Meta acelerará sus chips de IA propios: los MTIA 450 y 500 llegarán en 2027
Meta acelera el desarrollo de su silicio propio para IA con el objetivo de abaratar la ejecución de modelos y depender menos de las GPUs de NVIDIA. El despliegue arrancaría en el primer semestre de 2027.
Meta tiene prisa por dejar de depender tanto de los chips de otros para su inteligencia artificial. Según ha publicado Bloomberg, la compañía está acelerando la hoja de ruta de su familia de procesadores propios MTIA (Meta Training and Inference Accelerator), con dos generaciones ya bautizadas y con fechas sobre la mesa: el MTIA 450, cuyo nombre en clave es Arke, empezaría a desplegarse a comienzos de 2027, mientras que el MTIA 500, conocido internamente como Astrid, lo haría más avanzado ese mismo año. El objetivo declarado es doble: abaratar la factura de la IA y reducir la dependencia de los aceleradores de terceros, es decir, de las GPUs que hoy compra a NVIDIA.
¿Por qué le importa tanto a Meta este asunto? Porque una cosa es entrenar un modelo de IA, que ocurre de forma puntual y con grandes tandas de cálculo, y otra muy distinta es la fase de inferencia: cada vez que un usuario pide algo a la IA de WhatsApp, Instagram o Facebook, los servidores de Meta tienen que ejecutar el modelo para darle respuesta. Eso es un gasto continuo y que crece con cada nuevo usuario y cada nueva función de IA que se añade. Si ese trabajo se hace sobre hardware diseñado en casa y ajustado a las necesidades concretas de Meta, el coste por consulta puede bajar. Y ahí está la clave: no es solo un asunto tecnológico, es sobre todo una cuestión de márgenes.
La propia compañía reconoce que el camino no es un paseo. Yee Jiun Song, vicepresidente de ingeniería de Meta, explicaba en una entrevista que cada nueva generación de estos chips "asume un poco más de riesgo tecnológico, y nos da mejor rendimiento". Ese mejor rendimiento se mide, según él, en dos variables muy terrenales: más trabajo útil por cada vatio de energía consumido y más trabajo útil por cada dólar gastado. Traducido: chips que hagan más cosas con menos electricidad y que salgan más baratos que comprar la solución de un proveedor externo. El riesgo al que se refiere Song es real: diseñar silicio propio implica acertar con el diseño, encargar la fabricación a terceros y asumir que, si algo sale mal, no hay un catálogo de recambio al que recurrir.
El otro lado de la moneda tiene nombre propio: NVIDIA. La compañía que ahora mismo domina el mercado de aceleradores de IA ve cómo uno de sus mayores clientes avanza hacia un modelo híbrido en el que buena parte de la inferencia podría acabar en silicio propio. Y esto no es un golpe inmediato: las fechas apuntan a 2027, así que no cambia las cuentas del próximo trimestre ni mucho menos. Pero sí marca una dirección. Lo que conviene seguir de cerca son dos cosas: cuánto del presupuesto de inversión de Meta se va desplazando hacia sus propios chips en los próximos trimestres y si el resto de grandes tecnológicas que compran GPUs a espuertas sigue el mismo camino. Si el silicio a medida se consolida como la norma en la fase de inferencia, el trozo de tarta que queda para los fabricantes de GPUs tradicionales en ese segmento se estrecha.
El análisis de Salseo
- El ahorro que persigue Meta no es de un día, es estructural: la inferencia (ejecutar la IA para responder a cada usuario) es un gasto recurrente que escala con los millones de personas que usan sus apps, así que un chip propio un poco más eficiente se convierte en miles de millones de euros de ahorro acumulado a lo largo de los años, no en una mejora anecdótica.
- Para NVIDIA la lectura es incómoda pero matizada: el titular habla de reducir dependencia, no de sustituirla. NVIDIA seguiría siendo proveedor clave sobre todo en la fase de entrenamiento, donde sus GPUs son la referencia, mientras que el silicio propio ataca el segmento de la inferencia, que es el que más crece en volumen. La señal a vigilar es el mix: cuánto del gasto en computación de Meta acaba en MTIA y cuánto en GPUs compradas.
- El propio directivo responsable pone el dedo en la llaga: cada generación asume más riesgo tecnológico. Un chip a medida solo compensa si está optimizado para un tipo muy concreto de tarea; si las arquitecturas de IA cambian de forma brusca, un diseño muy especializado puede quedar desfasado antes de amortizarse, algo que no ocurre con hardware de propósito más general.
- El calendario es la letra pequeña que el titular se salta: hablamos de despliegue en 2027, así que el impacto en las cuentas de NVIDIA o en los costes de Meta no se verá hasta dentro de un par de años y dependerá de volúmenes que hoy no se conocen. Antes de dar por hecho el cambio de equilibrio, hay que ver si Meta confirma despliegues masivos o si estos chips se quedan en proyectos piloto.