Meta wird seinen Iris-KI-Chip im September in Produktion bringen, da er eine Rechenleistung von 14 Gigawatt anstrebt

Meta plant, im September 2026 mit der Massenproduktion seines hauseigenen KI-Chips mit dem Codenamen Iris zu beginnen, da das Unternehmen darauf drängt, seine Abhängigkeit von Nvidia zu verringern und eine stärkere Kontrolle über die Infrastruktur zu erlangen, die seine Ambitionen im Bereich der künstlichen Intelligenz vorantreibt. Die Pläne, über die Reuters erstmals aus einem internen Unternehmensmemo berichtete, stellen einen der bisher konkretsten Schritte eines Hyperscalers dar, einen maßgeschneiderten Beschleuniger in großem Maßstab auf den Markt zu bringen.

Die Offenlegung fällt auch in eine Zeit des zunehmenden Wettbewerbs bei kundenspezifischer [KI-Hardware] (https://aibuzzwire.news), in der alle großen Cloud- und Verbrauchertechnologieunternehmen darum kämpfen, Silizium zu entwickeln, das auf die Anforderungen des Trainings und der Inferenz großer Sprachmodelle zugeschnitten ist. Für Meta, das jährlich Dutzende Milliarden Dollar für die Datenverarbeitung ausgibt, führen selbst bescheidene Effizienzsteigerungen oder Kosten pro Token zu enormen Einsparungen.

Verdoppelung der Rechenkapazität auf 14 Gigawatt

Laut dem von Reuters beschriebenen und von Medien wie Quartz, Firstpost und Moomoo bestätigten Memo beabsichtigt Meta, seine Rechenkapazität bis 2027 etwa auf etwa 14 Gigawatt zu verdoppeln. Gigawatt sind der Standardmaßstab für die riesigen Rechenzentrumsausbauten, die derzeit in der gesamten Branche im Gange sind, und ein 14-Gigawatt-Ziel macht Meta zu einem der aggressivsten Infrastrukturinvestoren der Welt.

Der Iris-Beschleuniger ist von zentraler Bedeutung für diese Erweiterung. Während Reuters keine detaillierten Spezifikationen offenlegte, wird davon ausgegangen, dass der Chip für die Inferenz- und Trainingsarbeitslasten konzipiert ist, die die Empfehlungssysteme, generativen KI-Funktionen und die interne Forschung von Meta dominieren. Der Übergang in die Produktion bedeutet, dass Meta sich darauf vorbereitet, neben und möglicherweise anstelle der Nvidia-GPUs, die derzeit in seinen Rechenzentren verankert sind, eigene Chips einzusetzen.

Mehrere Technologiepublikationen, darunter Times Now und NewsBytes, bezeichneten den Schritt als Beweis dafür, dass Metas KI-Vorstoß an Fahrt gewinnt und über die reine Beschaffung von Chips von Drittanbietern hinausgeht.

Warum ein benutzerdefinierter Chip wichtig ist

Meta ist nicht das erste Unternehmen, das sein eigenes KI-Silizium baut. Google liefert seine Tensor Processing Units (TPUs) seit etwa einem Jahrzehnt aus, Amazon hat seine Trainium- und Inferentia-Beschleuniger entwickelt und Microsoft hat seine eigenen maßgeschneiderten KI-Chips vorgestellt. Aufgrund des Umfangs der Bereitstellung von Meta und der Breite seiner KI-Arbeitslasten ist das Iris-Programm jedoch von besonderer Bedeutung für das Wettbewerbsgleichgewicht auf dem Beschleunigermarkt.

Maßgeschneiderte Chips bieten zwei Hauptvorteile. Erstens können sie für den spezifischen Software-Stack und die Modellarchitekturen eines Unternehmens optimiert werden und so die Leistung unter Druck setzen, die bei Allzweck-GPUs zu wünschen übrig lässt. Zweitens verringern sie die Abhängigkeit von einem einzelnen Lieferanten in einer Zeit, in der die High-End-GPUs von Nvidia teuer und häufig von Lieferengpässen sind. Für ein Unternehmen, das plant, seinen Rechenbedarf innerhalb von etwa zwei Jahren zu verdoppeln, kann dieser strategische Hebel kaum überbewertet werden.

Ausgabenpläne überschatten den Chip-Meilenstein

Trotz des positiven Signals zu kundenspezifischem Silizium reagierten die Anleger vorsichtig. Yahoo Finance berichtete, dass die Meta-Aktien fielen, da die massiven Investitionspläne des Unternehmens für KI-Infrastruktur den Chip-Fortschritt überschatteten, ein Muster, das von TradingPedia aufgegriffen wurde, das feststellte, dass die Meta-Aktie abrutschte, da die Ausgabenverpflichtungen den Herstellungsmeilenstein in den Schatten stellten.

Die Spannung spiegelt eine umfassendere Branchenfrage wider, die die gesamte Hyperscaler-Kohorte belastet: ob das in KI-Computing fließende Kapital schnell genug Renditen erwirtschaften wird, um die Märkte zufriedenzustellen. Das erklärte Ziel von Meta, eine Kapazität von 14 Gigawatt zu erreichen, erfordert auch in den kommenden Jahren weiterhin hohe Investitionen in Land, Strom, Kühlung und Chips.

Die Energie- und Leistungsbeschränkung

Das Erreichen einer Rechenkapazität von 14 Gigawatt ist eine ebenso große Energieherausforderung wie eine Silizium-Herausforderung. Ein einzelnes Gigawatt entspricht in etwa der Leistung eines großen Kernreaktors, sodass Metas Ziel darin besteht, innerhalb weniger Jahre Strom in der Größenordnung mehrerer neuer Kraftwerke sicherzustellen. Das hat Hyperscaler, darunter auch Meta, zu beispiellosen Verhandlungen über Kernenergie, Verträge für erneuerbare Energien und dedizierte Netzanschlüsse gedrängt.

Das Iris-Chip-Programm ist teilweise eine Reaktion auf diese Einschränkung. Effizienteres Silizium verbraucht bei gleicher Rechenarbeit weniger Strom und entlastet so eine bereits angespannte Stromversorgung. Wenn Iris die Leistung pro Watt verbessern kann, könnte es Meta dabei helfen, seine Gigawattleistung weiter auszubauen und sowohl seine Energiekosten als auch seinen CO2-Fußabdruck zu reduzieren.

Ein entscheidender Moment für Hyperscaler Silicon

Das Produktionsziel für September gibt Meta einen definierten Zeitplan vor, den es zu beobachten gilt. Wenn Iris bei realen Einsätzen bedeutende Leistungs- oder Kostenvorteile bietet, könnte es einen Wandel beschleunigen, bei dem die größten KI-Betreiber zunehmend ihre kritischsten Beschleuniger bauen, anstatt sie zu kaufen. Das würde die Wirtschaftlichkeit der gesamten KI-Hardware-Lieferkette verändern, von den Gießereien bis hin zu den Grafikprozessoranbietern, die in den letzten zwei Jahren dominiert haben.

Im Moment signalisiert das Memo eher Absicht als nachgewiesene Ergebnisse. Aber die Kombination aus Produktionsdatum, einer Verdoppelung der Kapazität und einem klaren strategischen Grundprinzip macht Iris zu einem der am meisten beobachteten kundenspezifischen Chipprogramme der Branche.

Bleiben Sie der KI immer einen Schritt voraus

Für eine ausführliche, unabhängige Berichterstattung über den Wettlauf um KI-Hardware, den Ausbau von Rechenzentren und die Unternehmen, die die Recheninfrastruktur umgestalten, folgen Sie AI Buzz Wire für die Entwicklungen, die die nächste Ära der künstlichen Intelligenz definieren.

Weitere Neuigkeiten zur KI-Hardware lesen →