Microsoft Siapkan Maia 300: Ambisi Lebih dari Sejuta Chip AI pada 2027

Microsoft memperkenalkan Maia 300, generasi ketiga chip AI rancangannya sendiri, dan mengatakan berencana memasang lebih dari satu juta unit pada 2027. Reuters melaporkan pengumuman itu pada 12 Oktober 2026. Langkah ini memperlihatkan bahwa persaingan AI bukan hanya soal model dan aplikasi, tetapi juga biaya listrik, ketersediaan prosesor, dan efisiensi pusat data yang menjalankan layanan tersebut.

Chip khusus menjadi semakin menarik bagi perusahaan cloud besar karena beban kerja AI dapat sangat berbeda dari komputasi umum. Melatih model, menjalankan inferensi, membantu pemrograman, dan menangani tugas bisnis membutuhkan kombinasi komputasi, memori, dan komunikasi data yang berbeda. Perangkat keras yang disesuaikan untuk kebutuhan itu berpotensi menekan biaya per tugas, meski manfaatnya baru terlihat jika seluruh sistem bekerja dengan baik.

Fokus pada sistem, bukan chip semata

Maia 300 dirancang untuk beban komputasi AI, termasuk pemrograman dan tugas bisnis kompleks. Menurut Microsoft, chip ini menggunakan pendekatan chiplet: beberapa bagian silikon dengan fungsi berbeda disatukan dalam satu paket. Bagian komputasi utama memakai proses 2 nanometer dari TSMC, sedangkan chiplet lain menggunakan teknologi 3 nanometer untuk fungsi seperti memindahkan data.

Pendekatan modular dapat memberi perancang fleksibilitas untuk memilih teknologi produksi yang sesuai bagi tiap bagian. Tidak semua fungsi memerlukan proses fabrikasi paling mutakhir dan mahal. Namun, merakit chiplet tetap menuntut rancangan paket yang rumit, jalur komunikasi cepat, manajemen panas, serta perangkat lunak yang dapat membagi pekerjaan secara efisien.

Membaca klaim efisiensi dan kebutuhan listrik

Microsoft mengatakan sistem Maia 300 dapat menghasilkan sekitar 40% lebih banyak komputasi berguna per megawatt dibandingkan sistem GPU terkemuka yang dijadikan pembanding. Perusahaan tidak merinci secara terbuka sistem yang dipakai dalam perbandingan tersebut. Karena itu, angka ini sebaiknya dipahami sebagai klaim vendor, bukan hasil uji independen yang berlaku untuk setiap model dan jenis pekerjaan.

Reuters melaporkan rak Maia 300 dirancang menampung 96 chip dengan konsumsi daya sekitar 167 kilowatt. Sebagai pembanding, rak Nvidia GB300 yang disebut dalam laporan menggunakan sekitar 142 kilowatt untuk 72 GPU. Angka konsumsi daya rak saja belum cukup untuk menyimpulkan mana yang lebih efisien. Kita juga perlu mengetahui berapa banyak pekerjaan yang diselesaikan, bagaimana biaya pendinginan dihitung, seberapa penuh perangkat digunakan, dan apakah memori atau jaringan menjadi hambatan.

Mengapa Microsoft ingin membuat chip sendiri?

Perusahaan cloud ingin mengurangi ketergantungan pada satu pemasok dan mengoptimalkan perangkat keras untuk layanan internal. Chip khusus dapat membantu menyelaraskan prosesor, pusat data, dan perangkat lunak. Jika biaya per hasil komputasi turun, penyedia cloud berpotensi menjalankan lebih banyak layanan AI dengan anggaran energi yang sama atau menawarkan harga lebih kompetitif.

Namun, merancang chip bukan jalan pintas menuju kemandirian. Produksi dalam jumlah besar, pasokan memori, keandalan, jaringan, pendinginan, dan dukungan perangkat lunak semuanya perlu tersedia secara bersamaan. Pengembang juga membutuhkan alat yang stabil agar aplikasi dapat memanfaatkan chip baru tanpa harus menulis ulang seluruh sistem.

Bagaimana posisi Nvidia dan pemasok lain?

Maia 300 menunjukkan upaya Microsoft membangun pilihan tambahan, tetapi tidak berarti Nvidia langsung tersingkir. Ekosistem GPU yang matang, perangkat lunak, dukungan pengembang, dan ketersediaan perangkat keras tetap menjadi faktor penting. Banyak perusahaan dapat memakai campuran akselerator sesuai jenis beban kerja, alih-alih mengganti seluruh infrastrukturnya sekaligus.

Rencana lebih dari satu juta unit pada 2027 juga merupakan target, bukan jumlah chip yang sudah terpasang. Skala akhirnya bergantung pada produksi dan peluncuran bertahap. Bagi pelanggan, ukuran keberhasilan yang paling berarti adalah performa pada beban kerja nyata, biaya per hasil, keandalan, dan apakah efisiensi tersebut benar-benar diteruskan ke harga layanan.

Apa yang perlu dipantau selanjutnya?

Pengumuman ini memperkuat tren bahwa persaingan AI semakin bergeser ke tingkat sistem. Model yang kuat membutuhkan pasokan listrik, pusat data, jaringan, dan prosesor yang dapat bekerja bersama. Karena itu, klaim efisiensi perlu dilihat bersama data penggunaan aktual, bukan hanya spesifikasi di atas kertas.

Jika Maia 300 dapat diproduksi dalam jumlah besar dan menjalankan layanan dengan efisien, Microsoft akan memiliki lebih banyak kendali atas biaya dan kapasitas AI-nya. Jika produksi atau perangkat lunaknya tertinggal, manfaat desain chip khusus akan lebih lambat terasa. Perkembangan sepanjang 2027 akan memberi gambaran lebih jelas tentang seberapa jauh strategi ini dapat mengubah ekonomi komputasi AI.

Sumber: Reuters, 12 Oktober 2026.