Microsoft memperkenalkan chip kecerdasan buatan terbaru bernama Azure Maia 300 pada 12 Oktober 2026 sebagai bagian dari strategi memperkuat infrastruktur pusat data generasi berikutnya. Teknologi ini dirancang khusus untuk mempercepat pemrosesan AI, terutama ketika model bahasa menghasilkan jawaban, menjalankan penalaran kompleks, dan menyelesaikan tugas otomatis. Microsoft berencana memperluas penggunaan keluarga chip Maia dalam skala multi-gigawatt mulai 2027. Dengan arsitektur semikonduktor modern, memori berkecepatan tinggi, serta peningkatan efisiensi energi, Maia 300 diharapkan membantu perusahaan menjalankan layanan seperti Copilot dan Microsoft Azure secara lebih efisien sekaligus mengurangi ketergantungan terhadap pemasok akselerator AI eksternal.
Mengenal Microsoft Maia 300 sebagai Chip AI Generasi Terbaru
Chip Maia 300 dikembangkan sebagai perangkat semikonduktor untuk pemrosesan AI di pusat data yang dioptimalkan bagi pengoperasian model kecerdasan buatan. Berbeda dengan prosesor komputer umum, Maia 300 mengutamakan operasi yang banyak digunakan model AI. Inferensi sendiri merupakan aktivitas pemrosesan data oleh model yang telah melalui pelatihan. Untuk menggambarkan penerapannya, saat seseorang meminta AI menjawab pertanyaan, model harus melakukan perhitungan untuk menghasilkan respons. Melalui pengembangan Maia 300, Microsoft menargetkan pemrosesan yang lebih efisien.
Kehadiran akselerator baru Microsoft melanjutkan investasi Microsoft dalam semikonduktor AI. Generasi Maia 200 yang lebih dahulu diperkenalkan sudah menjalankan sebagian layanan AI Microsoft. Informasi dari penerapan akselerator terdahulu membantu Microsoft memahami kebutuhan komputasi nyata. Menurut rencana perusahaan, keluarga Azure Maia akan diperluas pada 2027. Program pengembangan tersebut akan memperkuat kapasitas pusat data Azure. Meskipun demikian, hasil operasional Maia 300 masih perlu dinilai setelah penerapan luas.
Teknologi Chiplet dan Memori HBM4 pada Microsoft Maia 300
Salah satu karakteristik penting Maia 300 adalah pemanfaatan beberapa komponen chip dalam satu sistem. Arsitektur chiplet tersebut membagi sejumlah fungsi perangkat keras menjadi bagian khusus. Dalam pengembangan semikonduktornya, Microsoft menggunakan teknologi fabrikasi 2 nanometer dari TSMC. Pada komponen pendukung, bagian tertentu dibuat melalui proses 3 nanometer. Penggunaan proses fabrikasi berbeda bertujuan menyeimbangkan performa dan biaya. Melalui pendekatan multi-chiplet, Microsoft dapat mengoptimalkan sistem untuk pekerjaan inferensi.
Tidak hanya mengandalkan proses produksi semikonduktor modern, Maia 300 memanfaatkan memori berkecepatan tinggi HBM4. Memori tersebut membantu memasok data menuju unit pemrosesan AI. Berdasarkan kemampuan teknis yang diumumkan, Maia 300 memanfaatkan delapan tumpukan memori HBM4 dengan kapasitas bandwidth memori sebesar kurang lebih 18 TB/s. Bandwidth memori yang besar membantu pemrosesan model AI dengan kebutuhan data tinggi. Namun, hasil komputasi juga bergantung pada optimalisasi sistem serta karakteristik beban kerja. Dengan demikian, spesifikasi perangkat keras perlu dinilai bersama hasil pengujian nyata.
Performa Token per Megawatt Menjadi Fokus Pengembangan Maia 300
Optimalisasi konsumsi listrik menjadi perhatian besar Microsoft ketika membangun sistem AI generasi berikutnya. Perusahaan menargetkan, Maia 300 dapat meningkatkan keluaran token sekitar 40 persen pada penggunaan daya yang sama dibandingkan sistem GPU generasi sebelumnya yang digunakan sebagai dasar perbandingan. Token merupakan bagian teks atau data yang digunakan dalam pemrosesan model. Ketika kapasitas keluaran model meningkat dengan jumlah energi yang sama, produktivitas komputasi dapat meningkat. Namun demikian, klaim 40 persen merupakan proyeksi performa sistem. Hasil dalam penggunaan produksi masih dipengaruhi karakteristik tugas yang dijalankan.
