Microsoft Azure Maia 200 Mulai Digunakan untuk Menjalankan Beban Kerja AI

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

Microsoft terus memperkuat kemampuan infrastruktur kecerdasan buatannya melalui penggunaan chip khusus Maia 200. Melalui pembaruan perusahaan pada 12 Oktober 2026, akselerator tersebut sudah digunakan dalam operasional layanan AI. Di antara produk yang menggunakan infrastruktur tersebut adalah Microsoft Copilot, sementara proses penelitian model generasi berikutnya turut didukung oleh Maia 200. Penggunaan perangkat keras tersebut memperlihatkan komitmen terhadap pengembangan chip sendiri. Melalui investasi tersebut, Microsoft berupaya meningkatkan efisiensi pemrosesan.

Peluncuran awal akselerator Maia 200 berlangsung pada Januari 2026 sebagai perangkat keras yang dioptimalkan untuk inferensi AI. Pada tahap awal, perangkat tersebut mulai digunakan pada infrastruktur Azure di Amerika Serikat. Selanjutnya, Microsoft memperluas penerapan menuju beberapa wilayah internasional. Perluasan infrastruktur ini bertujuan memperkuat kapasitas layanan AI. Walaupun kapasitas infrastrukturnya diperluas, penggunaan internal Microsoft berbeda dari penyediaan akses perangkat keras kepada pelanggan. Oleh sebab itu, perkembangan Maia 200 lebih berkaitan dengan kapasitas operasional layanan AI.

Desain Chip Microsoft Maia 200 untuk Komputasi Kecerdasan Buatan

Azure Maia 200 dirancang menggunakan teknologi fabrikasi 3 nanometer dari TSMC untuk mendukung komputasi AI berkinerja tinggi. Perangkat tersebut memiliki kemampuan komputasi lebih dari 10 petaFLOPS pada presisi FP4. Di samping kemampuan tersebut, Maia 200 menyediakan kinerja lebih dari 5 petaFLOPS pada presisi FP8. Dukungan terhadap representasi angka berpresisi rendah memungkinkan pengolahan data dengan kebutuhan sumber daya lebih rendah. Meski demikian, kinerja nyata tetap bergantung pada model dan konfigurasi.

Di samping kekuatan komputasi, desain penyimpanan data berkecepatan tinggi memiliki peran utama. Perangkat keras ini menggunakan sistem memori HBM3e dengan kapasitas 216 GB dan kemampuan transfer data hingga 7 terabita per detik. Pada bagian internal prosesor, terdapat penyimpanan SRAM sebesar 272 MB. Kombinasi tersebut dirancang untuk menjaga aliran data menuju unit komputasi. Peran memori semakin menentukan karena model AI modern menggunakan parameter dalam jumlah sangat besar. Melalui pengelolaan data yang efisien, waktu pemrosesan dapat dioptimalkan.

Cara Kerja Maia 200 dalam Memproses Inferensi Kecerdasan Buatan

Ketika model bahasa dijalankan, inferensi merupakan proses menghasilkan keluaran dari model yang telah dilatih. Dalam penggunaan sehari-hari, ketika sebuah aplikasi membutuhkan respons dari model bahasa, sistem harus menjalankan berbagai operasi matematis. Perangkat keras Microsoft ini dirancang untuk menangani permintaan kecerdasan buatan dalam skala besar. Berbeda dari perangkat komputasi serbaguna, desain chip berfokus pada karakteristik beban kerja inferensi. Rancangan khusus tersebut membantu mengurangi biaya komputasi pada kondisi tertentu.

Kendala utama pemrosesan kecerdasan buatan adalah memindahkan data dengan cepat antara memori dan unit komputasi. Jika informasi tidak tersedia sesuai kebutuhan, unit komputasi berpotensi menunggu data. Untuk mengatasi kondisi tersebut, Maia 200 menerapkan pendekatan pengelolaan pergerakan informasi secara terprogram. Desain tersebut membantu mengatur penggunaan memori khusus. Saat sistem menjalankan model besar menggunakan beberapa chip, jaringan antarakselerator juga menjadi faktor penting. Oleh sebab itu, Microsoft merancang Maia sebagai bagian dari sistem yang lebih luas.

