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.
Azure Maia 300 Menjadi Bagian dari Ekspansi Infrastruktur AI Microsoft
Microsoft terus memperluas kemampuan pusat data berbasis AI melalui pengembangan Azure Maia 300. Dalam pengumuman resmi pada 12 Oktober 2026, Microsoft menjadwalkan pengoperasian generasi baru tersebut pada 2027. Akselerator terbaru tersebut ditujukan untuk meningkatkan kapasitas pemrosesan kecerdasan buatan. Tidak hanya mengembangkan akselerator generasi berikutnya, perusahaan mengumumkan rencana ekspansi hingga skala beberapa gigawatt. Rencana perluasan tersebut menunjukkan pentingnya komputasi khusus dalam layanan AI. Melalui strategi jangka panjang tersebut, Microsoft ingin mengoptimalkan pemanfaatan energi komputasi.
Azure Maia 300 merupakan penerus perangkat keras khusus dalam lini Azure Maia. Dalam perjalanan program tersebut, Microsoft mengembangkan chip Maia generasi sebelumnya yang mulai menjalankan beban kerja produksi pada 2026. Pengalaman menjalankan model AI menjadi dasar pengembangan arsitektur baru. Dalam proses perancangannya, Microsoft menggunakan pendekatan perancangan bersama antara chip dan aplikasi. Kerja sama lintas komponen tersebut memungkinkan rancangan disesuaikan dengan penggunaan nyata. Meskipun arah pengembangannya telah diumumkan, operasional produksi generasi ketiga masih dijadwalkan pada 2027.
Teknologi Chiplet dan Memori HBM4 pada Microsoft Maia 300
Azure Maia 300 menggunakan pendekatan modular dalam pengembangan semikonduktor. Tidak seperti desain yang menyatukan seluruh fungsi dalam satu bagian besar, arsitektur chiplet memisahkan sejumlah fungsi utama. Dalam rancangan akselerator tersebut, Microsoft menggunakan komponen khusus untuk perhitungan serta komunikasi data. Komponen utama untuk pemrosesan AI diproduksi berdasarkan node semikonduktor N2P. Penggunaan desain modular ini memungkinkan pengoptimalan biaya dan skalabilitas. Meski rancangan chiplet menawarkan potensi, kinerja keseluruhan bergantung pada integrasi antarkomponen.
Untuk mendukung pemrosesan model besar, Maia 300 mengintegrasikan memori dengan bandwidth tinggi. Ketika digunakan dalam satu rak berkapasitas penuh, tersedia total memori HBM sebesar 27,6 TB. Bandwidth memorinya menawarkan bandwidth agregat hingga 1,7 PB/s. Susunan memori berkecepatan tinggi tersebut mendukung pemrosesan model dengan kebutuhan data besar. Perusahaan turut menyediakan kemampuan pemrosesan angka dengan kebutuhan memori lebih kecil, termasuk MXFP4. Berkat dukungan presisi rendah, kebutuhan memori untuk operasi tertentu dapat dikurangi.
Kemampuan Azure Maia 300 Menjalankan AI Agent dan Penalaran Kompleks
Prioritas utama sistem komputasi generasi ketiga adalah mendukung penggunaan AI yang membutuhkan informasi panjang. Ketika sistem bahasa generatif dijalankan, proses ini menjalankan model untuk menghasilkan respons berdasarkan input. Apabila model harus memahami banyak informasi sekaligus, pemindahan data menjadi bagian penting dari proses komputasi. Untuk menjawab tantangan tersebut, Maia 300 menggunakan arsitektur inference-first. Arsitektur yang berfokus pada inferensi mendukung pengelolaan cache serta perpindahan informasi. Melalui rancangan tersebut, sistem dapat menangani informasi berukuran besar secara lebih optimal.
