Il chip AI Iris di Meta entrerà in produzione a settembre, con l'obiettivo di raggiungere 14 GW di capacità di calcolo

Introduzione

Secondo quanto riportato, Meta prevede di iniziare la produzione di un nuovo chip AI personalizzato a settembre 2026, un passo che accelererà una delle più grandi espansioni dell'infrastruttura di calcolo del settore tecnologico.

Il chip, nome in codice Iris, fa parte del progetto interno Meta Training and Inference Accelerator (MTIA). Secondo un memo interno visionato da Reuters, Iris ha completato un ciclo di test di sei settimane senza rilevare problemi significativi e sta ora entrando in fase di produzione.

Questo chip è solo una parte di un piano molto più ampio. Meta prevede di implementare circa 7 gigawatt di infrastruttura di calcolo nel 2026 e di raddoppiare la capacità totale a 14 gigawatt nel 2027. La previsione di spesa in conto capitale per il 2026 è stata inoltre aumentata a 125-145 miliardi di dollari, riflettendo l'aumento dei prezzi dei componenti e ulteriori investimenti nei data center.

Nota sulla fonte: Questo è un articolo originale e pubblicabile in lingua cinese, basato su un report di Reuters, ripreso da The Economic Times, e verificato incrociando gli annunci ufficiali di Meta sull'infrastruttura. Non è una riscrittura parola per parola di fonti protette da copyright. L'articolo originale includeva un'immagine principale pertinente, qui mantenuta. Banner pubblicitari, banner promozionali di app, grafiche WhatsApp e immagini di raccomandazioni non correlate sono stati esclusi. Reuters ha successivamente corretto il suo report, precisando che Meta prevede di aggiungere 2,5 GW di capacità entro la fine del 2026, non 5,5 GW.

Meta prevede di avviare la produzione di Iris a settembre

Secondo il memo interno di Meta visionato da Reuters, la produzione di Iris dovrebbe iniziare a settembre 2026.

I test sono durati circa sei settimane senza che venissero riscontrati problemi significativi. Questa è una tappa importante per Meta, il cui programma di chip personalizzati ha dovuto affrontare ritardi e sfide tecniche da quando l'azienda ha iniziato a sviluppare i propri acceleratori AI cinque anni fa.

Meta ha rifiutato di commentare la tempistica di produzione riportata, quindi la data di settembre va intesa come un piano interno, non come una data di rilascio pubblicamente annunciata.

Iris è progettato specificamente per le esigenze dei data center di Meta. È destinato a supportare i sistemi AI alla base di prodotti come Facebook e Instagram, inclusi carichi di lavoro di raccomandazione, ranking, pubblicità e AI generativa.

Non si prevede che il chip sostituisca tutti gli acceleratori esterni acquistati da Meta. Piuttosto, diventerà un'altra componente di un'infrastruttura mista che include:

• Acceleratori MTIA progettati da Meta
• GPU NVIDIA
• GPU AMD Instinct
• CPU personalizzate e sviluppate da partner
• Sistemi di rete, memoria e storage dedicati

Questa combinazione consente a Meta di assegnare diversi carichi di lavoro all'hardware che offre la migliore combinazione di prestazioni, disponibilità, efficienza energetica e costo totale.

Cos'è il chip AI Iris?

Iris è il nome in codice riportato da Reuters per una generazione del chip del progetto MTIA di Meta.

MTIA sta per Meta Training and Inference Accelerator. È una serie di chip AI costruiti da Meta per scopi specifici, progettati per aumentare l'efficienza dei carichi di lavoro eseguiti nei data center dell'azienda.

Meta ha già implementato le prime generazioni di MTIA per attività di inferenza di ranking, raccomandazione e pubblicità.

L'azienda afferma che, quando questi chip sono profondamente ottimizzati per i propri modelli e stack software, offrono vantaggi significativi in termini di efficienza energetica rispetto ai chip generici dei fornitori.

Il progetto Iris menzionato nel report è un'estensione di questa strategia.

Fatti chiave del report

Elemento	Dettaglio del report
Nome in codice del chip	Iris
Nome del progetto	Meta Training and Inference Accelerator (MTIA)
Obiettivo produzione di massa	Settembre 2026
Durata dei test	Circa sei settimane
Problemi principali nei test	Non segnalati nel memo interno
Supporto al design	Broadcom
Produttore	TSMC
Utilizzo principale	Carichi di lavoro AI nei data center Meta
Relazione con le GPU	Complementare alle GPU NVIDIA e AMD, non sostitutivo totale
Roadmap pianificata	Quattro generazioni di MTIA, con un nuovo chip previsto ogni circa sei mesi fino al 2027

Il report originale non ha divulgato specifiche tecniche dettagliate come nodo di processo, capacità di memoria, larghezza di banda di interconnessione, consumo energetico e prestazioni di picco di calcolo. Questi dettagli non dovrebbero essere dedotti fino a quando Meta o i suoi partner non li renderanno noti.

