Microsoft memperluas penggunaan Azure Maia 200 sebagai bagian dari strategi memperkuat infrastruktur kecerdasan buatan melalui pengembangan chip khusus. Akselerator AI generasi kedua ini kini telah digunakan untuk menjalankan beban kerja produksi Microsoft, termasuk layanan Copilot dan pengembangan model kecerdasan buatan internal. Dalam pembaruan yang diumumkan pada 12 Oktober 2026, Microsoft juga menjelaskan perluasan penerapan Maia 200 ke berbagai pusat data internasional. Perkembangan TEKNOLOGI tersebut menunjukkan semakin pentingnya perangkat keras khusus untuk meningkatkan efisiensi komputasi AI, mengendalikan biaya operasional, dan mendukung permintaan layanan digital yang terus berkembang di berbagai sektor industri.
Microsoft Memperluas Penggunaan Azure Maia 200 untuk Infrastruktur AI
Pengelola layanan Azure terus meningkatkan dukungan perangkat keras untuk layanan AI melalui penerapan prosesor AI yang dirancang secara internal. Berdasarkan perkembangan yang diumumkan Microsoft, akselerator tersebut sudah digunakan dalam operasional layanan AI. Di antara produk yang menggunakan infrastruktur tersebut adalah Microsoft Copilot, sementara pengembangan model AI internal juga memperoleh dukungan komputasi. Penggunaan perangkat keras tersebut menunjukkan upaya meningkatkan kendali atas sistem komputasi. Dengan pendekatan ini, Microsoft menargetkan pengoperasian AI yang lebih ekonomis.
Microsoft mengumumkan Maia 200 pada 26 Januari 2026 sebagai chip khusus untuk menjalankan model kecerdasan buatan. Pada tahap awal, perangkat tersebut mulai digunakan pada infrastruktur Azure di Amerika Serikat. Seiring perkembangan program, Microsoft mengumumkan penyebaran ke Amerika Serikat, Eropa, dan Australia. Perluasan infrastruktur ini bertujuan memperkuat kapasitas layanan AI. Meskipun penerapannya semakin berkembang, penggunaan internal Microsoft berbeda dari penyediaan akses perangkat keras kepada pelanggan. Dengan demikian, perkembangan Maia 200 perlu dipahami sebagai peningkatan infrastruktur Microsoft.
Desain Chip Microsoft Maia 200 untuk Komputasi Kecerdasan Buatan
Azure Maia 200 dirancang menggunakan teknologi fabrikasi 3 nanometer dari TSMC untuk menjalankan operasi matematis dalam model kecerdasan buatan. Prosesor khusus tersebut memiliki kemampuan komputasi lebih dari 10 petaFLOPS pada presisi FP4. Selain itu, Maia 200 memiliki kemampuan pemrosesan FP8 yang melampaui 5 petaFLOPS. Dukungan terhadap representasi angka berpresisi rendah membantu meningkatkan efisiensi perhitungan tertentu. Walaupun kemampuan komputasinya tinggi, hasil pemrosesan dipengaruhi karakteristik beban kerja.
Selain kemampuan pemrosesan, pengelolaan data menjadi bagian penting dari rancangan chip. Perangkat keras ini menggunakan memori HBM3e berkapasitas 216 GB dan kemampuan transfer data hingga 7 terabita per detik. Di dalam chip, Microsoft menyediakan 272 MB memori SRAM. Kombinasi tersebut mendukung pemanfaatan kapasitas pemrosesan secara lebih optimal. Hal ini menjadi penting karena sistem kecerdasan buatan harus memproses konteks dan informasi dalam volume besar. Dengan rancangan yang tepat, pemanfaatan akselerator dapat ditingkatkan.
Cara Kerja Maia 200 dalam Memproses Inferensi Kecerdasan Buatan
Pada layanan AI modern, inferensi merupakan proses menghasilkan keluaran dari model yang telah dilatih. Dalam penggunaan sehari-hari, ketika sebuah aplikasi membutuhkan respons dari model bahasa, sistem memerlukan pemrosesan sejumlah parameter model. Perangkat keras Microsoft ini dirancang untuk memproses pekerjaan inferensi secara efisien. Tidak seperti CPU yang harus menangani beragam pekerjaan, akselerator khusus dapat dioptimalkan untuk operasi tertentu. Pendekatan tersebut membantu mengurangi biaya komputasi pada kondisi tertentu.
