Chip de IA Iris da Meta entra em produção em setembro; almeja 14 gigawatts de capacidade até 2027
Meta começará a fabricar seu chip de IA de data center personalizado, codinome Iris, em setembro de 2026 como parte de seu programa Meta Training and Inference Accelerators (MTIA) de quatro gerações, de acordo com um memorando interno analisado pela Reuters. O chip passou por seis semanas de testes de validação sem anomalias de design importantes, sinalizando impulso para um programa que enfraqueceu por mais de cinco anos. Iris é otimizado para os algoritmos de recomendação da Meta (90% da carga de trabalho de IA diária), troca computação geral por eficiência energética e reduzirá a depêndencia de GPUs de terceiros para inferência. O chip foi desenvolvido com Broadcom (arquitetura de design físico e interface) e será fabricado pela TSMC.
A estratégia Iris complementa a enorme expansão de infraestrutura da Meta: 7 gigawatts implantados em 2026 (adicionando 1 GW em H1, outro 5.5 GW até final do ano), com planos de dobrar para 14 gigawatts até 2027. Meta projeta até $145 bilhões em despesas de infraestrutura de IA este ano—uma fatia importante do war chest de $700 bilhões em IA da Big Tech. A empresa também está assinando acordos de suprimento de longo prazo com Samsung (memória), SanDisk (flash) e Sumitomo Electric (equipamento de fibra ótica) para proteger contra choques de cadeia de suprimentos e 'chipflação.' Meta planeja liberar novos chips aproximadamente a cada seis meses até 2027, versus o ciclo anual típico na indústria.
Iris é explicitamente posicionado como um aumento a, não substituição de, GPUs NVIDIA e AMD já comprados em escala pela Meta. No entanto, silicon personalizado permite que Meta implante em seu próprio cronograma, reduza custos de inferência por unidade e reduza a depêndencia de decisões de preço de competidores—uma dimensão de controle que importa quando o Google pode capped uso de API (como fez com Gemini da Meta). O memorando admite candidamente que integrar últimos GPUs comerciais 'tem sido uma inceréza pesada, e nos custou tempo,' sinalizando frustração executiva com restrições de oferta de GPU.
Por que arquitetos se importam: O cadenc de Meta (lançamentos de chips de 6 meses, alvo de 14 GW, gasto $145B) acelera a corrida 'silicon soberana' entre hiperscalers. Se Iris personalizado passar pela produção e atender aos alvos de eficiência energética, o modelo pressiona outros labs em nuvem e IA a replicar estratégias de silicon personalizado. Isso também sinaliza que inferência, não treinamento, é o gargalo de potência/custo impulsionando prioridades de design de ASIC—um contraste com a corrida de GPU de 2024 e uma validação de fornecedores de aceleradores focados em inferência como SambaNova.