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 kapasitas komputasi AI di pusat data melalui penerapan prosesor AI yang dirancang secara internal. Melalui pembaruan perusahaan pada 12 Oktober 2026, chip tersebut mulai mendukung sistem kecerdasan buatan yang digunakan secara nyata. Salah satu layanan yang memanfaatkannya adalah Microsoft Copilot, sementara pengembangan model AI internal juga memperoleh dukungan komputasi. Penerapan tersebut menunjukkan upaya meningkatkan kendali atas sistem komputasi. Melalui investasi tersebut, Microsoft ingin mengoptimalkan penggunaan sumber daya pusat data.

Peluncuran awal akselerator Maia 200 berlangsung pada Januari 2026 sebagai akselerator komputasi yang berfokus pada pemrosesan inferensi. 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. Penyebaran akselerator ke berbagai lokasi mendukung kebutuhan pemrosesan yang semakin besar. Walaupun kapasitas infrastrukturnya diperluas, ketersediaan chip tidak berarti seluruh pelanggan Azure dapat menyewanya secara langsung. Oleh sebab itu, 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 memproses kebutuhan inferensi berskala besar. Akselerator ini mampu mencapai kapasitas komputasi melebihi 10 petaFLOPS dalam format FP4. Di samping kemampuan tersebut, Maia 200 menyediakan kinerja lebih dari 5 petaFLOPS pada presisi FP8. Format numerik FP4 dan FP8 dapat mengoptimalkan pemrosesan model yang mendukung format tersebut. Meski demikian, angka teoritis tidak selalu mencerminkan kecepatan seluruh aplikasi.

Tidak hanya mengandalkan unit perhitungan, pengelolaan data menjadi bagian penting dari rancangan chip. Perangkat keras ini menggunakan sistem memori HBM3e dengan kapasitas 216 GB dan bandwidth mencapai 7 TB per detik. Di dalam chip, Microsoft menyediakan 272 MB memori SRAM. Susunan penyimpanan tersebut membantu mengurangi hambatan perpindahan informasi. Peran memori semakin menentukan karena sistem kecerdasan buatan harus memproses konteks dan informasi dalam volume besar. Melalui pengelolaan data yang efisien, pemanfaatan akselerator dapat ditingkatkan.

Mekanisme Pemrosesan AI Menggunakan Chip Azure Maia 200

Ketika model bahasa dijalankan, pemrosesan inferensi memungkinkan model memberikan jawaban berdasarkan input. Dalam penggunaan sehari-hari, ketika sebuah aplikasi membutuhkan respons dari model bahasa, sistem memerlukan pemrosesan sejumlah parameter model. Azure Maia 200 dikembangkan untuk menangani permintaan kecerdasan buatan dalam skala besar. Dibandingkan prosesor yang digunakan untuk berbagai tugas umum, Maia 200 memprioritaskan kebutuhan pengolahan model AI. Rancangan khusus tersebut memungkinkan pemrosesan lebih sesuai dengan kebutuhan aplikasi.

Salah satu tantangan inferensi adalah mengurangi waktu tunggu ketika parameter model diakses. Ketika akses memori menjadi hambatan, 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. Pendekatan arsitektur ini membantu mengatur penggunaan memori khusus. Saat sistem menjalankan model besar menggunakan beberapa chip, efisiensi pertukaran data turut menentukan performa. Dengan mempertimbangkan kebutuhan tersebut, Microsoft merancang Maia sebagai bagian dari sistem yang lebih luas.

Pemanfaatan Azure Maia 200 dalam Microsoft Copilot dan Layanan AI

Penggunaan akselerator khusus Microsoft tidak terbatas pada pengujian laboratorium. Perusahaan menjelaskan bahwa akselerator tersebut telah mendukung operasional Microsoft Copilot. Tidak hanya untuk layanan asisten AI, pekerjaan pengembangan kecerdasan buatan perusahaan memperoleh dukungan Maia 200. Jenis model yang dijalankan mencakup berbagai keluarga model AI komersial serta open source. Fleksibilitas penggunaan pada beberapa keluarga model membantu Microsoft mengoptimalkan sistem untuk beragam kebutuhan. Melalui pendekatan ini, perangkat keras dapat disesuaikan dengan layanan yang dijalankan.

Dalam rencana pengembangan berikutnya, Microsoft mengarahkan perluasan dukungan menuju layanan pengembangan perangkat lunak dan platform AI. Dalam target perusahaan yang dipublikasikan, GitHub Copilot dan Microsoft Foundry ditargetkan menggunakan Maia 200 sebelum pergantian tahun. Dalam konteks pengembangan perangkat lunak, GitHub Copilot menggunakan model AI untuk membantu aktivitas coding. Di sisi lain, Microsoft Foundry menyediakan lingkungan untuk membangun solusi kecerdasan buatan. Penggunaan Maia 200 dalam ekosistem ini dapat membantu pengelolaan permintaan komputasi yang besar. Walaupun demikian, jadwal penggunaan dapat mengalami penyesuaian.

Persaingan Teknologi Akselerator AI dalam Industri Pusat Data

Tujuan strategis dari akselerator internal tersebut adalah memperbaiki hubungan antara performa dan sumber daya. Pada pengumuman Januari 2026, Microsoft menyebut efisiensi biaya yang lebih baik sekitar 30 persen dibandingkan sistem pembanding pada infrastruktur perusahaan. Kemudian, dalam pembaruan Oktober 2026, Microsoft menyatakan Maia 200 memberikan hingga 1,7 kali lebih banyak token per watt dibandingkan infrastruktur GPU terkemuka pada beban kerja tertentu. Klaim efisiensi tersebut tidak berarti seluruh aplikasi memperoleh peningkatan yang identik.

Dalam industri pusat data, kebutuhan energi memengaruhi efisiensi operasional. Seiring pertumbuhan penggunaan aplikasi AI, kebutuhan terhadap akselerator dan sistem pendinginan juga bertambah. Melalui investasi pada akselerator internal, Microsoft memiliki peluang mengoptimalkan komputasi sesuai kebutuhan produk. Walaupun strategi tersebut menawarkan manfaat, Microsoft masih membutuhkan ekosistem komputasi yang beragam. Model infrastruktur heterogen ini memberikan fleksibilitas dalam pengelolaan komputasi. 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 optimalisasi TEKNOLOGI komputasi cloud. Melalui rancangan yang berfokus pada inferensi, Maia 200 dirancang untuk menjalankan layanan AI secara efisien. 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. Seiring peningkatan permintaan AI, optimalisasi komputasi akan menjadi perhatian utama industri. Dari sudut pandang Anda, apakah inovasi perangkat keras akan membantu menekan biaya layanan AI? Bagikan pendapat Anda mengenai perkembangan ini.