Roadmap di quattro generazioni MTIA

Secondo il report di Reuters, Iris fa parte di un progetto di quattro generazioni di chip MTIA progettati da Meta.

L'azienda prevede di lanciare un nuovo chip ogni circa sei mesi fino al 2027. Questo ritmo è molto più veloce dei cicli di prodotto di uno o più anni comuni nello sviluppo di semiconduttori.

Meta ha confermato separatamente di star sviluppando e implementando quattro generazioni completamente nuove di chip MTIA in due anni. La roadmap è progettata per supportare:

• Sistemi di ordinamento e raccomandazione
• Modelli pubblicitari
• Inferenza su larga scala
• Carichi di lavoro di AI generativa
• Futuri carichi di lavoro di training

Un ciclo di sei mesi non significa necessariamente un'architettura completamente nuova ogni volta. Le versioni successive potrebbero includere miglioramenti mirati alle unità di calcolo, al sistema di memoria, all'interconnessione di rete, al packaging, al supporto dei carichi di lavoro o alla compatibilità software.

Fondamentalmente, Meta vuole trasformare lo sviluppo di chip personalizzati in una capacità interna continua, piuttosto che in un esperimento hardware occasionale.

Broadcom supporta il design

Meta sta collaborando con Broadcom per accelerare lo sviluppo di chip AI personalizzati.

Secondo l'annuncio ufficiale di Meta, Broadcom contribuirà in:

• Progettazione del chip
• Packaging avanzato
• Interconnessione di rete
• Sviluppo di acceleratori multi-generazionali

La collaborazione si basa sulla piattaforma XPU di acceleratori AI personalizzati di Broadcom. Meta mantiene il controllo sui requisiti del carico di lavoro e sugli obiettivi di progettazione a livello di sistema, mentre Broadcom fornisce competenze in semiconduttori e infrastruttura.

Questo modello è comune tra le aziende tecnologiche su larga scala (hyperscaler). L'azienda cloud o piattaforma definisce i carichi di lavoro e le metriche di performance attese, mentre un partner maturo nel settore dei semiconduttori aiuta a tradurre questi requisiti in chip producibili.

Questo accordo può ridurre i rischi di sviluppo senza costringere Meta a fare affidamento esclusivamente su acceleratori standard pronti all'uso.

TSMC produrrà il chip

Secondo il report di Reuters, TSMC sarà responsabile della produzione del chip Iris.

TSMC è la più grande fonderia di semiconduttori dedicata al mondo e produce chip avanzati per molte delle principali aziende tecnologiche. Collaborare con TSMC consente a Meta di accedere a processi di produzione leader, tecnologie di packaging e competenze nella produzione su larga scala.

Tuttavia, utilizzare una fonderia leader non elimina i vincoli della supply chain.

La concorrenza per le capacità di produzione avanzata è molto agguerrita e gli acceleratori AI dipendono da componenti scarsi, come:

• Memoria a banda larga elevata
• Packaging avanzato
• Substrati
• Apparecchiature di rete ottica
• Storage
• Sistemi di alimentazione

Pertanto, Meta ha bisogno sia di capacità di progettazione di chip personalizzati che di un approvvigionamento di componenti a lungo termine per raggiungere i suoi obiettivi infrastrutturali.

Iris completerà le GPU NVIDIA e AMD

Meta rimane un importante acquirente di GPU esterne.

Il programma di chip personalizzati non mira a sostituire immediatamente NVIDIA o AMD. Iris è progettato per potenziare i grandi cluster di GPU utilizzati per il training e l'inferenza AI.

Questa distinzione è importante perché diversi carichi di lavoro tendono a favorire diversi tipi di hardware.

Le GPU esterne rimangono importanti, principalmente per:

• Training di modelli all'avanguardia
• Implementazione rapida di nuove architetture di modelli
• Ampia compatibilità software
• Carichi di lavoro che dipendono da ecosistemi maturi come CUDA o ROCm
• Attività la cui velocità di cambiamento supera il ciclo di sviluppo dei chip personalizzati

I chip MTIA personalizzati possono essere utilizzati per:

• Carichi di lavoro interni stabili e ad alto volume
• Sistemi di raccomandazione e ranking
• Inferenza ripetitiva su larga scala
• Carichi di lavoro che possono essere co-progettati con il software
• Riduzione del costo per inferenza
• Miglioramento dell'efficienza di potenza e rack

Meta ha anche accordi a lungo termine con AMD per fino a 6 GW di infrastruttura basata su GPU AMD Instinct.

