A Meta planeja iniciar a produção em massa de seu chip interno de IA, de codinome Iris, em setembro de 2026, à medida que a empresa pressiona para reduzir sua dependência da Nvidia e assumir maior controle da infraestrutura que alimenta suas ambições de inteligência artificial. Os planos, relatados pela primeira vez pela Reuters a partir de um memorando interno da empresa, marcam uma das etapas mais concretas já tomadas por um hiperescalador para colocar um acelerador personalizado em campo em escala.
A divulgação também ocorre em um momento de intensificação da concorrência em [hardware de IA] personalizado(https://aibuzzwire.news), onde todas as grandes empresas de tecnologia de nuvem e de consumo estão correndo para projetar silício adaptado às demandas de treinamento e inferência de grandes modelos de linguagem. Para a Meta, que gasta dezenas de bilhões de dólares anualmente em computação, mesmo ganhos modestos em eficiência ou custo por token se traduzem em enormes economias.
Dobrando a capacidade de computação para 14 Gigawatts
De acordo com o memorando descrito pela Reuters e corroborado por meios de comunicação como Quartz, Firstpost e Moomoo, a Meta pretende praticamente duplicar a sua capacidade de computação para cerca de 14 gigawatts até 2027. Os gigawatts são o parâmetro padrão para as colossais construções de centros de dados agora em curso em toda a indústria, e uma meta de 14 gigawatts coloca a Meta entre os gastadores de infraestrutura mais agressivos do mundo.
O acelerador Iris é fundamental para essa expansão. Embora a Reuters não tenha divulgado especificações detalhadas, entende-se que o chip foi projetado para as cargas de trabalho de inferência e treinamento que dominam os sistemas de recomendação da Meta, recursos generativos de IA e pesquisas internas. Colocá-lo em produção significa que a Meta está se preparando para implantar seu próprio silício junto, e potencialmente no lugar, das GPUs Nvidia que atualmente ancoram seus data centers.
Várias publicações de tecnologia, incluindo Times Now e NewsBytes, enquadraram a mudança como evidência de que o impulso de IA da Meta está ganhando ritmo e amadurecendo além da pura aquisição de chips de terceiros.
Por que um chip personalizado é importante
A Meta não é a primeira empresa a construir seu próprio silício de IA. O Google lançou suas unidades de processamento de tensores (TPUs) por cerca de uma década, a Amazon desenvolveu seus aceleradores Trainium e Inferentia e a Microsoft revelou seus próprios chips de IA personalizados. Mas a escala de implementação da Meta e a amplitude das suas cargas de trabalho de IA tornam o programa Iris especialmente importante para o equilíbrio competitivo no mercado de aceleradores.
Os chips personalizados oferecem duas vantagens principais. Primeiro, eles podem ser otimizados para a pilha de software e arquiteturas de modelo específicas de uma empresa, reduzindo o desempenho que as GPUs de uso geral deixam de lado. Em segundo lugar, eles reduzem a dependência de um único fornecedor em um momento em que as GPUs de última geração da Nvidia são caras e frequentemente com fornecimento limitado. Para uma empresa que planeia duplicar a sua área de computação dentro de aproximadamente dois anos, é difícil exagerar essa alavancagem estratégica.
Planos de gastos ofuscam o marco do chip
Apesar do sinal positivo sobre o silício personalizado, os investidores reagiram com cautela. O Yahoo Finance informou que as ações da Meta caíram à medida que os enormes planos de gastos com infraestrutura de IA da empresa ofuscaram o progresso do chip, um padrão repetido pela TradingPedia, que observou que as ações da Meta caíram à medida que os compromissos de gastos ofuscaram o marco de fabricação.
A tensão reflete uma questão mais ampla da indústria que tem pesado sobre todo o grupo de hiperescaladores: se o capital investido na computação de IA gerará retornos com rapidez suficiente para satisfazer os mercados. A ambição declarada da Meta de atingir 14 gigawatts de capacidade implica despesas de capital pesadas e contínuas em terreno, energia, refrigeração e chips nos próximos anos.
A restrição de energia e potência
Alcançar 14 gigawatts de capacidade computacional é um desafio energético tão grande quanto o de silício. Um único gigawatt é aproximadamente a produção de um grande reator nuclear, o que significa que a meta da Meta implica garantir energia na escala de múltiplas novas usinas dentro de alguns anos. Isso levou os hiperscaladores, incluindo o Meta, a negociações sem precedentes sobre energia nuclear, contratos renováveis e ligações de rede dedicadas.
O programa do chip Iris é, em parte, uma resposta a esta restrição. O silício mais eficiente consome menos energia para o mesmo trabalho computacional, aliviando a carga sobre um fornecimento de eletricidade já sobrecarregado. Se a Iris conseguir melhorar o desempenho por watt, poderá ajudar a Meta a ampliar ainda mais seus gigawatts e reduzir tanto suas contas de energia quanto sua pegada de carbono.
Um momento crucial para o silício hiperescalador
A meta de produção de setembro dá à Meta um cronograma definido para observar. Se a Iris oferecer vantagens significativas de desempenho ou de custo em implantações no mundo real, poderá acelerar uma mudança na qual os maiores operadores de IA constroem cada vez mais, em vez de comprar, seus aceleradores mais críticos. Isso remodelaria a economia de toda a cadeia de fornecimento de hardware de IA, desde as fundições até aos fornecedores de processadores gráficos que dominaram os últimos dois anos.
Por enquanto, o memorando sinaliza intenção e não resultados comprovados. Mas a combinação de uma data de produção, uma duplicação da capacidade e uma lógica estratégica clara faz do Iris um dos programas de chips personalizados mais observados do setor.
Fique à frente da IA
Para uma cobertura profunda e independente da corrida de hardware de IA, da construção de data centers e das empresas que estão remodelando a infraestrutura de computação, siga AI Buzz Wire para ver os desenvolvimentos que definem a próxima era da inteligência artificial.
Leia mais notícias sobre hardware de IA →