Integrasi Maia 200 dengan Ekosistem Microsoft Azure

Penerapan Azure Maia 200 sudah mencakup beban kerja produksi. Microsoft mengonfirmasi bahwa Microsoft Copilot telah menggunakan Maia 200. Selain penggunaannya pada Copilot, Microsoft menggunakan chip ini dalam pengembangan model internal. Jenis model yang dijalankan mencakup model kecerdasan buatan dari OpenAI maupun pengembangan internal Microsoft. Dukungan terhadap arsitektur AI yang beragam mendukung penggunaan akselerator dalam berbagai skenario inferensi. Berkat integrasi tersebut, pemanfaatan komputasi dapat diarahkan pada kebutuhan produk nyata.

Perusahaan turut menyiapkan perluasan dukungan menuju layanan pengembangan perangkat lunak dan platform AI. Dalam target perusahaan yang dipublikasikan, GitHub Copilot dan Microsoft Foundry termasuk layanan yang dijadwalkan mengikuti penerapan berikutnya. Sebagai asisten pemrograman berbasis AI, GitHub Copilot memproses permintaan pemrograman dari pengguna. Sementara itu, Microsoft Foundry menyediakan lingkungan untuk membangun solusi kecerdasan buatan. Penggunaan Maia 200 dalam ekosistem ini dapat membantu pengelolaan permintaan komputasi yang besar. Meski telah menjadi bagian dari rencana perusahaan, jadwal penggunaan dapat mengalami penyesuaian.

Persaingan Teknologi Akselerator AI dalam Industri Pusat Data

Tujuan strategis dari akselerator internal tersebut adalah mengoptimalkan pengeluaran komputasi AI. Ketika pertama kali memperkenalkan chip tersebut, Microsoft mengklaim peningkatan performa per dolar sebesar 30 persen dibandingkan konfigurasi perangkat keras yang digunakan sebagai acuan internal. Melalui evaluasi infrastruktur berikutnya, Microsoft mengklaim produktivitas token terhadap energi mencapai 1,7 kali dibandingkan perangkat GPU terkemuka dalam skenario penggunaan yang diuji. Hasil perbandingan itu perlu dipahami berdasarkan kondisi pengujian.

Pada pengoperasian infrastruktur cloud, kebutuhan energi memengaruhi efisiensi operasional. Semakin banyak model AI dijalankan, kapasitas komputasi harus terus disesuaikan. Melalui investasi pada akselerator internal, Microsoft dapat menyesuaikan arsitektur dengan karakteristik layanannya. Namun demikian, akselerator internal tidak sepenuhnya menggantikan GPU pihak ketiga. Strategi penggunaan beberapa jenis akselerator membantu menyesuaikan kapasitas dengan karakteristik pekerjaan. Melalui strategi ini, pengelolaan infrastruktur dapat dilakukan secara lebih fleksibel.

Peran Azure Maia 200 dalam Transformasi Pusat Data Kecerdasan Buatan

Penggunaan Azure Maia 200 dalam layanan produksi menandai langkah baru dalam penerapan TEKNOLOGI akselerator AI. Berkat perpaduan unit komputasi dan memori berkecepatan tinggi, Maia 200 dirancang untuk menjalankan layanan AI secara efisien. Layanan Copilot merupakan salah satu contoh implementasi nyata, sementara pengembangan menuju layanan lain terus disiapkan. Meski demikian, manfaat perangkat keras perlu dinilai berdasarkan kondisi operasional. Seiring peningkatan permintaan AI, pengembangan akselerator khusus berpotensi semakin penting. Menurut Anda, apakah chip AI khusus seperti Maia 200 akan semakin banyak digunakan? Bagikan pendapat Anda mengenai perkembangan ini.