Questa collaborazione ufficiale conferma che la strategia di Meta è la diversificazione, non l'abbandono totale degli acceleratori di terze parti.

L'azienda intende mantenere l'accesso a hardware esterno leader, pur ottenendo un maggiore controllo sullo stack infrastrutturale.

Perché Meta vuole rafforzare il controllo sui chip AI

La logica dei chip personalizzati è sia tecnica che finanziaria.

1. Ridurre i costi dell'infrastruttura

Meta gestisce sistemi AI su scala iper-massiccia. Anche il minimo miglioramento dell'efficienza può ridurre i costi di elettricità, raffreddamento, hardware e gestione operativa per milioni di carichi di lavoro quotidiani.

I chip personalizzati possono rimuovere funzionalità non necessarie per Meta e allocare più area del chip alle operazioni maggiormente utilizzate dai suoi modelli.

2. Migliore co-progettazione hardware-software

Meta può ottimizzare congiuntamente i propri modelli, compilatori, kernel, formati dati e architetture degli acceleratori.

Questa co-progettazione potrebbe portare a risultati migliori rispetto all'adattamento di ogni carico di lavoro interno a hardware costruito per un mercato esterno generalista.

3. Ridurre la dipendenza da pochi fornitori

NVIDIA rimane il principale fornitore di GPU AI avanzate, mentre AMD sta espandendo la propria influenza. Dipendere completamente da fornitori esterni potrebbe esporre Meta a:

• Carenze di approvvigionamento
• Tempi di consegna lunghi
• Prezzi elevati
• Ritardi nelle roadmap di prodotto
• Sforzi di integrazione all'arrivo di nuove generazioni di GPU

I chip personalizzati offrono a Meta una fonte alternativa di capacità e un maggiore controllo sui tempi di implementazione.

4. Implementazione più rapida per carichi di lavoro specifici di Meta

Il memo citato da Reuters sottolinea che, in un'azienda delle dimensioni di Meta, adottare le GPU più recenti richiede uno sforzo enorme e consuma tempo prezioso.

Una piattaforma hardware e software interna stabile può ridurre parte di questo onere transitorio, specialmente per i carichi di lavoro che Meta esegue ininterrottamente per anni.

Obiettivo di Meta: 7 GW di potenza di calcolo entro il 2026

La scala del piano infrastrutturale è importante quanto i chip stessi.

Secondo memo interni, Meta prevede di implementare 7 GW di infrastruttura di calcolo entro il 2026. Stando a quanto riportato, ha già aggiunto 1 GW nella prima metà dell'anno e prevede di aggiungerne altri 2,5 GW entro la fine dell'anno, come parte di una più ampia espansione della capacità.

(Gigawatt è un'unità di misura della potenza, non della potenza di calcolo)

Usare i gigawatt per descrivere l'infrastruttura dà un'idea concreta della quantità di elettricità necessaria per gestire data center, sistemi di raffreddamento, apparecchiature di rete e acceleratori.

Secondo Reuters, 1 GW è approssimativamente sufficiente a soddisfare il fabbisogno elettrico di 800.000 famiglie. Questo confronto è approssimativo e dipende dai livelli di consumo energetico locali, ma è sufficiente per illustrare l'enorme fabbisogno elettrico delle moderne infrastrutture AI.

Obiettivo per il 2027: 14 GW

Secondo quanto riportato, Meta prevede di raddoppiare la propria potenza di calcolo totale entro il 2027, portandola a 14 GW.

Questo obiettivo indica la fiducia dell'azienda nella continua crescita della domanda di potenza di calcolo AI nei seguenti ambiti:

• Sistemi pubblicitari e di raccomandazione
• Assistente AI di Meta
• Media generativi
• Modelli per lo sviluppo software
• Prodotti indossabili e di realtà mista
• Ricerca sulla superintelligenza personale
• Addestramento e valutazione di modelli interni

Per raggiungere l'obiettivo dei 14 GW non bastano solo i chip. Meta necessita anche di abbondante:

• Spazio per data center
• Accesso alla rete elettrica
• Capacità di generazione elettrica
• Sistemi di raffreddamento
• Capacità di rete
• Memoria
• Storage
• Personale qualificato per costruzione e gestione

L'azienda ha già annunciato progetti per energia nucleare, rinnovabile, accumulo di lunga durata e supporto alla rete, volti a rafforzare la fornitura elettrica necessaria per i futuri data center.

