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 kapasitas komputasi AI di pusat data melalui penerapan prosesor AI yang dirancang secara internal. Melalui pembaruan perusahaan pada 12 Oktober 2026, Maia 200 telah menjalankan beban kerja produksi. Di antara produk yang menggunakan infrastruktur tersebut adalah Microsoft Copilot, sementara tim Microsoft AI memanfaatkannya untuk pekerjaan pengembangan model. Penggunaan perangkat keras tersebut menunjukkan upaya meningkatkan kendali atas sistem komputasi. Berkat integrasi perangkat keras dan layanan, Microsoft ingin mengoptimalkan penggunaan sumber daya pusat data.

Microsoft mengumumkan Maia 200 pada 26 Januari 2026 sebagai akselerator komputasi yang berfokus pada pemrosesan inferensi. Dalam fase penerapan pertamanya, perangkat tersebut mulai digunakan pada infrastruktur Azure di Amerika Serikat. Dalam perluasan berikutnya, Microsoft memperluas penerapan menuju beberapa wilayah internasional. Pengembangan jaringan pusat data tersebut mendukung kebutuhan pemrosesan yang semakin besar. Namun demikian, penggunaan internal Microsoft berbeda dari penyediaan akses perangkat keras kepada pelanggan. Oleh sebab itu, perkembangan Maia 200 perlu dipahami sebagai peningkatan infrastruktur Microsoft.

Mengenal Spesifikasi dan Arsitektur Teknologi Azure Maia 200

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. Untuk mendukung beragam model AI, 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, hasil pemrosesan dipengaruhi karakteristik beban kerja.

Di samping kekuatan komputasi, pengelolaan data menjadi bagian penting dari rancangan chip. Microsoft membekali akselerator tersebut 216 GB memori High Bandwidth Memory generasi HBM3e dan laju perpindahan informasi sebesar 7 TB per detik. Di dalam chip, tersedia SRAM berkapasitas 272 MB. Perpaduan komponen memori ini membantu mengurangi hambatan perpindahan informasi. Peran memori semakin menentukan karena inferensi bahasa membutuhkan akses data secara berulang. Dengan rancangan yang tepat, pemanfaatan akselerator dapat ditingkatkan.

Peran Akselerator AI untuk Mempercepat Respons Model Bahasa

Pada layanan AI modern, pemrosesan inferensi memungkinkan model memberikan jawaban berdasarkan input. Untuk memberikan gambaran, ketika pengguna mengajukan pertanyaan kepada asisten AI, sistem mengolah informasi masukan sebelum menghasilkan keluaran. Perangkat keras Microsoft ini dirancang untuk memproses pekerjaan inferensi secara efisien. Dibandingkan prosesor yang digunakan untuk berbagai tugas umum, desain chip berfokus pada karakteristik beban kerja inferensi. Pendekatan tersebut memungkinkan pemrosesan lebih sesuai dengan kebutuhan aplikasi.

Salah satu tantangan inferensi adalah mengurangi waktu tunggu ketika parameter model diakses. Apabila perpindahan data berlangsung lambat, kapasitas perhitungan perangkat keras tidak dapat dimanfaatkan secara maksimal. Untuk mengatasi kondisi tersebut, Maia 200 mengandalkan arsitektur yang mengoordinasikan komputasi dan perpindahan data. Desain tersebut memungkinkan koordinasi sumber daya sesuai kebutuhan model. Dalam pemrosesan pada skala pusat data, koordinasi komunikasi antarperangkat harus diperhatikan. Oleh sebab itu, Microsoft merancang Maia sebagai bagian dari sistem yang lebih luas.

Pemanfaatan Azure Maia 200 dalam Microsoft Copilot dan Layanan AI

Implementasi chip AI tersebut tidak terbatas pada pengujian laboratorium. Microsoft mengonfirmasi bahwa Microsoft Copilot telah menggunakan Maia 200. Di samping itu, Microsoft menggunakan chip ini dalam pengembangan model internal. Jenis model yang dijalankan mencakup model OpenAI, model MAI milik Microsoft, dan model sumber terbuka. Fleksibilitas penggunaan pada beberapa keluarga model membantu Microsoft mengoptimalkan sistem untuk beragam kebutuhan. Berkat integrasi tersebut, pemanfaatan komputasi dapat diarahkan pada kebutuhan produk nyata.

Microsoft juga menargetkan integrasi akselerator pada produk lain dalam ekosistem perusahaan. Dalam target perusahaan yang dipublikasikan, GitHub Copilot dan Microsoft Foundry termasuk layanan yang dijadwalkan mengikuti penerapan berikutnya. Dalam konteks pengembangan perangkat lunak, GitHub Copilot menggunakan model AI untuk membantu aktivitas coding. Di sisi lain, Microsoft Foundry memfasilitasi pemanfaatan model AI dalam berbagai kebutuhan. Penggunaan Maia 200 dalam ekosistem ini dapat membantu pengelolaan permintaan komputasi yang besar. Namun, manfaat operasional perlu dilihat berdasarkan implementasi nyata.

Persaingan Teknologi Akselerator AI dalam Industri Pusat Data

Faktor utama di balik investasi Microsoft adalah meningkatkan efisiensi penggunaan energi dan biaya. Ketika pertama kali memperkenalkan chip tersebut, Microsoft mengklaim peningkatan performa per dolar sebesar 30 persen dibandingkan konfigurasi perangkat keras yang digunakan sebagai acuan internal. Kemudian, dalam pembaruan Oktober 2026, Microsoft menyatakan Maia 200 memberikan hingga 1,7 kali lebih banyak token per watt dibandingkan perangkat GPU terkemuka dalam skenario penggunaan yang diuji. Hasil perbandingan itu tidak berarti seluruh aplikasi memperoleh peningkatan yang identik.

Pada pengoperasian infrastruktur cloud, konsumsi listrik merupakan salah satu komponen biaya penting. Ketika permintaan layanan kecerdasan buatan meningkat, beban energi pusat data berpotensi meningkat. Dengan mengembangkan chip sendiri, Microsoft dapat menyesuaikan arsitektur dengan karakteristik layanannya. Meski pengembangan chip khusus menjanjikan, Microsoft masih membutuhkan ekosistem komputasi yang beragam. Model infrastruktur heterogen ini membantu menyesuaikan kapasitas dengan karakteristik pekerjaan. Berkat kombinasi sumber daya, biaya dan performa dapat dioptimalkan berdasarkan kebutuhan nyata.

Peran Azure Maia 200 dalam Transformasi Pusat Data Kecerdasan Buatan

Penggunaan Azure Maia 200 dalam layanan produksi menunjukkan kemajuan penting dalam pengembangan TEKNOLOGI kecerdasan buatan. Melalui rancangan yang berfokus pada inferensi, 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. Dalam perkembangan berikutnya, inovasi chip dapat memengaruhi strategi pusat data global. Dari sudut pandang Anda, apakah pengembangan akselerator internal dapat mengubah industri cloud? Sampaikan pandangan Anda tentang masa depan akselerator AI.