Meta ha decidido dar un paso adelante y apostar por sus propios chips de inteligencia artificial para alimentar la enorme infraestructura que sostiene Facebook, Instagram, WhatsApp y sus nuevas herramientas de IA generativa. El movimiento responde al aumento descomunal de la demanda de cómputo y al coste creciente de depender casi en exclusiva de proveedores como Nvidia y AMD.
Con este lanzamiento, la compañÃa de Mark Zuckerberg busca reducir su dependencia de terceros, abaratar el funcionamiento de sus centros de datos y adaptar el hardware a las cargas de trabajo muy especÃficas que tiene dentro de sus plataformas. No se trata de vender procesadores a otras empresas, sino de construir un silicio a la carta para uso interno.
Qué es MTIA y por qué Meta quiere sus propios chips de IA
El programa se articula en torno a la familia Meta Training and Inference Accelerator (MTIA), un proyecto en el que la empresa trabaja desde 2023 y que ahora toma forma pública con varios modelos de chip. La idea central es diseñar procesadores más compactos y eficientes, pensados para un conjunto acotado de tareas de IA en lugar de los grandes chips de propósito general que dominan el mercado.
Según ha explicado la compañÃa, la arquitectura de MTIA se centra en equilibrar potencia de cálculo, ancho de banda de memoria y capacidad de memoria para servir modelos de clasificación y recomendación, asà como cargas crecientes de inferencia. Dicho de otro modo: están optimizados para decidir qué ve cada usuario, con qué rapidez responden los asistentes de IA y cómo se procesan millones de peticiones simultáneas.
Meta subraya que no fabrica para el mercado general, por lo que sus chips no necesitan incorporar todos los componentes de una GPU convencional. Esa renuncia a funciones innecesarias en su contexto les permite recortar costes y afinar el diseño para las necesidades reales de sus servicios.
Los nuevos chips se fabricarán a través de Taiwan Semiconductor Manufacturing Co. (TSMC), la mayor fundición de semiconductores del mundo y socio habitual de gigantes como Apple, Nvidia o Qualcomm. El proceso, desde el diseño hasta la entrega de los primeros lotes, se mueve en plazos aproximados de dos años.
Cuatro generaciones de chips MTIA con funciones diferenciadas
La hoja de ruta actual contempla cuatro generaciones de chips internos: MTIA 300, 400, 450 y 500, con lanzamientos escalonados hasta 2027. Todos ellos se están desarrollando en paralelo, lo que permite a Meta ajustar cada iteración a la evolución de sus cargas de trabajo de IA.
El MTIA 300 ya está en producción y se utiliza para tareas de clasificación y sistemas de recomendación, es decir, para decidir qué contenidos, anuncios y vÃdeos se muestran a cada usuario en Facebook e Instagram. Este primer modelo se ha diseñado para procesar grandes volúmenes de solicitudes en tiempo real con un consumo energético ajustado.
Su sucesor, el MTIA 400 (también conocido internamente como Iris), ha superado las pruebas de laboratorio y está en fase de despliegue en los centros de datos de la compañÃa. Meta asegura que multiplica por cuatro el rendimiento de determinadas operaciones respecto al MTIA 300 y mejora significativamente la velocidad de acceso a memoria, lo que se traduce en respuestas más rápidas y una mayor capacidad para manejar tráfico simultáneo.
Los modelos siguientes, MTIA 450 y MTIA 500 —con nombres en clave Arke y Astrid— están orientados a tareas de inferencia avanzada a gran escala y se incorporarán de manera más amplia a partir de 2027. Astrid, el más potente, eleva aproximadamente un 80% la capacidad de memoria y un 50% la velocidad de acceso respecto de su predecesor, lo que lo posiciona para escenarios de IA generativa y modelos de lenguaje de gran tamaño.
Yee Jiun Song, vicepresidente de ingenierÃa de Meta, ha señalado que los cuatro productos se están construyendo en paralelo y se lanzarán con intervalos de alrededor de seis meses. A su juicio, la velocidad a la que cambian las cargas de trabajo de IA obliga a revisar constantemente la hoja de ruta y ajustar el desarrollo a las necesidades que se van detectando sobre la marcha.
Inversión multimillonaria y estrategia de largo recorrido
El giro hacia el silicio propio llega acompañado de un plan de gasto sin precedentes. Solo en inversión de capital para toda su infraestructura tecnológica, Meta prevé destinar entre 115.000 y 135.000 millones de dólares en 2025, una cifra que se mantendrÃa en niveles muy elevados en los años siguientes a medida que se consolidan los nuevos centros de datos.