Spese in conto capitale potenzialmente pari a 145 miliardi di dollari

La guidance ufficiale sugli utili del primo trimestre 2026 di Meta ha rivisto al rialzo la previsione di spese in conto capitale per l'intero anno, portandola tra 125 e 145 miliardi di dollari.

La previsione include i pagamenti di capitale per i leasing finanziari. Meta ha dichiarato che l'aumento della spesa riflette i prezzi più alti dei componenti e i maggiori costi dei data center per supportare la capacità futura.

Questa cifra ufficiale è più precisa di una semplice descrizione come "tutto investito in un singolo chip" o "solo per acceleratori AI". Il budget di capitale copre l'intero stack infrastrutturale, includendo:

• Costruzione di data center
• Server e acceleratori
• Apparecchiature di rete
• Sistemi di alimentazione
• Storage
• Memoria
• Infrastruttura in leasing
• Riserva di capacità per gli anni futuri

L'estremità superiore dell'intervallo di previsione sottolinea perché la riduzione dei costi hardware e l'aumento dell'utilizzo siano diventati priorità strategiche.

Accordi di fornitura a lungo termine

Secondo memo interni visionati da Reuters, Meta ha stipulato accordi di fornitura pluriennali con diversi fornitori di hardware.

Gli accordi riportati includono:

• Samsung Electronics per la memoria
• SanDisk per lo storage flash
• Sumitomo Electric per le apparecchiature in fibra ottica

Queste aziende non hanno tutte confermato pubblicamente i dettagli degli accordi, quindi è opportuno descriverli come "accordi riportati" piuttosto che "annunci ufficiali".

Con la domanda di infrastrutture AI che mette sotto pressione le seguenti catene di approvvigionamento, gli acquisti a lungo termine diventano sempre più importanti:

• Chip di memoria
• Memoria ad alta larghezza di banda (HBM)
• Storage flash
• Componenti di rete
• Fibra ottica
• Packaging avanzato

Se i sistemi periferici mancano di memoria, storage, rete, potenza elettrica o capacità rack, gli acceleratori personalizzati non possono essere distribuiti su larga scala.

Cosa significa Iris per NVIDIA e AMD

Iris non significa che Meta smetterà di acquistare hardware da NVIDIA e AMD.

Al contrario, indica che gli acquirenti iper-scalabili desiderano potere contrattuale e flessibilità dei carichi di lavoro.

Il futuro più probabile è uno stack infrastrutturale eterogeneo:

• GPU NVIDIA per carichi di lavoro all'avanguardia
• GPU AMD per scalabilità e diversificazione
• Chip MTIA per carichi di lavoro specifici di Meta
• Sistemi CPU e di rete personalizzati
• Software per la schedulazione dei carichi di lavoro su diversi hardware

Per NVIDIA e AMD, questo comporta sia rischi che opportunità.

I chip personalizzati potrebbero assumere il controllo di alcune attività di inferenza ad alta produttività.

Allo stesso tempo, la domanda complessiva di calcolo di Meta cresce così rapidamente che, anche con la crescente capacità dei chip proprietari, il volume di acquisti di acceleratori esterni potrebbe comunque aumentare.

L'intero mercato può crescere, mentre la quota di un singolo fornitore diminuisce.

Informazioni non note

Il rapporto ha risposto a diverse domande su tempistiche e infrastrutture, ma i dettagli chiave rimangono riservati.

Meta non ha ancora confermato:

• Il mese di inizio della produzione di massa (settembre)
• La produzione prevista del chip Iris
• Il processo produttivo del chip
• La configurazione della memoria
• I livelli di consumo energetico
• Le prestazioni di picco in training o inferenza
• I primi carichi di lavoro che eseguirà
• La data di implementazione pianificata in un data center di produzione
• Il risparmio previsto rispetto all'hardware NVIDIA o AMD

Fino a quando questi dettagli non saranno resi noti, qualsiasi affermazione sulle prestazioni superiori di Iris rispetto a specifiche GPU esterne è puramente speculativa.

La conclusione più plausibile è più cauta: Meta ritiene che i chip personalizzati miglioreranno l'efficienza dei costi, il controllo e l'efficacia di implementazione per specifici carichi di lavoro AI interni.

Domande frequenti

Cos'è il chip AI Iris di Meta?

