem komunikasi antarakselerator dengan dukungan jaringan Ethernet. Strategi komunikasi ini memungkinkan pertukaran informasi berkecepatan tinggi. Dengan pengelolaan yang sesuai, sistem berpotensi menangani model yang lebih kompleks.
Prospek Pengembangan Chip AI Microsoft untuk Pusat Data pada 2027
Persiapan Azure Maia 300 memperlihatkan arah investasi baru dalam optimalisasi TEKNOLOGI cloud berbasis AI. Melalui arsitektur multi-chiplet, Maia 300 ditargetkan mendukung model AI yang lebih kompleks. Dalam pengumuman resminya, Microsoft mengharapkan peningkatan keluaran token sebesar 40 persen per megawatt. Selain itu, konfigurasi rak penuh dirancang mencapai throughput hingga tujuh kali Maia 200. Walaupun demikian, kinerja akhir harus dievaluasi ketika sistem digunakan secara luas. Seiring meningkatnya kebutuhan komputasi, efisiensi energi dapat menjadi penentu pengembangan pusat data. Menurut Anda, apakah Azure Maia 300 mampu memperkuat posisi Microsoft dalam industri AI? Ceritakan pemikiran Anda mengenai strategi infrastruktur Microsoft.
