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 pemanfaatan akselerator Azure Maia 200. Dalam pengumuman Oktober 2026, Maia 200 telah menjalankan beban kerja produksi. Contoh penerapan yang telah dikonfirmasi adalah Microsoft Copilot, sementara tim Microsoft AI memanfaatkannya untuk pekerjaan pengembangan model. Penggunaan perangkat keras tersebut menjadi bagian dari strategi infrastruktur jangka panjang. Berkat integrasi perangkat keras dan layanan, Microsoft menargetkan pengoperasian AI yang lebih ekonomis.

Peluncuran awal akselerator Maia 200 berlangsung 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. Seiring perkembangan program, Microsoft memperluas penerapan menuju beberapa wilayah internasional. Pengembangan jaringan pusat data tersebut mendukung kebutuhan pemrosesan yang semakin besar. Namun demikian, akses komersial terhadap akselerator tertentu mengikuti kebijakan layanan Azure. Artinya, perkembangan Maia 200 lebih berkaitan dengan kapasitas operasional layanan AI.

Desain Chip Microsoft Maia 200 untuk Komputasi Kecerdasan Buatan

Chip Maia 200 dikembangkan menggunakan teknologi fabrikasi 3 nanometer dari TSMC untuk memproses kebutuhan inferensi berskala besar. Prosesor khusus tersebut mampu mencapai kapasitas komputasi melebihi 10 petaFLOPS dalam format FP4. Di samping kemampuan tersebut, Maia 200 memiliki kemampuan pemrosesan FP8 yang melampaui 5 petaFLOPS. Format numerik FP4 dan FP8 dapat mengoptimalkan pemrosesan model yang mendukung format tersebut. Meski demikian, hasil pemrosesan dipengaruhi karakteristik beban kerja.

Tidak hanya mengandalkan unit perhitungan, sistem memori menjadi komponen penting dalam arsitektur Maia 200. Microsoft membekali akselerator tersebut memori HBM3e berkapasitas 216 GB dan kemampuan transfer data hingga 7 terabita per detik. Pada bagian internal prosesor, Microsoft menyediakan 272 MB memori SRAM. Kombinasi tersebut mendukung pemanfaatan kapasitas pemrosesan secara lebih optimal. Hal ini menjadi penting karena sistem kecerdasan buatan harus memproses konteks dan informasi dalam volume besar. Melalui pengelolaan data yang efisien, pemanfaatan akselerator dapat ditingkatkan.

Peran Akselerator AI untuk Mempercepat Respons Model Bahasa

Pada layanan AI modern, tahap inferensi digunakan untuk memproses permintaan pengguna. Dalam penggunaan sehari-hari, ketika seseorang meminta Copilot merangkum dokumen, sistem mengolah informasi masukan sebelum menghasilkan keluaran. Perangkat keras Microsoft ini dirancang untuk menangani permintaan kecerdasan buatan dalam skala besar. Tidak seperti CPU yang harus menangani beragam pekerjaan, desain chip berfokus pada karakteristik beban kerja inferensi. Pengoptimalan ini memungkinkan pemrosesan lebih sesuai dengan kebutuhan aplikasi.

Salah satu tantangan inferensi adalah menjaga ketersediaan informasi selama perhitungan berlangsung. Apabila perpindahan data berlangsung lambat, unit komputasi berpotensi menunggu data. Dalam upaya meningkatkan efisiensi, Maia 200 mengandalkan arsitektur yang mengoordinasikan komputasi dan perpindahan data. Sistem pengolahan tersebut memungkinkan koordinasi sumber daya sesuai kebutuhan model. Dalam pemrosesan pada skala pusat data, koordinasi komunikasi antarperangkat harus diperhatikan. 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. Dalam pengumuman resminya Microsoft menyebutkan bahwa akselerator tersebut telah mendukung operasional Microsoft Copilot. Tidak hanya untuk layanan asisten AI, Microsoft menggunakan chip ini dalam pengembangan model internal. Ragam sistem AI yang diproses mencakup model kecerdasan buatan dari OpenAI maupun pengembangan internal Microsoft. Kemampuan menangani berbagai model mendukung penggunaan akselerator dalam berbagai skenario inferensi. Melalui pendekatan ini, pemanfaatan komputasi dapat diarahkan pada kebutuhan produk nyata.

Perusahaan turut menyiapkan penggunaan Maia 200 untuk GitHub Copilot dan Microsoft Foundry. Berdasarkan jadwal yang disampaikan Microsoft, 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 memfasilitasi pemanfaatan model AI dalam berbagai kebutuhan. Penerapan perangkat keras khusus mendukung pengembangan layanan dengan kebutuhan pemrosesan tinggi. Meski telah menjadi bagian dari rencana perusahaan, hasil akhirnya tetap bergantung pada proses penerapan.

Efisiensi Energi dan Strategi Microsoft Mengembangkan Chip AI Sendiri

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 sistem pembanding pada infrastruktur perusahaan. Pada perkembangan yang diumumkan setelah penerapan produksi, 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 perlu dipahami berdasarkan kondisi pengujian.

Dalam industri pusat data, konsumsi listrik merupakan salah satu komponen biaya penting. Seiring pertumbuhan penggunaan aplikasi AI, kapasitas komputasi harus terus disesuaikan. Berkat penguasaan desain perangkat keras, Microsoft dapat menyesuaikan arsitektur dengan karakteristik layanannya. Meski pengembangan chip khusus menjanjikan, infrastruktur Azure tetap menggunakan berbagai jenis perangkat keras. Strategi penggunaan beberapa jenis akselerator memungkinkan perusahaan memilih perangkat sesuai kebutuhan. Dengan cara tersebut, pemrosesan AI tidak bergantung pada satu arsitektur.

Peran Azure Maia 200 dalam Transformasi Pusat Data Kecerdasan Buatan

Penerapan akselerator Maia 200 pada infrastruktur Microsoft menunjukkan kemajuan penting dalam pengembangan TEKNOLOGI kecerdasan buatan. Melalui rancangan yang berfokus pada inferensi, Maia 200 membantu memperkuat kemampuan infrastruktur Azure. Layanan Copilot merupakan salah satu contoh implementasi nyata, sementara pengembangan menuju layanan lain terus disiapkan. Walaupun kemampuannya menjanjikan, efisiensi setiap sistem dapat berbeda mengikuti beban kerja. Ke depan, inovasi chip dapat memengaruhi strategi pusat data global. Bagaimana pendapat Anda, apakah pengembangan akselerator internal dapat mengubah industri cloud? Bagikan pendapat Anda mengenai perkembangan ini.