Meta pondrá en producción sus propios chips de IA en septiembre, con el objetivo de duplicar la potencia informática
Meta planea poner en producción su propio chip de inteligencia artificial en septiembre y pretende casi duplicar la capacidad informática en sus centros de datos, informó Reuters el jueves, citando a personas familiarizadas con el asunto.
El chip pertenece a la línea interna de silicio de Meta, Meta Training and Inference Accelerator, o MTIA, que la compañía está ampliando como parte de un aumento récord de costos y un esfuerzo más amplio para reducir la dependencia de Nvidia.
Meta se negó a comentar sobre detalles, y tanto el calendario como los objetivos de poder para septiembre provienen de fuentes anónimas en lugar de un comunicado público.
Si el cronograma se mantiene, marcaría otro paso en un programa que ha avanzado inusualmente rápido este año. Meta presentó cuatro nuevos chips MTIA en marzo, el 300, 400, 450 y 500, y dijo que se enviarán con una cadencia de aproximadamente seis meses, en lugar del ritmo anual común en toda la industria.
Estos chips son fabricados por TSMC y desarrollados conjuntamente con Broadcom, cuya asociación con Meta ahora se extiende hasta 2029 y cubre varias generaciones de silicio personalizado. Broadcom dijo que las nuevas piezas MTIA estarán entre los primeros chips de IA personalizados construidos en un proceso de 2 nanómetros.
La lógica estratégica es sencilla. Meta sigue siendo uno de los clientes más importantes de Nvidia, compra muchas GPU para entrenar sus modelos Llama y ejecutar sistemas de recomendación para más de 3 mil millones de usuarios diarios, y cada carga de trabajo puede ir a sus propios chips que Nvidia no tiene que comprar al margen.
Por ahora, MTIA se ha encargado en gran medida de la estimación, la tarea diaria de realizar predicciones después de que se ha entrenado un modelo. El MTIA 300 ya está en producción para tareas de clasificación y recomendación, mientras que el 450 y el 500, destinados a la estimación de imágenes y videos generativos, están programados para su implementación generalizada para 2027.
Un chip entrenable sería una prueba difícil. Entrenar modelos de frontera es la carga de trabajo donde el hardware de Nvidia y su software CUDA han demostrado ser los más resistentes, y donde las opciones internas de Google y Amazon han tardado años en madurar.
La ambición de poder se encuentra dentro de un plan de gasto masivo. Meta ha guiado un gasto de capital para 2026 de entre 125.000 y 145.000 millones de dólares, y casi todo el crecimiento se ha destinado a centros de datos, GPU y silicio personalizado, y Mark Zuckerberg ha planteado objetivos finales medidos en gigavatios.
Esa expansión ha crecido lo suficiente como para que Meta ahora busque alquilar computación adicional a clientes externos, haciéndose eco de un modelo utilizado por los proveedores de nube. La compañía ha cubierto sus apuestas con los proveedores, firmando acuerdos con los chips Graviton 5 de Amazon y manteniendo pedidos de aceleradores AMD de Nvidia.
El silicio personalizado es fundamental para esa cobertura porque cambia la economía subyacente. Diseñar un chip para los modelos exactos que ejecuta Meta, en lugar de comprar una GPU de uso general, puede reducir el consumo de energía y los costos unitarios a la escala que opera la empresa, si la pila de software mantiene el ritmo.
El problema es que los chips internos rara vez desplazan a Nvidia por completo. Los analistas tienden a enmarcar MTIA como una forma de absorber el crecimiento y reducir las facturas de GPU en el margen, no reemplazar a Nvidia en el corto plazo, y Meta continúa ampliando sus compromisos con GPU incluso mientras aumenta las piezas personalizadas.
El informe de Reuters no especificó qué generación de MTIA entrará en producción en septiembre, ni cómo se dividirá la capacidad duplicada entre los nuevos chips y el espacio adicional del centro de datos. No reveló una imagen que coincida con el metamarco.
Lo que está claro es el sentido del viaje. Después de años de experimentación, los esfuerzos de Mater en materia de silicio han pasado de ser un proyecto paralelo a ser el pilar principal de su estrategia de infraestructura, y septiembre, si el informe resulta exacto, será el próximo hito a seguir. La gran pregunta es si los chips podrán eventualmente alcanzar las cargas de trabajo de entrenamiento que todavía pertenecen casi en su totalidad a Nvidia.