Salah satu tantangan inferensi adalah menjaga ketersediaan informasi selama perhitungan berlangsung. Apabila perpindahan data berlangsung lambat, kapasitas perhitungan perangkat keras tidak dapat dimanfaatkan secara maksimal. Dalam upaya meningkatkan efisiensi, Maia 200 menggunakan rancangan aliran data yang dapat diatur melalui perangkat lunak. Sistem pengolahan tersebut memungkinkan koordinasi sumber daya sesuai kebutuhan model. Saat sistem menjalankan model besar menggunakan beberapa chip, jaringan antarakselerator juga menjadi faktor penting. Oleh sebab itu, Microsoft mengembangkan pendekatan komputasi sekaligus jaringan.
Pemanfaatan Azure Maia 200 dalam Microsoft Copilot dan Layanan AI
Penerapan Azure Maia 200 tidak terbatas pada pengujian laboratorium. Microsoft mengonfirmasi bahwa akselerator tersebut telah mendukung operasional Microsoft Copilot. Selain penggunaannya pada Copilot, tim pengembangan model MAI juga memanfaatkan infrastruktur tersebut. Jenis model yang dijalankan mencakup model OpenAI, model MAI milik Microsoft, dan model sumber terbuka. Fleksibilitas penggunaan pada beberapa keluarga model mendukung penggunaan akselerator dalam berbagai skenario inferensi. Berkat integrasi tersebut, perangkat keras dapat disesuaikan dengan layanan yang dijalankan.
Microsoft juga menargetkan integrasi akselerator pada produk lain dalam ekosistem perusahaan. Menurut rencana yang diumumkan Oktober 2026, GitHub Copilot dan Microsoft Foundry ditargetkan menggunakan Maia 200 sebelum pergantian tahun. Sebagai asisten pemrograman berbasis AI, GitHub Copilot memproses permintaan pemrograman dari pengguna. Sementara itu, Microsoft Foundry mendukung pengembangan serta pengoperasian model dan aplikasi AI. Penerapan perangkat keras khusus mendukung pengembangan layanan dengan kebutuhan pemrosesan tinggi. Meski telah menjadi bagian dari rencana perusahaan, hasil akhirnya tetap bergantung pada proses penerapan.
Persaingan Teknologi Akselerator AI dalam Industri Pusat Data
Salah satu alasan penting pengembangan Maia 200 adalah memperbaiki hubungan antara performa dan sumber daya. Dalam penjelasan awal mengenai Maia 200, Microsoft mengklaim peningkatan performa per dolar sebesar 30 persen dibandingkan konfigurasi perangkat keras yang digunakan sebagai acuan internal. Melalui evaluasi infrastruktur berikutnya, Microsoft melaporkan peningkatan efisiensi pemrosesan token hingga 1,7 kali per watt dibandingkan perangkat GPU terkemuka dalam skenario penggunaan yang diuji. Hasil perbandingan itu bergantung pada jenis model dan karakteristik beban kerja.
Pada pengoperasian infrastruktur cloud, konsumsi listrik merupakan salah satu komponen biaya penting. Ketika permintaan layanan kecerdasan buatan meningkat, kapasitas komputasi harus terus disesuaikan. Berkat penguasaan desain perangkat keras, Microsoft memiliki peluang mengoptimalkan komputasi sesuai kebutuhan produk. Meski pengembangan chip khusus menjanjikan, akselerator internal tidak sepenuhnya menggantikan GPU pihak ketiga. Pendekatan tersebut memungkinkan perusahaan memilih perangkat sesuai kebutuhan. Berkat kombinasi sumber daya, pemrosesan AI tidak bergantung pada satu arsitektur.
Peran Azure Maia 200 dalam Transformasi Pusat Data Kecerdasan Buatan
Penggunaan Azure Maia 200 dalam layanan produksi menunjukkan kemajuan penting dalam optimalisasi TEKNOLOGI komputasi cloud. Berkat perpaduan unit komputasi dan memori berkecepatan tinggi, Maia 200 mendukung kebutuhan pengolahan model dalam skala besar. Beban kerja Copilot termasuk penggunaan yang telah dikonfirmasi, sementara pengembangan menuju layanan lain terus disiapkan. Meski demikian, kinerja komputasi tetap bergantung pada model dan pengaturan infrastruktur. Ke depan, inovasi chip dapat memengaruhi strategi pusat data global. Bagaimana pendapat Anda, apakah inovasi perangkat keras akan membantu menekan biaya layanan AI? Bagikan pendapat Anda mengenai perkembangan ini.
