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 penggunaan chip khusus Maia 200. Dalam pengumuman Oktober 2026, 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. Penerapan tersebut memperlihatkan komitmen terhadap pengembangan chip sendiri. Berkat integrasi perangkat keras dan layanan, Microsoft berupaya meningkatkan efisiensi pemrosesan.

Microsoft mengumumkan Maia 200 pada 26 Januari 2026 sebagai chip khusus untuk menjalankan model kecerdasan buatan. Ketika pertama kali diumumkan, perangkat tersebut mulai digunakan pada infrastruktur Azure di Amerika Serikat. Selanjutnya, Microsoft memperluas penerapan menuju beberapa wilayah internasional. Pengembangan jaringan pusat data tersebut membantu menyediakan sumber daya untuk penggunaan model secara luas. Namun demikian, penggunaan internal Microsoft berbeda dari penyediaan akses perangkat keras kepada pelanggan. Artinya, perkembangan Maia 200 lebih berkaitan dengan kapasitas operasional layanan AI.

Keunggulan Perangkat Keras Maia 200 dalam Pemrosesan AI

Azure Maia 200 dirancang menggunakan teknologi produksi chip 3 nanometer untuk memproses kebutuhan inferensi berskala besar. Akselerator ini memiliki kemampuan komputasi lebih dari 10 petaFLOPS pada presisi FP4. Untuk mendukung beragam model AI, Maia 200 memiliki kemampuan pemrosesan FP8 yang melampaui 5 petaFLOPS. Format numerik FP4 dan FP8 dapat mengoptimalkan pemrosesan model yang mendukung format tersebut. Kendati spesifikasinya menjanjikan, kinerja nyata tetap bergantung pada model dan konfigurasi.

Di samping kekuatan komputasi, pengelolaan data menjadi bagian penting dari rancangan chip. Maia 200 dilengkapi 216 GB memori High Bandwidth Memory generasi HBM3e dan kemampuan transfer data hingga 7 terabita per detik. Sebagai pelengkap sistem memori utama, terdapat penyimpanan SRAM sebesar 272 MB. Susunan penyimpanan tersebut dirancang untuk menjaga aliran data menuju unit komputasi. Peran memori semakin menentukan karena model AI modern menggunakan parameter dalam jumlah sangat besar. Dengan rancangan yang tepat, kinerja sistem berpeluang menjadi lebih stabil.

Mekanisme Pemrosesan AI Menggunakan Chip Azure Maia 200

Dalam sistem kecerdasan buatan, pemrosesan inferensi memungkinkan model memberikan jawaban berdasarkan input. Sebagai contoh, ketika seseorang meminta Copilot merangkum dokumen, sistem mengolah informasi masukan sebelum menghasilkan keluaran. Akselerator tersebut dioptimalkan untuk memproses pekerjaan inferensi secara efisien. Dibandingkan prosesor yang digunakan untuk berbagai tugas umum, Maia 200 memprioritaskan kebutuhan pengolahan model AI. Pengoptimalan ini berpotensi meningkatkan efisiensi penggunaan energi.

Kendala utama pemrosesan kecerdasan buatan adalah mengurangi waktu tunggu ketika parameter model diakses. Ketika akses memori menjadi hambatan, unit komputasi berpotensi menunggu data. Dalam upaya meningkatkan efisiensi, Maia 200 mengandalkan arsitektur yang mengoordinasikan komputasi dan perpindahan data. Pendekatan arsitektur ini membantu mengatur penggunaan memori khusus. Ketika banyak akselerator digunakan bersama, jaringan antarakselerator juga menjadi faktor penting. Dengan mempertimbangkan kebutuhan tersebut, Microsoft mengembangkan pendekatan komputasi sekaligus jaringan.

Pemanfaatan Azure Maia 200 dalam Microsoft Copilot dan Layanan AI

Implementasi chip AI tersebut sudah mencakup beban kerja produksi. Microsoft mengonfirmasi bahwa layanan Copilot termasuk sistem yang menjalankan beban kerja pada Maia 200. Selain penggunaannya pada Copilot, tim pengembangan model MAI juga memanfaatkan infrastruktur tersebut. Ragam sistem AI yang diproses mencakup model OpenAI, model MAI milik Microsoft, dan model sumber terbuka. Kemampuan menangani berbagai model membantu Microsoft mengoptimalkan sistem untuk beragam kebutuhan. Dengan demikian, pemanfaatan komputasi dapat diarahkan pada kebutuhan produk nyata.

Dalam rencana pengembangan berikutnya, Microsoft mengarahkan 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. GitHub Copilot sendiri memproses permintaan pemrograman dari pengguna. Sementara itu, Microsoft Foundry menyediakan lingkungan untuk membangun solusi kecerdasan buatan. Penggunaan Maia 200 dalam ekosistem ini 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

Tujuan strategis dari akselerator internal tersebut 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. Pada perkembangan yang diumumkan setelah penerapan produksi, Microsoft melaporkan peningkatan efisiensi pemrosesan token hingga 1,7 kali per watt dibandingkan sistem GPU pembanding untuk kemampuan AI terintegrasi. Angka tersebut tidak berarti seluruh aplikasi memperoleh peningkatan yang identik.

Dalam industri pusat data, kebutuhan energi memengaruhi efisiensi operasional. Ketika permintaan layanan kecerdasan buatan meningkat, kebutuhan terhadap akselerator dan sistem pendinginan juga bertambah. Melalui investasi pada akselerator internal, Microsoft berupaya mengurangi ketergantungan pada satu jenis perangkat. Namun demikian, infrastruktur Azure tetap menggunakan berbagai jenis perangkat keras. Strategi penggunaan beberapa jenis akselerator memungkinkan perusahaan memilih perangkat sesuai kebutuhan. Melalui strategi ini, pemrosesan AI tidak bergantung pada satu arsitektur.

Kesimpulan: Azure Maia 200 Memperkuat Infrastruktur AI Microsoft

Penerapan akselerator Maia 200 pada infrastruktur Microsoft menunjukkan kemajuan penting dalam penerapan TEKNOLOGI akselerator AI. Dengan arsitektur khusus untuk pemrosesan model, Maia 200 dirancang untuk menjalankan layanan AI secara efisien. Microsoft Copilot telah menjadi bagian dari penerapan produksi, sementara perluasan penggunaan dalam ekosistem perusahaan tetap berlangsung. Meski demikian, manfaat perangkat keras perlu dinilai berdasarkan kondisi operasional. Ke depan, pengembangan akselerator khusus berpotensi semakin penting. Menurut Anda, apakah inovasi perangkat keras akan membantu menekan biaya layanan AI? Bagikan pendapat Anda mengenai perkembangan ini.