Microsoft Siapkan Azure Maia 300 untuk Memperluas Infrastruktur Komputasi AI pada 2027

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

Pengelola platform Azure terus mengembangkan investasi dalam infrastruktur kecerdasan buatan melalui rencana penerapan chip AI Maia 300. Berdasarkan informasi yang disampaikan perusahaan, Microsoft merencanakan penggunaan Maia 300 pada tahun 2027. Sistem komputasi generasi ketiga ini dirancang menghadapi pertumbuhan kebutuhan inferensi. 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. Berkat pengembangan perangkat keras internal, Microsoft menargetkan penyediaan layanan AI yang lebih efisien.

Azure Maia 300 merupakan kelanjutan pengembangan keluarga prosesor Maia. Sebelumnya, Microsoft telah menghadirkan Maia 200 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. Pendekatan pengembangan ini bertujuan mengoptimalkan sistem berdasarkan karakteristik beban kerja. Meskipun arah pengembangannya telah diumumkan, Maia 300 belum memasuki penggunaan produksi pada Oktober 2026.

Desain Perangkat Keras Maia 300 untuk Pemrosesan Kecerdasan Buatan

Azure Maia 300 menggunakan pendekatan modular dalam pengembangan semikonduktor. Tidak seperti desain yang menyatukan seluruh fungsi dalam satu bagian besar, sistem mengelompokkan unit pemrosesan dalam bagian tersendiri. Pada Maia 300, Microsoft memisahkan fungsi komputasi, pengendali memori, dan input-output. Bagian komputasinya memanfaatkan proses fabrikasi N2P dari TSMC. Pendekatan tersebut ditujukan untuk meningkatkan efisiensi performa terhadap daya. Meski rancangan chiplet menawarkan potensi, manfaat akhirnya memerlukan pengujian pada beban kerja nyata.

Selain pembaruan arsitektur, 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 mencapai 1,7 PB per detik. Susunan memori berkecepatan tinggi tersebut memungkinkan sistem menangani lebih banyak informasi selama inferensi. Di dalam arsitektur chip terdapat kemampuan pemrosesan angka dengan kebutuhan memori lebih kecil, termasuk MXFP4. Berkat dukungan presisi rendah, 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 mendukung penggunaan AI yang membutuhkan informasi panjang. Dalam konteks kecerdasan buatan, 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. Strategi pemrosesan ini mencakup optimalisasi penyimpanan konteks dan aliran data. Dengan demikian, layanan AI memperoleh dukungan komputasi untuk permintaan kompleks.

Selain kebutuhan model bahasa, Microsoft menyiapkan perangkat keras untuk pekerjaan AI bertahap. Istilah AI agent mengacu pada sistem AI yang menyusun dan melaksanakan rangkaian tugas. Sebagai contoh, agen AI berpeluang menjalankan rangkaian langkah pengembangan perangkat lunak. Tugas tersebut membutuhkan respons AI dalam banyak tahap. Maia 300 dirancang untuk menangani interaksi AI dengan beberapa tahapan. Namun demikian, hasil penggunaannya dipengaruhi karakteristik model yang dijalankan.

Peningkatan Kapasitas Komputasi AI dalam Infrastruktur Azure

Microsoft menargetkan Maia 300 menghasilkan 40 persen lebih banyak token per megawatt dibandingkan sistem berbasis GPU terkemuka. Dalam sistem model bahasa, token adalah bagian teks atau data yang digunakan dalam pemrosesan bahasa. Apabila jumlah token yang dihasilkan meningkat dengan penggunaan daya yang setara, efisiensi komputasi berpotensi membaik. Namun demikian, angka itu merupakan proyeksi berdasarkan rancangan dan pengujian tertentu. Untuk memahami performanya secara tepat, efisiensi perlu dievaluasi melalui penggunaan nyata.

Di samping peningkatan keluaran per megawatt, Maia 300 ditargetkan mencapai throughput token hingga tujuh kali Maia 200 dalam konfigurasi rak berisi 96 akselerator. Sistem komputasi berbasis 96 akselerator menggunakan anggaran daya rak sekitar 167 kilowatt. Kapasitas tersebut ditujukan untuk menangani volume interaksi AI yang besar. Perbandingan dengan Maia 200 tidak hanya berasal dari satu komponen chip. Untuk penyedia layanan cloud, kemampuan memproses lebih banyak permintaan menjadi faktor penting. Melalui peningkatan tersebut, pengelolaan permintaan AI berpotensi dilakukan secara lebih ekonomis.

Integrasi Chip Maia 300 dengan Ekosistem AI Microsoft Azure

Rencana perluasan sistem Azure Maia menjadi bagian dari strategi pengoperasian kecerdasan buatan dalam skala besar. Dalam kondisi sebelum penerapan Maia 300, Maia 200 sudah digunakan untuk sebagian layanan perusahaan. Salah satu contoh penggunaannya 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, jadwal penggunaan masing-masing layanan tidak selalu sama.

Selain pengembangan perangkat keras, pengembangan infrastruktur AI dengan kebutuhan daya sangat besar mulai 2027. Target penerapan tersebut memperlihatkan ambisi perusahaan dalam meningkatkan kapasitas AI. Untuk menjaga kelangsungan layanan, konektivitas antarakselerator perlu memiliki kapasitas tinggi. Akselerator generasi baru tersebut memanfaatkan pendekatan jaringan berbasis Ethernet yang dioptimalkan untuk AI. Pendekatan tersebut memungkinkan pertukaran informasi berkecepatan tinggi. Melalui integrasi jaringan dan komputasi, sistem berpotensi menangani model yang lebih kompleks.

Kesimpulan: Azure Maia 300 Menjadi Langkah Baru Infrastruktur AI Microsoft

Rencana penerapan chip Maia 300 pada 2027 memperlihatkan arah investasi baru dalam optimalisasi TEKNOLOGI cloud berbasis AI. Dengan rancangan yang memisahkan fungsi komputasi dan memori, Maia 300 berupaya memperbaiki kapasitas inferensi. Perusahaan memperkirakan peningkatan keluaran token sebesar 40 persen per megawatt. Untuk mendukung penggunaan berskala besar, kapasitas pemrosesan pada skala rak diproyeksikan meningkat secara signifikan. Meski targetnya menjanjikan, implementasi produksi masih dijadwalkan pada 2027. Dengan perkembangan tersebut, integrasi perangkat keras dan perangkat lunak menjadi faktor strategis. Menurut Anda, apakah pengembangan chip internal akan mengubah persaingan komputasi cloud? Sampaikan pendapat Anda tentang masa depan chip AI.