Kemampuan menghasilkan lebih banyak token per daya menjadi penting karena kebutuhan listrik pusat data terus berkembang. Dalam operasional pusat data, pengeluaran tidak terbatas pada perangkat keras. Sistem pengatur suhu, konektivitas, serta pasokan daya memberikan kontribusi besar terhadap biaya. Dengan mempertimbangkan berbagai kebutuhan tersebut, Microsoft merancang akselerator bersama infrastruktur pendukung. Pendekatan ini mendukung peningkatan efisiensi secara keseluruhan. Ketika sistem beroperasi sebagaimana direncanakan, kapasitas layanan AI dapat bertambah tanpa kenaikan daya yang sebanding.
Microsoft Siapkan Pusat Data Maia 300 Berskala Multi-Gigawatt pada 2027
Microsoft merencanakan perluasan kapasitas komputasi Maia hingga tingkat multi-gigawatt. Skala multi-gigawatt menggambarkan infrastruktur dengan kebutuhan daya yang sangat besar. Program perluasan ini menggambarkan kebutuhan infrastruktur untuk layanan kecerdasan buatan. Dalam target penerapan yang disampaikan, keluarga akselerator Maia diposisikan sebagai fondasi pemrosesan AI internal. Namun, pembangunan infrastruktur bergantung pada banyak faktor teknis. Infrastruktur kelistrikan, pengiriman komponen, dan sistem pengatur suhu akan memengaruhi proses penerapan.
Untuk konfigurasi akselerator berskala rak, Maia 300 mendukung konfigurasi 96 akselerator per rak. Konfigurasi tersebut ditargetkan mencapai keluaran token sampai tujuh kali lebih tinggi dibandingkan Maia 200. Target performa sistem berkaitan dengan produktivitas satu sistem rak yang lengkap. Melalui sistem pemrosesan yang lebih padat, lebih banyak permintaan AI diharapkan dapat diproses. Sistem perangkat keras tersebut memanfaatkan jaringan berkecepatan tinggi berbasis Ethernet. Penyatuan perangkat keras dan sistem komunikasi mendukung pengoperasian model AI pada banyak chip.
Peluang Maia 300 Mengubah Strategi Infrastruktur AI Global
Investasi perusahaan pada chip internal ditujukan untuk mendukung kebutuhan perangkat lunak berbasis AI. Microsoft mengembangkan berbagai layanan yang membutuhkan inferensi skala besar. Layanan tersebut mencakup Microsoft Copilot, GitHub Copilot, Microsoft Teams, Microsoft Foundry, dan Dragon Copilot. Melalui penggunaan akselerator internal, Microsoft memiliki kesempatan merancang infrastruktur sesuai beban kerja nyata. Dalam penggunaan praktis, aplikasi otomatisasi dengan rangkaian tugas panjang membutuhkan kemampuan inferensi yang konsisten. Dengan demikian, pengoperasian produk AI berpotensi menjadi lebih efisien.
Selain memengaruhi layanan Microsoft, Maia 300 menggambarkan meningkatnya investasi chip khusus oleh perusahaan besar. Dalam perkembangan industri AI, berbagai pusat data mengandalkan solusi dari produsen GPU besar. Melalui investasi pada akselerator internal, Microsoft ingin mengoptimalkan ekonomi layanan melalui perangkat keras khusus. Meski demikian, pengembangan chip internal tidak otomatis menghapus kebutuhan akselerator pihak ketiga. Lingkungan pusat data yang menjalankan banyak model dapat memanfaatkan berbagai jenis akselerator. Berdasarkan kebutuhan tersebut, pengembangan semikonduktor akan semakin menekankan produktivitas komputasi.
Masa Depan Teknologi Pusat Data dengan Chip Microsoft Maia 300
Microsoft Maia 300 menunjukkan arah perkembangan teknologi pusat data AI. Melalui penggunaan teknologi fabrikasi modern, bandwidth memori besar, serta interkoneksi Ethernet, Microsoft menargetkan peningkatan kemampuan komputasi kecerdasan buatan. Berdasarkan target yang diumumkan, kemampuan menghasilkan 40 persen lebih banyak token pada daya setara serta peningkatan volume pemrosesan hingga tujuh kali dalam konfigurasi rak. Program perluasan pusat data pada tahun mendatang memperlihatkan upaya membangun kapasitas pemrosesan jangka panjang. Walaupun spesifikasinya menjanjikan, kinerja sesungguhnya perlu dinilai setelah implementasi skala besar. Menurut Anda, seberapa penting efisiensi energi bagi masa depan pusat data? Silakan bagikan pendapat Anda agar semakin banyak perspektif mengenai inovasi semikonduktor dapat dibagikan.
