JAKARTA, INDONESIA — Microsoft berencana memperluas penggunaan chip kecerdasan buatan (AI) rancangannya sendiri dalam skala besar mulai 2027. Perusahaan teknologi asal Amerika Serikat itu memperkenalkan Maia 300, generasi ketiga prosesor AI internal yang ditujukan untuk meningkatkan efisiensi layanan AI sekaligus mengurangi ketergantungan pada pemasok chip eksternal, terutama Nvidia.
Menurut laporan Reuters pada 12 Oktober 2026, Microsoft berpotensi menggunakan lebih dari satu juta chip Maia 300 pada tahun depan untuk mendukung layanan AI internalnya. Langkah ini merupakan bagian dari strategi perusahaan untuk mengendalikan biaya komputasi, memperkuat infrastruktur pusat data, dan memenuhi pertumbuhan permintaan AI.
Microsoft menyatakan Maia 300 dirancang untuk memberikan sekitar 40% lebih banyak pemrosesan token per megawatt dibandingkan sistem berbasis GPU terkemuka. Angka tersebut merupakan klaim kinerja perusahaan dan hasil aktualnya akan bergantung pada beban kerja serta kondisi operasional.
Microsoft Perkenalkan Chip AI Maia 300 Generasi Ketiga
Maia 300 dikembangkan untuk menjalankan model AI setelah proses pelatihan selesai, yang dikenal sebagai AI inference. Tahap ini mencakup pemrosesan permintaan pengguna, pembuatan jawaban, penalaran, dan pelaksanaan tugas oleh agen AI.
Dirancang untuk Copilot dan layanan AI Microsoft
Microsoft ingin menjadikan keluarga chip Maia sebagai infrastruktur utama untuk menjalankan AI pada produk dan layanannya. Penggunaan chip internal berpotensi mendukung layanan seperti Microsoft Copilot serta berbagai aplikasi berbasis AI yang berjalan di ekosistem Azure.
Strategi ini memungkinkan Microsoft menyesuaikan perangkat keras dengan model AI dan perangkat lunaknya sendiri. Dengan merancang berbagai komponen secara terpadu, perusahaan dapat mengoptimalkan penggunaan energi, kapasitas komputasi, dan kecepatan pemrosesan sesuai kebutuhan layanan.
Pendekatan tersebut penting karena biaya menjalankan model AI dalam skala besar dapat meningkat seiring bertambahnya pengguna, panjang percakapan, dan kompleksitas tugas yang dikerjakan.
Satu rak Maia 300 menampung 96 chip
Sistem Maia 300 dirancang dalam konfigurasi rak yang menampung 96 akselerator AI dan menggunakan daya sekitar 167 kilowatt. Konfigurasi ini memungkinkan Microsoft menggabungkan banyak chip dalam satu sistem komputasi yang terintegrasi.
Microsoft juga menyatakan bahwa konfigurasi rak Maia 300 dapat menghasilkan throughput hingga tujuh kali lebih besar dibandingkan Maia 200 pada tingkat rak. Perbandingan tersebut mengacu pada klaim perusahaan mengenai kinerja sistem, bukan jaminan peningkatan yang sama untuk setiap jenis aplikasi.
Kapasitas pemrosesan yang lebih tinggi dapat membantu pusat data melayani lebih banyak permintaan AI dengan sumber daya yang tersedia.
Strategi Microsoft untuk Menekan Biaya Infrastruktur AI
Pengembangan chip sendiri menjadi semakin penting bagi perusahaan teknologi yang harus mengoperasikan model AI dalam jumlah besar. Selain harga perangkat keras, pengeluaran pusat data mencakup energi, pendinginan, jaringan, pemeliharaan, dan fasilitas pendukung.
Efisiensi energi menjadi faktor utama
Microsoft memperkirakan Maia 300 dapat menghasilkan sekitar 40% lebih banyak token per megawatt dibandingkan sistem GPU terkemuka. Token merupakan unit yang digunakan model AI untuk memproses teks dan menghasilkan keluaran.
