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.

Azure Maia 200 Kini Mendukung Beban Kerja Kecerdasan Buatan Microsoft

Microsoft terus memperkuat kemampuan infrastruktur kecerdasan buatannya melalui penerapan prosesor AI yang dirancang secara internal. Melalui pembaruan perusahaan pada 12 Oktober 2026, akselerator tersebut sudah digunakan dalam operasional layanan AI. Salah satu layanan yang memanfaatkannya adalah Microsoft Copilot, sementara proses penelitian model generasi berikutnya turut didukung oleh Maia 200. Penerapan tersebut menjadi bagian dari strategi infrastruktur jangka panjang. Dengan pendekatan ini, Microsoft berupaya meningkatkan efisiensi pemrosesan.

Azure Maia 200 pertama kali diperkenalkan pada Januari 2026 sebagai chip khusus untuk menjalankan model kecerdasan buatan. Ketika pertama kali diumumkan, perangkat tersebut diterapkan pada fasilitas komputasi milik Microsoft di Amerika Serikat. Selanjutnya, Microsoft memperluas penerapan menuju beberapa wilayah internasional. Pengembangan jaringan pusat data tersebut bertujuan memperkuat kapasitas layanan AI. Namun demikian, akses komersial terhadap akselerator tertentu mengikuti kebijakan layanan Azure. Dengan demikian, perkembangan Maia 200 perlu dipahami sebagai peningkatan infrastruktur Microsoft.

Desain Chip Microsoft Maia 200 untuk Komputasi Kecerdasan Buatan

Chip Maia 200 dikembangkan menggunakan proses manufaktur semikonduktor 3nm milik TSMC untuk mendukung komputasi AI berkinerja tinggi. Perangkat tersebut mampu mencapai kapasitas komputasi melebihi 10 petaFLOPS dalam format FP4. Selain itu, Maia 200 memiliki kemampuan pemrosesan FP8 yang melampaui 5 petaFLOPS. Penggunaan presisi empat serta delapan bit dapat mengoptimalkan pemrosesan model yang mendukung format tersebut. Walaupun kemampuan komputasinya tinggi, angka teoritis tidak selalu mencerminkan kecepatan seluruh aplikasi.

Tidak hanya mengandalkan unit perhitungan, desain penyimpanan data berkecepatan tinggi memiliki peran utama. Perangkat keras ini menggunakan sistem memori HBM3e dengan kapasitas 216 GB dan laju perpindahan informasi sebesar 7 TB per detik. Pada bagian internal prosesor, tersedia SRAM berkapasitas 272 MB. Kombinasi tersebut membantu mengurangi hambatan perpindahan informasi. Peran memori semakin menentukan karena sistem kecerdasan buatan harus memproses konteks dan informasi dalam volume besar. Berkat koordinasi antara memori dan komputasi, pemanfaatan akselerator dapat ditingkatkan.

Mekanisme Pemrosesan AI Menggunakan Chip Azure Maia 200

Ketika model bahasa dijalankan, pemrosesan inferensi memungkinkan model memberikan jawaban berdasarkan input. Sebagai contoh, ketika sebuah aplikasi membutuhkan respons dari model bahasa, sistem memerlukan pemrosesan sejumlah parameter model. Azure Maia 200 dikembangkan untuk memproses pekerjaan inferensi secara efisien. Dibandingkan prosesor yang digunakan untuk berbagai tugas umum, desain chip berfokus pada karakteristik beban kerja inferensi. Pendekatan tersebut berpotensi meningkatkan efisiensi penggunaan energi.

Salah satu tantangan inferensi adalah menjaga ketersediaan informasi selama perhitungan berlangsung. Apabila perpindahan data berlangsung lambat, unit komputasi berpotensi menunggu data. Untuk mengatasi kondisi tersebut, Maia 200 mengandalkan arsitektur yang mengoordinasikan komputasi dan perpindahan data. Sistem pengolahan tersebut bertujuan memanfaatkan unit komputasi secara lebih efektif. Saat sistem menjalankan model besar menggunakan beberapa chip, jaringan antarakselerator juga menjadi faktor penting. Dengan mempertimbangkan kebutuhan tersebut, Microsoft mengintegrasikan chip dengan infrastruktur pendukung Azure.

Pemanfaatan Azure Maia 200 dalam Microsoft Copilot dan Layanan AI

Penerapan Azure Maia 200 tidak terbatas pada pengujian laboratorium. Dalam pengumuman resminya Microsoft menyebutkan bahwa layanan Copilot termasuk sistem yang menjalankan beban kerja pada Maia 200. Tidak hanya untuk layanan asisten AI, tim pengembangan model MAI juga memanfaatkan infrastruktur tersebut. Beban komputasi yang didukung mencakup model kecerdasan buatan dari OpenAI maupun pengembangan internal Microsoft. Fleksibilitas penggunaan pada beberapa keluarga model menjadi bagian penting dari strategi infrastrukturnya. Melalui pendekatan ini, perangkat keras dapat disesuaikan dengan layanan yang dijalankan.

Microsoft juga menargetkan integrasi akselerator pada produk lain dalam ekosistem perusahaan. Berdasarkan jadwal yang disampaikan Microsoft, GitHub Copilot dan Microsoft Foundry ditargetkan menggunakan Maia 200 sebelum pergantian tahun. Dalam konteks pengembangan perangkat lunak, GitHub Copilot membutuhkan kemampuan menghasilkan serta menjelaskan kode. Sementara itu, Microsoft Foundry menyediakan lingkungan untuk membangun solusi kecerdasan buatan. Integrasi akselerator pada layanan tersebut 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

Faktor utama di balik investasi Microsoft 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 menyatakan Maia 200 memberikan hingga 1,7 kali lebih banyak token per watt dibandingkan sistem GPU pembanding untuk kemampuan AI terintegrasi. Klaim efisiensi tersebut tidak berarti seluruh aplikasi memperoleh peningkatan yang identik.

Untuk layanan komputasi berskala besar, kebutuhan energi memengaruhi efisiensi operasional. Semakin banyak model AI dijalankan, kebutuhan terhadap akselerator dan sistem pendinginan juga bertambah. Berkat penguasaan desain perangkat keras, Microsoft berupaya mengurangi ketergantungan pada satu jenis perangkat. Meski pengembangan chip khusus menjanjikan, infrastruktur Azure tetap menggunakan berbagai jenis perangkat keras. Pendekatan tersebut memungkinkan perusahaan memilih perangkat sesuai kebutuhan. Dengan cara tersebut, pengelolaan infrastruktur dapat dilakukan secara lebih fleksibel.

Kesimpulan: Azure Maia 200 Memperkuat Infrastruktur AI Microsoft

Penerapan akselerator Maia 200 pada infrastruktur Microsoft menunjukkan kemajuan penting dalam penerapan TEKNOLOGI akselerator AI. Berkat perpaduan unit komputasi dan memori berkecepatan tinggi, Maia 200 dirancang untuk menjalankan layanan AI secara efisien. Beban kerja Copilot termasuk penggunaan yang telah dikonfirmasi, sementara integrasi dengan produk tambahan masih menjadi bagian dari rencana. Kendati perkembangannya menarik, efisiensi setiap sistem dapat berbeda mengikuti beban kerja. Ke depan, pengembangan akselerator khusus berpotensi semakin penting. Dari sudut pandang Anda, apakah inovasi perangkat keras akan membantu menekan biaya layanan AI? Bagikan pendapat Anda mengenai perkembangan ini.