Chip de IA Iris de Meta entra en producción en septiembre; apunta a 14 gigawatts de capacidad para 2027
Meta comenzará a fabricar su chip de IA de data center personalizado, codinombre Iris, en septiembre de 2026 como parte de su programa Meta Training and Inference Accelerators (MTIA) de cuatro generaciones, según un memorando interno revisado por Reuters. El chip pasó seis semanas de pruebas de validación sin anomalías de diseño importantes, señalando impulso para un programa que se tambaleo durante más de cinco años. Iris está optimizado para algoritmos de recomendación de Meta (90% de carga de trabajo de IA diaria), intercambia cómputo general por eficiencia energética y reducirá la dependencia de GPUs de terceros para inferencia. El chip fue desarrollado con Broadcom (arquitectura de diseño físico e interfaz) y será fabricado por TSMC.
La estrategia Iris complementa la enorme expansión de infraestructura de Meta: 7 gigawatts implementados en 2026 (agregando 1 GW en H1, otro 5.5 GW antes de fin de año), con planes para duplicar a 14 gigawatts para 2027. Meta proyecta hasta $145 mil millones en gastos de infraestructura de IA este año solo—una porción importante del arsenal de $700 mil millones de Big Tech en IA. La empresa también está firmando acuerdos de suministro a largo plazo con Samsung (memoria), SanDisk (almacenamiento flash) y Sumitomo Electric (equipo de fibra óptica) para protegerse contra crisis de cadena de suministro e 'inflación de chips.' Meta planea lanzar chips nuevos aproximadamente cada seis meses hasta 2027, versus el ciclo anual típico en la industria.
Iris está explícitamente posicionado como una augmentación a, no reemplazo de, GPUs NVIDIA y AMD ya compradas a escala por Meta. Sin embargo, el silicon personalizado permite a Meta implementar en su propio cronograma, reducir costos de inferencia por unidad y reducir la dependencia de decisiones de precios de competidores—una dimensión de control que importa cuando Google puede limitar uso de API (como lo hizo con Gemini de Meta). El memorando admite francamente que integrar las últimas GPUs comerciales 'ha sido un esfuerzo pesado, y nos ha costado tiempo,' señalando frustración ejecutiva con restricciones de suministro de GPU.
Por qué importa a los arquitectos: La cadencia de Meta (lanzamientos de chips de 6 meses, objetivo de 14 GW, gasto de $145B) acelera la carrera de 'soberanía de silicon' entre hiperescalas. Si Iris personalizado pasa la producción y cumple objetivos de eficiencia energética, el modelo presiona a otros laboratorios en la nube e IA a replicar estrategias de silicon personalizado. Esto también señala que inferencia, no entrenamiento, es el cuello de botella de potencia/costo impulsando prioridades de diseño de ASIC—un contraste con la carrera de GPU de 2024 y una validación de vendedores de aceleradores enfocados en inferencia como SambaNova.