Jika peningkatan efisiensi tersebut dapat dicapai dalam penggunaan nyata, Microsoft berpotensi menekan biaya listrik dan meningkatkan kapasitas layanan tanpa harus menambah konsumsi energi dalam proporsi yang sama.
Namun, efisiensi operasional tidak hanya ditentukan oleh chip. Pemanfaatan memori, jaringan, perangkat lunak, serta tingkat penggunaan sistem turut menentukan biaya per permintaan AI.
Arsitektur chiplet membantu mengoptimalkan desain
Maia 300 menggunakan pendekatan arsitektur chiplet, yakni menggabungkan beberapa komponen silikon khusus dalam satu sistem. Pendekatan ini memungkinkan fungsi komputasi, pengendali memori, dan input-output dirancang dengan kebutuhan yang berbeda.
Menurut informasi teknis Microsoft, bagian komputasi utama menggunakan teknologi proses 2 nanometer dari Taiwan Semiconductor Manufacturing Company (TSMC), melalui proses N2P.
Desain tersebut ditujukan untuk meningkatkan kinerja per watt dan membantu mengoptimalkan penggunaan area silikon. Meski demikian, hasil akhirnya tetap bergantung pada desain keseluruhan sistem, implementasi perangkat lunak, dan karakteristik beban kerja AI.
Microsoft Berupaya Mengurangi Ketergantungan pada Nvidia
Nvidia selama ini menjadi pemasok utama GPU yang digunakan untuk melatih dan menjalankan banyak model AI. Akan tetapi, meningkatnya permintaan komputasi mendorong perusahaan teknologi besar mengembangkan akselerator khusus mereka sendiri.
Persaingan chip internal semakin intensif
Microsoft bukan satu-satunya perusahaan yang menempuh strategi tersebut. Google mengembangkan TPU, sementara Amazon memiliki keluarga chip Trainium dan Inferentia untuk mendukung layanan komputasi AI. Perusahaan teknologi lain juga meningkatkan investasi pada desain silikon khusus.
Dengan Maia 300, Microsoft berupaya memperoleh kontrol lebih besar atas pasokan perangkat keras, biaya operasional, dan integrasi sistem. Hal ini dapat mengurangi ketergantungan pada pembelian akselerator dari pemasok eksternal.
Namun, strategi tersebut tidak serta-merta berarti Microsoft akan sepenuhnya meninggalkan Nvidia. Kebutuhan perangkat keras dapat berbeda menurut jenis model, tahap pemrosesan, ketersediaan chip, dan persyaratan pelanggan.
Nvidia tetap menjadi pemain penting di industri AI
Keunggulan Nvidia tidak hanya terletak pada perangkat keras, tetapi juga pada ekosistem perangkat lunak, perangkat pengembangan, dan dukungan untuk berbagai model AI.
Karena itu, persaingan chip tidak semata-mata ditentukan oleh kecepatan pemrosesan. Kompatibilitas perangkat lunak, kemudahan pengembangan, stabilitas sistem, dan dukungan teknis juga berperan dalam keputusan perusahaan memilih platform.
Bagi Microsoft, keberhasilan Maia 300 akan bergantung pada kemampuan menawarkan efisiensi yang nyata sekaligus menjaga keandalan layanan AI pada skala global.
Dampak bagi Bisnis Cloud dan Industri AI Global
Infrastruktur chip internal dapat menjadi keunggulan kompetitif bagi penyedia layanan komputasi awan. Jika biaya pemrosesan AI dapat ditekan, perusahaan berpotensi meningkatkan efisiensi layanan dan memperkuat daya saing harga.
Azure berpeluang memperoleh manfaat dari efisiensi komputasi
Microsoft Azure bersaing dengan penyedia cloud besar lainnya dalam menawarkan kapasitas komputasi, model AI, dan layanan bagi perusahaan. Ketersediaan chip yang dirancang khusus untuk kebutuhan internal dapat membantu Microsoft mengatur kapasitas pusat data secara lebih fleksibel.
Efisiensi yang lebih baik juga dapat membantu perusahaan melayani permintaan AI yang terus meningkat, terutama untuk aplikasi yang membutuhkan respons cepat, percakapan panjang, serta agen yang menjalankan banyak langkah pekerjaan.
