SUARAMALANG.COM – Persaingan industri kecerdasan buatan (AI) kini tidak hanya ditentukan oleh kecanggihan model yang bisa menjawab pertanyaan atau menulis kode. Perusahaan teknologi juga berlomba membangun infrastruktur yang mampu menjalankan AI dengan lebih cepat dan efisien.
Microsoft mengambil langkah baru melalui Maia 300, chip akselerator AI generasi ketiga yang diumumkan pada 12 Oktober 2026. Perusahaan tersebut menargetkan penerapan sistem Azure Maia dalam skala besar mulai 2027, dengan tujuan memperkuat layanan AI sekaligus meningkatkan efisiensi komputasi.
Langkah ini penting karena di balik layanan seperti asisten AI, pemrograman otomatis, dan pemrosesan dokumen, terdapat pusat data yang membutuhkan chip, jaringan, sistem pendingin, serta pasokan listrik dalam jumlah besar.
Maia 300 dirancang untuk menangani beban kerja AI
Maia 300 merupakan bagian dari keluarga chip Azure Maia yang dikembangkan Microsoft untuk menjalankan pemrosesan AI di infrastruktur komputasi awannya. Teknologi ini ditujukan untuk berbagai beban kerja, mulai dari pemrosesan model bahasa berukuran besar hingga tugas AI yang memerlukan beberapa tahapan tindakan.
Microsoft menyebut Maia 300 dirancang untuk mendukung pemrosesan dengan konteks panjang, respons percakapan yang membutuhkan latensi rendah, serta tugas agentic AI. Istilah terakhir merujuk pada sistem AI yang dapat menjalankan serangkaian langkah untuk menyelesaikan tugas, bukan sekadar memberikan jawaban dalam percakapan.
Kebutuhan tersebut semakin penting ketika AI digunakan untuk menulis dan memeriksa kode, merangkum dokumen panjang, mengolah informasi perusahaan, atau menjalankan alur kerja yang melibatkan beberapa alat sekaligus.
Menurut Microsoft, Maia 300 diperkirakan mampu menghasilkan 40 persen lebih banyak token per megawatt dibandingkan sistem berbasis GPU terkemuka. Token merupakan unit pemrosesan teks yang digunakan model AI untuk membaca masukan dan menghasilkan keluaran. Klaim ini menggambarkan target efisiensi yang disampaikan perusahaan, bukan jaminan bahwa setiap aplikasi AI akan menjadi 40 persen lebih cepat atau lebih murah.
Mengapa Microsoft ingin membuat chip AI sendiri?
Salah satu alasannya adalah kebutuhan untuk mengendalikan kinerja infrastruktur AI. Selama ini, GPU dari Nvidia menjadi komponen penting dalam pengembangan dan pengoperasian banyak sistem AI. Ketika permintaan komputasi meningkat, kemampuan memperoleh dan mengoperasikan perangkat keras yang sesuai menjadi faktor strategis bagi penyedia layanan cloud.
Dengan mengembangkan chip sendiri, Microsoft dapat merancang perangkat keras yang disesuaikan dengan model AI, perangkat lunak, jaringan, dan pusat data yang mereka operasikan. Pendekatan ini memungkinkan perusahaan mengoptimalkan keseluruhan sistem, bukan hanya mengandalkan peningkatan kemampuan satu prosesor.
Strategi tersebut bukan berarti Microsoft akan langsung meninggalkan Nvidia. Pengembangan chip internal dapat menjadi bagian dari kombinasi infrastruktur yang lebih luas, sementara GPU dari berbagai pemasok tetap berpotensi digunakan sesuai kebutuhan dan karakteristik beban kerja.
Microsoft juga bukan satu-satunya perusahaan yang menempuh jalur ini. Perusahaan teknologi berskala besar semakin memperhatikan desain chip khusus untuk mengendalikan biaya, meningkatkan efisiensi, dan mengurangi ketergantungan pada satu jenis perangkat keras.
Desain chip ikut menentukan efisiensi pusat data
Maia 300 dikembangkan sebagai sebuah sistem, bukan sekadar prosesor yang berdiri sendiri. Microsoft menjelaskan bahwa desainnya melibatkan chip, memori, jaringan, infrastruktur rak server, hingga pengelolaan daya dan pendinginan pusat data.
Salah satu pendekatan yang digunakan adalah desain chiplet, yakni arsitektur yang menyatukan beberapa bagian chip khusus dalam satu sistem. Pendekatan ini memungkinkan fungsi komputasi dan fungsi pendukung dirancang menggunakan teknologi yang sesuai dengan kebutuhan masing-masing.
Dalam konfigurasi yang dijelaskan Microsoft, satu rak Maia 300 menampung 96 akselerator dengan kebutuhan daya sekitar 167 kilowatt. Angka ini memperlihatkan bahwa peningkatan kemampuan AI juga berkaitan erat dengan pengelolaan listrik dan panas di pusat data.
Efisiensi menjadi persoalan penting karena penyedia layanan harus menambah kapasitas komputasi tanpa mengabaikan batas pasokan energi, ruang fisik, dan kemampuan pendinginan. Jika satu sistem dapat menyelesaikan lebih banyak pekerjaan dengan sumber daya yang sama, operator memiliki peluang untuk melayani lebih banyak permintaan AI dari kapasitas yang tersedia.
Dalam penjelasan teknisnya, Microsoft membandingkan Maia 300 dengan generasi sebelumnya, Maia 200, dan menyatakan bahwa konfigurasi penuh Maia 300 dapat menghasilkan hingga tujuh kali lipat throughput token pada tingkat rak. Perbandingan tersebut mengacu pada konfigurasi sistem yang disebut perusahaan, sehingga tidak dapat langsung disamakan dengan peningkatan kecepatan pada setiap aplikasi.
Apakah chip sendiri akan membuat layanan AI lebih murah?
Bagi pengguna, pertanyaan yang paling relevan bukan hanya seberapa canggih chip baru tersebut, melainkan apakah pengembangan ini akan membuat layanan AI lebih cepat, lebih mudah diakses, atau lebih terjangkau.
Secara teori, peningkatan efisiensi dapat membantu penyedia layanan menekan biaya untuk menjalankan setiap permintaan AI. Kapasitas komputasi yang lebih besar juga berpotensi mendukung layanan dengan konteks lebih panjang atau tugas yang lebih kompleks tanpa peningkatan kebutuhan sumber daya secara sebanding.
Namun, efisiensi perangkat keras bukan satu-satunya penentu harga. Pengeluaran untuk pembangunan pusat data, jaringan, energi, pengembangan model, pemeliharaan sistem, dan permintaan pasar turut memengaruhi biaya operasional. Perusahaan juga dapat memilih menggunakan peningkatan efisiensi untuk menambah kapasitas, mengembangkan fitur, atau meningkatkan margin, bukan langsung menurunkan tarif pelanggan.
Karena itu, pengumuman Maia 300 belum cukup untuk menyimpulkan bahwa langganan AI atau layanan berbasis Azure akan segera menjadi lebih murah. Dampak akhirnya bergantung pada implementasi, hasil operasional, persaingan, dan kebijakan harga Microsoft.
Persaingan AI kini merambah hingga infrastruktur
Pengembangan Maia 300 menunjukkan bahwa persaingan AI semakin melibatkan banyak lapisan teknologi. Model yang lebih canggih tetap membutuhkan komputasi yang memadai, sedangkan kemampuan menjalankan komputasi dalam skala besar membutuhkan desain perangkat keras, jaringan, dan pusat data yang efisien.
Microsoft menyampaikan rencana untuk memperluas sistem Azure Maia ke penerapan berskala multi-gigawatt mulai 2027. Perusahaan juga menyatakan bahwa Maia 300 akan mulai digunakan dalam lingkungan produksi pada tahun tersebut. Rencana ini menandai arah investasi infrastruktur Microsoft, bukan bukti bahwa seluruh layanan AI akan segera berpindah ke chip tersebut.
Perkembangan ini layak diperhatikan karena masa depan AI tidak hanya ditentukan oleh siapa yang menciptakan model paling pintar. Kemampuan menjalankan model secara efisien, menjaga ketersediaan layanan, dan memenuhi kebutuhan komputasi yang terus tumbuh juga akan menentukan seberapa luas teknologi tersebut dapat digunakan.
Bagi pengguna, perubahan di tingkat chip mungkin tidak langsung terlihat. Namun, persaingan di balik layar inilah yang dapat ikut membentuk kinerja, kapasitas, dan biaya layanan AI yang digunakan untuk bekerja, belajar, serta menjalankan bisnis digital.