Selain kebutuhan model bahasa, Microsoft mengoptimalkan akselerator bagi tugas agen kecerdasan buatan. Istilah AI agent mengacu pada perangkat lunak yang dapat menjalankan beberapa tindakan untuk mencapai tujuan. Untuk memberikan gambaran, agen AI dapat membantu meneliti informasi lalu menyusun laporan. Proses yang melibatkan beberapa tindakan sering memerlukan interaksi model secara berulang. Maia 300 dirancang untuk menangani interaksi AI dengan beberapa tahapan. Walaupun rancangan diarahkan pada AI agent, efektivitasnya tetap bergantung pada perangkat lunak dan konfigurasi.
Microsoft Menargetkan Efisiensi Energi Lebih Tinggi melalui Maia 300
Dalam pengumuman resminya, perusahaan memperkirakan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan konfigurasi GPU pembanding dalam evaluasi perusahaan. Dalam sistem model bahasa, token adalah unit informasi yang diproses oleh model AI. Ketika sistem mampu menangani lebih banyak token dengan penggunaan daya yang setara, efisiensi komputasi berpotensi membaik. Namun demikian, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Dengan mempertimbangkan faktor tersebut, hasil pengujian harus dilihat berdasarkan konfigurasi sistem.
Tidak hanya memperbaiki rasio performa terhadap daya, Maia 300 ditargetkan mencapai throughput token hingga tujuh kali Maia 200 dalam pengaturan perangkat keras berkapasitas 96 akselerator. Sistem komputasi berbasis 96 akselerator menggunakan anggaran daya rak sekitar 167 kilowatt. Rancangan berdaya tinggi tersebut membantu meningkatkan kepadatan komputasi dalam pusat data. Perubahan kapasitas antargenerasi melibatkan perbaikan arsitektur, memori, serta komunikasi antarakselerator. Untuk penyedia layanan cloud, peningkatan throughput dapat membantu merencanakan kapasitas. Berkat rancangan sistem yang lebih besar, pengelolaan permintaan AI berpotensi dilakukan secara lebih ekonomis.
Integrasi Chip Maia 300 dengan Ekosistem AI Microsoft Azure
Persiapan akselerator generasi baru menjadi bagian dari strategi pengoperasian kecerdasan buatan dalam skala besar. Saat ini, Maia 200 telah menjalankan beban kerja produksi Microsoft. Salah satu contoh penggunaannya adalah Microsoft Copilot. Untuk pengembangan berikutnya, Microsoft merencanakan pemanfaatan Maia bagi GitHub Copilot dan Microsoft Foundry. Berkat akselerator terbaru yang direncanakan, layanan dengan kebutuhan komputasi besar memperoleh dukungan tambahan. Namun demikian, integrasi operasional bergantung pada tahapan distribusi perangkat keras.
Sebagai bagian dari perluasan pusat data, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Target penerapan tersebut menggambarkan besarnya investasi pusat data yang diperlukan. Ketika banyak akselerator dijalankan bersamaan, distribusi daya harus dirancang secara cermat. Maia 300 menggunakan sistem komunikasi antarakselerator dengan dukungan jaringan Ethernet. Rancangan jaringan tersebut mendukung koordinasi banyak akselerator. Berkat koordinasi perangkat keras serta infrastruktur, kapasitas pusat data dapat digunakan secara lebih efektif.
Kesimpulan: Azure Maia 300 Menjadi Langkah Baru Infrastruktur AI Microsoft
Pengembangan akselerator AI generasi ketiga Microsoft memperlihatkan arah investasi baru dalam optimalisasi TEKNOLOGI cloud berbasis AI. Dengan rancangan yang memisahkan fungsi komputasi dan memori, 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. Melalui investasi jangka panjang ini, efisiensi energi dapat menjadi penentu pengembangan pusat data. Bagaimana pendapat Anda, apakah Azure Maia 300 mampu memperkuat posisi Microsoft dalam industri AI? Sampaikan pendapat Anda tentang masa depan chip AI.
