Meta aumenta investimento em datacenter Texas para $10B; visa 1 GW até 2028

Meta aumentou seu investimento de capital planejado em um datacenter de IA em El Paso, Texas de $1,5 bilhão para mais de $10 bilhões, expandindo a instalação para capacidade de um gigawatt até seu lançamento em 2028. O aumento reflete a rea valiação de Meta de demandas de computação de IA conforme a empresa se prepara para cargas de trabalho de inferência em escala de agentes e expande sua capacidade de treinamento de modelo de IA interno. O movimento vem em meio à expansão de infraestrutura mais ampla de Meta, com despesas de capital total de 2026 projetadas em $115 bilhões a $135 bilhões—quase o dobro dos $72 bilhões que a empresa gastou em 2025.

Meta está consolidando sua estratégia de infraestrutura de IA em silício customizado e hardware heterogêneo. A instalação do Texas representa uma pedra angular da capacidade de computação soberana de Meta, reduzindo dependência de provedores de nuvem de terceiros e permitindo que a empresa corresponda otimização de carga de trabalho diretamente ao seu stack de hardware. O alvo de 1 GW posiciona Meta junto com outros hiperscalers construindo instalações de escala similar: Amazon está visando múltiplos gigawatts em desdobramentos de Trainium, Google escalou capacidade TPU em múltiplas regiões, e Microsoft está adicionando gigawatts de capacidade em datacenters Azure.

A intensidade de capex reflete uma mudança em toda a indústria: inferência de modelo de fronteira está se tornando cada vez mais intensiva em capital conforme modelos escalam para escalas de parâmetros de trilhões e agentes requerem computa sustentada em vez de chamadas de API esporádicas. A reestruturação interna de Meta, incluindo 700 cortes de trabalho iniciais anunciados junto com a orientação de capex, sinaliza que capex de infraestrutura agora é priorizado sobre crescimento de quadro de funcionários. O cronograma da instalação do Texas (conclusão 2028) se alinha com expectativas da indústria de que inferência em dispositivo vai se estabilizar entre 2027-2028, forçando cargas de trabalho de inferência a consolidar em instalações em hiperescala otimizadas para padrões de computação de agentes.