Por Canuto  

Meta se prepara para iniciar en septiembre la producción de una nueva generación de chips de IA desarrollados junto a Broadcom y fabricados por TSMC. La movida apunta a reducir costos de GPU en medio de una escasez histórica de componentes, pero también refleja la intensidad de la carrera global por asegurar cómputo, energía e infraestructura para entrenar y desplegar modelos de inteligencia artificial a gran escala.
***

  • Meta comenzará a producir en septiembre sus nuevos chips MTIA, diseñados con Broadcom y fabricados por TSMC.
  • La empresa busca aliviar su dependencia de GPUs de Nvidia y AMD, aunque seguirá gastando fuertemente con ambos proveedores.
  • Meta prevé un gasto de capital de entre USD $125.000 millones y USD $145.000 millones este año, con foco en IA, centros de datos y energía.

 

Meta comenzará en septiembre la fabricación de nuevas versiones de sus chips dedicados a inteligencia artificial, en un intento por reducir los costos asociados a la compra de GPUs en medio de una escasez de componentes que sigue presionando al sector.

Según Reuters y TechCrunch, al menos uno de estos chips completó su fase de prueba en unas seis semanas, un dato que sugiere un avance acelerado dentro de la hoja de ruta de hardware de la empresa.

La iniciativa se inscribe en una tendencia cada vez más visible entre las grandes tecnológicas. En vez de depender por completo de Nvidia o AMD, varias compañías están invirtiendo en silicio propio para entrenamiento e inferencia de IA.

En el caso de Meta, la estrategia no parte de cero. La compañía produce chips propios para IA desde 2023 y ha venido ampliando ese esfuerzo conforme crecen sus necesidades de cómputo para recomendación, clasificación y despliegue de modelos.

La nueva etapa, sin embargo, tiene un peso especial. Llega en un momento en que la competencia por capacidad de centros de datos, energía y semiconductores se ha convertido en uno de los principales cuellos de botella del auge de la IA.

Cómo será la nueva fase de producción de Meta

Meta está trabajando con Broadcom en el diseño de estos chips, mientras que la fabricación quedará en manos de Taiwan Semiconductor Manufacturing Company, mejor conocida como TSMC.

El esquema refleja una división habitual en la industria de semiconductores. Una empresa define la arquitectura y otra se encarga del proceso de producción avanzada en fundiciones con gran capacidad y experiencia.

Además del diseño y la manufactura, la cadena de suministro incorpora otros actores clave. De acuerdo con el reporte citado, Meta también está comprando memoria RAM a Samsung, almacenamiento a Sandisk y equipos de fibra óptica a Sumitomo Electric.

Ese detalle muestra que el desafío no es solo fabricar procesadores. También exige asegurar piezas complementarias para armar sistemas completos capaces de operar a escala en centros de datos orientados a IA.

Reuters indicó que el memo interno señalaba que al menos un chip superó su etapa de prueba en alrededor de seis semanas. Aunque no se ofrecieron más especificaciones técnicas, el dato sugiere una validación relativamente veloz dentro del cronograma.

Meta ya había presentado en marzo cuatro nuevos chips desarrollados bajo su programa Meta Training and Inference Accelerator, conocido como MTIA. Algunos ya están siendo desplegados, mientras otros llegarán este año o el siguiente.

La empresa explicó entonces que está adoptando un enfoque modular para el diseño de estos componentes. La lógica es que sus necesidades cambiarán a gran velocidad a medida que evolucionen las cargas de trabajo de inteligencia artificial.

En palabras de la propia compañía, cada generación de MTIA se apoya en la anterior mediante chiplets modulares, incorpora las ideas más recientes sobre cargas de trabajo de IA y tecnologías de hardware, y se despliega en una cadencia más corta.

Por qué Meta quiere depender menos de las GPUs tradicionales

El principal incentivo detrás de esta estrategia es económico y operativo. Las GPUs se han convertido en el recurso crítico de la fiebre por la IA, y su disponibilidad sigue siendo limitada para casi toda la industria.

Meta espera que sus chips propios le permitan ahorrar parte de lo que hoy destina a comprar aceleradores de compañías como Nvidia y AMD. Aun así, no planea cortar esos vínculos ni reemplazar de inmediato esa infraestructura.

El reporte señala que la empresa todavía prevé gastar sumas importantes con esos proveedores. Eso sugiere que el hardware propietario será un complemento de gran escala, no una sustitución total en el corto plazo.