Namun, manfaat finansial baru dapat dinilai setelah penerapan Maia 300 berjalan dalam skala besar dan dampaknya terhadap biaya operasional terlihat dalam laporan perusahaan.
Investasi besar tetap membawa risiko
Pembangunan pusat data AI membutuhkan belanja modal yang besar. Perusahaan perlu memastikan bahwa kapasitas yang dibangun dapat digunakan secara produktif dan menghasilkan pendapatan yang sebanding dengan biaya investasi.
Risiko lainnya mencakup keterlambatan produksi, keterbatasan pasokan komponen, kebutuhan energi, dan perubahan teknologi yang cepat. Karena itu, pengembangan chip internal merupakan strategi jangka panjang yang memerlukan koordinasi antara desain perangkat keras, perangkat lunak, dan operasional pusat data.
Apa Arti Perkembangan Chip AI Microsoft bagi Indonesia?
Ekspansi infrastruktur AI Microsoft berpotensi memengaruhi pasar komputasi awan dan layanan digital yang digunakan perusahaan di Indonesia. Perubahan teknologi pada penyedia cloud global dapat memengaruhi kapasitas, efisiensi, dan pilihan layanan AI yang tersedia bagi pelanggan bisnis.
Peluang bagi perusahaan dan pengembang Indonesia
Perusahaan Indonesia yang menggunakan layanan cloud untuk mengembangkan chatbot, analisis data, otomatisasi bisnis, dan aplikasi AI berpotensi memperoleh manfaat apabila penyedia layanan mampu meningkatkan kapasitas dan efisiensi operasional.
Pengembang lokal juga dapat memanfaatkan platform AI untuk membangun produk digital tanpa harus membeli dan mengelola seluruh infrastruktur komputasi sendiri.
Meski demikian, efisiensi pada tingkat pusat data tidak otomatis berarti harga layanan bagi pelanggan Indonesia akan langsung turun. Harga akhir tetap dipengaruhi oleh kebijakan penyedia, jenis layanan, biaya jaringan, kurs mata uang, serta kebutuhan komputasi setiap aplikasi.
Ketersediaan energi dan infrastruktur tetap penting
Pertumbuhan penggunaan AI juga meningkatkan kebutuhan pusat data, listrik, konektivitas, dan sistem pendinginan. Bagi Indonesia, perkembangan tersebut memperkuat pentingnya investasi pada infrastruktur digital yang andal dan efisien.
Perusahaan yang ingin mengadopsi AI perlu mempertimbangkan biaya total penggunaan, keamanan data, kepatuhan terhadap aturan yang berlaku, serta kemampuan tenaga kerja dalam mengoperasikan teknologi baru.
Dengan demikian, manfaat perkembangan chip AI global akan bergantung pada kesiapan ekosistem digital dan kemampuan bisnis mengintegrasikan teknologi secara efektif.
Kesimpulan: Maia 300 Menjadi Langkah Strategis Microsoft di Industri AI
Rencana Microsoft untuk memperluas penggunaan chip Maia 300 hingga berpotensi lebih dari satu juta unit pada 2027 menunjukkan besarnya upaya perusahaan mengendalikan infrastruktur AI sendiri.
Dengan klaim efisiensi pemrosesan yang lebih tinggi, konfigurasi rak berkapasitas besar, dan integrasi perangkat keras dengan perangkat lunak, Microsoft berupaya menekan biaya sekaligus meningkatkan kemampuan layanan AI.
Namun, dampak sebenarnya terhadap biaya, kinerja, dan ketergantungan pada pemasok eksternal baru dapat dinilai setelah penerapan berskala besar berlangsung. Persaingan dengan Nvidia dan pengembang chip internal lain juga akan ditentukan oleh kualitas sistem secara menyeluruh, bukan hanya spesifikasi prosesor.
Bagi industri AI global dan pengguna di Indonesia, perkembangan ini menandai fase baru persaingan yang semakin berfokus pada efisiensi komputasi, kapasitas pusat data, dan kemampuan menghadirkan layanan AI dengan biaya yang berkelanjutan.
Comment