Diseñar y producir chips no es precisamente barato: el paso del diseño a la fabricación suele costar miles de millones, y solo resulta rentable si el uso se hace a gran escala y con altas tasas de utilización. Es ahà donde Meta confÃa en sacar ventaja, aprovechando el volumen masivo de tráfico y peticiones de sus plataformas.
Para reforzar su capacidad interna, la compañÃa ha llevado a cabo movimientos corporativos significativos. Tras un intento fallido de hacerse con la surcoreana FuriosaAI, Meta acabó adquiriendo la firma de semiconductores Rivos, con sede en Santa Clara, junto con varios centenares de sus empleados. El objetivo es acelerar el diseño de silicio personalizado para IA y poder abordar varios proyectos de chip a la vez.
En paralelo, Meta colabora con Broadcom en aspectos concretos del diseño y mantiene acuerdos de gran volumen con Nvidia y AMD. En febrero firmó contratos por valor de decenas de miles de millones para asegurarse un suministro continuo de GPUs que seguirán siendo clave tanto para entrenamiento como para parte de la inferencia en los próximos años.
Equilibrio entre chips propios y GPUs externas
La dirección de la empresa insiste en que la apuesta por MTIA no implica romper con Nvidia ni AMD, sino complementar sus productos. Hoy por hoy, los chips internos de Meta se utilizan sobre todo en sistemas de recomendación de contenido e inferencia, mientras que el entrenamiento de los grandes modelos de lenguaje aún depende del hardware de los proveedores externos.
Susan Li, directora financiera de la compañÃa, ha explicado que la estrategia pasa por combinar distintos tipos de procesadores en función de cada tarea. Para ciertas cargas de trabajo muy especializadas, los chips de diseño propio pueden aportar un plus de eficiencia y menores costes; para otras, como el entrenamiento de modelos de última generación, siguen siendo imprescindibles las GPUs de alto rendimiento de Nvidia o AMD.
La propia Li ha reconocido que la ambición de Meta es desarrollar en el futuro procesadores capaces de entrenar sus modelos de IA más avanzados, aunque admite que alcanzar el nivel actual de los grandes fabricantes externos llevará tiempo. De momento, la prioridad es ampliar el uso de MTIA en clasificación, recomendaciones e inferencia generativa.
En paralelo al hardware, Meta está reforzando su estructura interna de IA con una nueva organización de ingenierÃa liderada por Maher Saba, que trabajará junto al Laboratorio de Superinteligencia de la compañÃa. Además, ha cerrado acuerdos de acceso a contenidos, como el firmado con News Corp., valorado en hasta 50 millones de dólares anuales, para entrenar sus modelos con material periodÃstico y archivos.
Competencia con Google, Amazon y Microsoft en la carrera del silicio
El movimiento de Meta encaja en una tendencia más amplia del sector tecnológico. Google lleva años desarrollando sus TPUs para entrenar y ejecutar modelos de IA en su nube, mientras que Amazon cuenta con procesadores propios como Trainium o Inferentia. Microsoft, por su parte, ha empezado a desplegar chips diseñados internamente para ciertas funciones, combinados con el hardware de terceros que alimenta gran parte de Azure.
Con MTIA, Meta se suma de lleno a esta carrera por el control directo de las capas más crÃticas de la infraestructura. Sin embargo, la compañÃa es consciente de que Nvidia conserva una posición dominante, con más del 90% del mercado de chips de IA y más de una década de ventaja tecnológica en GPUs especializadas.
El enfoque de Meta no es desbancar a Nvidia de la noche a la mañana, sino construir una capa de hardware adaptada a sus propios servicios, de manera que pueda ajustar rendimiento, consumo y costes a lo que realmente necesita su red de aplicaciones sociales y de IA. En un contexto de demanda disparada de potencia de cálculo, cualquier ahorro unitario se multiplica cuando se aplica a decenas de miles de servidores.
La escala de la infraestructura de Meta ayuda a entender esta estrategia. La empresa está ampliando centros de datos en varios estados de Estados Unidos y reforzando su capacidad global para dar servicio tanto a sus redes sociales como a nuevos productos de IA, como asistentes integrados en las aplicaciones o funciones de búsqueda de productos con recomendaciones basadas en imágenes y precios.
Todo este plan de chips propios sitúa a Meta en una fase clave de su evolución tecnológica: si consigue que MTIA reduzca costes y mantenga el rendimiento necesario para sus servicios, la compañÃa ganará margen de maniobra frente a los vaivenes del mercado de GPUs y podrá seguir ampliando sus proyectos de IA a gran escala sin depender tanto de terceros. El reto está en ejecutar a tiempo una hoja de ruta compleja y muy costosa en un sector en el que la tecnologÃa avanza a una velocidad que, como reconocen desde la propia empresa, está sorprendiendo incluso a los que van en cabeza.