La razón es simple. Las necesidades de IA de una compañía como Meta son tan amplias que una sola familia de chips difícilmente cubra todos los casos de uso con la misma eficiencia.

Meta tiene la intención de usar los chips MTIA para entrenar modelos orientados a sus algoritmos de clasificación y recomendación. También planea emplearlos en cargas de trabajo de IA más amplias e inferencia destinada a sus aplicaciones.

Ese punto es relevante porque la inferencia y el entrenamiento tienen perfiles distintos de consumo y rendimiento. Diseñar chips específicos puede mejorar costos, eficiencia energética y optimización para tareas muy concretas.

En plataformas con miles de millones de usuarios, pequeñas mejoras por consulta o por recomendación pueden traducirse en ahorros enormes. Por eso, el silicio personalizado se volvió una prioridad estratégica para las grandes tecnológicas.

La dimensión financiera y energética de la apuesta por la IA

Meta ha estado gastando de forma agresiva para asegurar suficiente capacidad de cómputo para sus múltiples iniciativas de inteligencia artificial. La presión no está solo en el hardware, sino también en la infraestructura que lo sostiene.

En abril, la compañía dijo que espera gastos de capital de entre USD $125.000 millones y USD $145.000 millones este año. Una parte sustancial de ese monto está dirigida a sus esfuerzos en IA.

La empresa ha estado cerrando acuerdos de centros de datos y energía en distintas regiones del mundo. El objetivo es garantizar capacidad de cómputo para entrenar y desplegar su nueva serie de modelos de IA Muse Spark.

La dimensión energética es especialmente importante en esta nueva fase del sector. A medida que crecen los clusters de entrenamiento y los sistemas de inferencia masiva, la disponibilidad eléctrica se vuelve tan crítica como los chips.

Según el memo citado por Reuters, Meta planea desplegar 7 gigavatios de cómputo este año. También buscaría duplicar esa cifra el próximo año, una escala que da cuenta del tamaño de su ambición.

La compañía además firmó el año pasado un acuerdo con ARM para asegurar cómputo para sus sistemas de recomendación. Ese movimiento encaja con una política más amplia de diversificación de su base tecnológica.

Meta también alcanzó un acuerdo multibillonario con AMD para sus GPUs Instinct. A eso se suma un pacto, también multibillonario, con Amazon para utilizar CPUs desarrolladas por el gigante de la nube en necesidades vinculadas a IA.

Visto en conjunto, el mensaje es claro. Meta no está eligiendo entre chips propios o infraestructura externa, sino construyendo una cartera híbrida para reducir riesgos y asegurar capacidad a gran escala.

Una carrera que ya involucra a casi todo el sector

Meta no es la única empresa que intenta frenar el flujo de capital hacia Nvidia. La carrera por desarrollar chips propios ya se ha expandido entre laboratorios de IA, hyperscalers y nuevos actores especializados.

El mes pasado, OpenAI presentó un procesador de inferencia que está construyendo con Broadcom. Por su parte, se dice que Anthropic está considerando desarrollar sus propios chips con Samsung.

Amazon y Google también llevan tiempo diseñando procesadores internos para entrenamiento e inferencia. En ambos casos, el objetivo ha sido optimizar rendimiento, reducir dependencia externa y controlar mejor sus costos.

Además de los gigantes establecidos, existe un gran número de startups construyendo soluciones en este segmento. La demanda por hardware especializado sigue creciendo a medida que más empresas incorporan IA generativa y sistemas de recomendación avanzados.

Este panorama está redefiniendo la economía del cómputo. Lo que antes era una ventaja de escala para unos pocos fabricantes ahora también es una oportunidad estratégica para quienes pueden financiar diseños propios.

En ese contexto, la decisión de Meta de acelerar la producción de MTIA no solo responde a un problema de costos inmediatos. También forma parte de una disputa estructural por autonomía tecnológica en la era de la IA.

Meta se negó a comentar sobre el reporte. Sin embargo, la suma de acuerdos, despliegues y cifras de inversión ya perfila con bastante claridad la dirección de su estrategia.

Para los mercados, el movimiento confirma que el hardware se ha convertido en uno de los frentes centrales de la competencia por la inteligencia artificial. Para la industria, refuerza la idea de que el acceso al cómputo ya es una ventaja geopolítica y corporativa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados