Microsoft secara resmi meluncurkan Windows ML untuk ketersediaan umum, menandai pergeseran signifikan menuju pemrosesan AI lokal pada perangkat Windows . Perkembangan ini merepresentasikan langkah strategis perusahaan untuk memungkinkan aplikasi bertenaga AI yang berjalan langsung pada perangkat keras pengguna daripada mengandalkan layanan berbasis cloud semata, berpotensi mengubah cara developer membuat dan menerapkan pengalaman AI pada platform Windows .
Jadwal Pengembangan
- 2018: Peluncuran awal untuk Windows 10
- 2025: Pengenalan Build 2025
- September 2025: Peluncuran ketersediaan umum
- Target: Perangkat Windows 11 24H2+
Lapisan Abstraksi Perangkat Keras Menyederhanakan Pengembangan AI
Windows ML berfungsi sebagai lapisan abstraksi perangkat keras yang canggih yang secara otomatis memilih unit pemrosesan paling sesuai untuk beban kerja AI. Platform ini secara cerdas mendistribusikan tugas-tugas melintasi CPU untuk fleksibilitas, GPU untuk operasi intensif daya, dan NPU untuk pemrosesan hemat energi. Deteksi perangkat keras otomatis ini menghilangkan kebutuhan developer untuk menggabungkan berbagai komponen runtime, secara signifikan mengurangi overhead perangkat lunak dan menyederhanakan proses pengembangan.
Persyaratan Sistem
- Sistem Operasi: Windows 11 24H2 atau yang lebih baru
- Dukungan Perangkat Keras: CPU x86, NPU, Snapdragon X series berbasis Arm, GPU diskrit dari Nvidia dan AMD
- Opsi Pemrosesan: CPU (fleksibilitas), GPU (tugas intensif daya), NPU (efisiensi daya)
Kemitraan Silicon Memastikan Kompatibilitas Luas
Microsoft telah berkolaborasi secara ekstensif dengan mitra silicon utama termasuk AMD , Intel , Nvidia , dan Qualcomm untuk memastikan dukungan perangkat keras yang komprehensif. Platform ini mendukung CPU dan NPU x86 terbaru, prosesor berbasis Arm Snapdragon X series, dan GPU diskrit performa tinggi dari produsen terkemuka. Mitra silicon membangun dan memelihara penyedia eksekusi yang didistribusikan dan dikelola oleh Windows ML , menciptakan integrasi yang mulus antara kemampuan perangkat lunak dan perangkat keras.
Mitra Industri Utama
Kategori | Mitra |
---|---|
Mitra Silikon | AMD , Intel , Nvidia , Qualcomm |
Pengadopsi Perangkat Lunak | Adobe , McAfee , Topaz Labs , Reincubate , Wondershare |
Aplikasi Adobe | Premiere Pro , After Effects |
Kasus Penggunaan | Pencarian semantik, deteksi deepfake, pengeditan gambar, optimasi streaming video |
Perusahaan Perangkat Lunak Besar Sudah Mengadopsi Platform Ini
Beberapa perusahaan perangkat lunak terkemuka telah mulai mengintegrasikan Windows ML ke dalam aplikasi mereka setelah pengujian ekstensif selama fase pengembangan. Adobe berencana mengimplementasikan teknologi ini dalam Premiere Pro dan After Effects , memanfaatkan NPU lokal untuk pencarian semantik, penandaan audio, dan fitur deteksi edit adegan. McAfee memanfaatkan Windows ML untuk deteksi video deepfake otomatis dan identifikasi penipuan jaringan sosial, sementara Topaz Labs telah menggabungkan platform ini ke dalam Topaz Photo untuk kemampuan pengeditan gambar bertenaga AI.
Persyaratan Windows 11 24H2 dan Implikasi Masa Depan
Platform ini memerlukan Windows 11 24H2 atau versi yang lebih baru, memposisikannya sebagai fitur kunci untuk sistem operasi terbaru Microsoft . Windows ML berfungsi sebagai fondasi untuk Windows AI Foundry , platform yang lebih luas dari Microsoft untuk mengelola beban kerja AI pada perangkat Windows . Perusahaan mengharapkan teknologi ini akan mendorong peningkatan adopsi Windows dengan membuat pengembangan AI lebih mudah diakses dan mendorong developer untuk menciptakan aplikasi bertenaga AI yang inovatif yang dapat bersaing dengan alternatif berbasis cloud.
Perjalanan Pengembangan Panjang Mencapai Siap Produksi
Windows ML telah menjalani pengembangan ekstensif sejak peluncuran awalnya untuk Windows 10 pada tahun 2018. Perjalanan platform menuju ketersediaan umum merepresentasikan bertahun-tahun penyempurnaan dan kolaborasi dengan mitra perangkat keras dan perangkat lunak. Microsoft memposisikan peluncuran ini sebagai katalis untuk masuknya pengalaman AI yang memprioritaskan privasi, efektivitas biaya, dan responsivitas melalui kemampuan pemrosesan lokal.