Iris è il nome in codice trapelato dell'acceleratore AI per data center sviluppato internamente da Meta nell'ambito del progetto MTIA. Il chip è progettato per i carichi di lavoro AI interni di Meta e si prevede che integrerà (non sostituirà immediatamente) le GPU di NVIDIA e AMD.

Quando sarà prodotto in serie il chip Iris?

I memo interni visionati da Reuters indicano che Meta prevede di avviare la produzione di massa del chip a settembre 2026. Meta ha rifiutato di commentare, quindi questa data è solo un obiettivo interno, non una conferma di lancio pubblico.

Chi progetta e produce Iris?

Meta progetta l'acceleratore in base ai propri carichi di lavoro, con Broadcom che fornisce supporto per progettazione, packaging e rete. Reuters riferisce che TSMC si occuperà della produzione del chip.

Cosa significa MTIA?

MTIA sta per Meta Training and Inference Accelerator (Acceleratore per Training e Inferenza di Meta). È la serie di chip AI personalizzati di Meta, utilizzata per raccomandazioni, ranking, pubblicità, inferenza e in espansione verso carichi di lavoro AI generativa.

Meta smetterà di acquistare GPU da NVIDIA e AMD?

No. Iris è progettato per funzionare in sinergia con le GPU esterne, aumentando la potenza di calcolo personalizzata. Meta ha annunciato accordi a lungo termine per implementare fino a 6 GW di infrastruttura GPU AMD Instinct e continuerà a utilizzare massicciamente hardware NVIDIA.

Quanta potenza di calcolo prevede di implementare Meta?

Secondo Reuters, l'obiettivo di Meta è di disporre di 7 GW di infrastruttura di calcolo entro il 2026 e di 14 GW entro il 2027. Queste cifre si riferiscono alla capacità elettrica dell'intera infrastruttura di calcolo, non alle prestazioni dei singoli chip.

Quanto spenderà Meta in infrastrutture AI nel 2026?

La guidance ufficiale di Meta per le spese in conto capitale nel 2026 è compresa tra 125 e 145 miliardi di dollari, inclusi i pagamenti di capitale per i leasing finanziari. Questo budget copre data center, componenti, server, reti e altre infrastrutture, non è limitato al chip Iris.

Perché le aziende tecnologiche sviluppano chip AI personalizzati?

I chip personalizzati possono ridurre i costi, migliorare l'efficienza energetica, adattarsi meglio ai carichi di lavoro interni e ridurre la dipendenza da pochi fornitori esterni. Questi chip solitamente lavorano insieme alle GPU generiche, non le sostituiscono completamente.

Strumenti correlati

Acceleratore di Training e Inferenza Meta: Introduzione ufficiale di Meta al suo acceleratore MTIA di prossima generazione.

• Acceleratore AI personalizzato Broadcom: Tecnologia XPU personalizzata di Broadcom per infrastrutture AI su larga scala.
• TSMC: La fonderia di semiconduttori che, secondo quanto riportato, sta producendo il chip Iris di Meta.
• NVIDIA Data Center: La gamma di GPU e sistemi NVIDIA per l'addestramento e l'inferenza AI.
• AMD Instinct: La piattaforma di acceleratori data center AMD per grandi distribuzioni AI.
• Open Compute Project: Comunità hardware aperta dove le aziende hyperscaler condividono progetti per data center, rack, reti e infrastrutture.

Link correlati

• Articolo originale di Economic Times: Report di Reuters ripubblicato da Economic Times.
• Articolo originale di Reuters: Report di Reuters basato su un memo interno di Meta.
• Collaborazione chip personalizzati Meta e Broadcom: Annuncio ufficiale di Meta che copre quattro generazioni di architettura MTIA e il ruolo di Broadcom.
• Risultati primo trimestre 2026 Meta: Report finanziario ufficiale con proiezioni di spese in conto capitale tra 125 e 145 miliardi di dollari.
• Accordo infrastrutturale Meta e AMD: Accordo ufficiale di Meta per costruire infrastrutture GPU AMD Instinct fino a 6 GW.
• Evoluzione infrastruttura Meta: Panoramica ufficiale dell'architettura data center Meta e del dispiegamento MTIA.
• Collaborazione chip data center Meta e Arm: Annuncio ufficiale di Meta sulla progettazione di CPU personalizzate per data center AI.
• Progetti energia nucleare Meta: Dettagli sugli accordi energetici di Meta per supportare la futura infrastruttura AI.

Riepilogo

Secondo quanto riportato, Meta prevede di avviare la produzione del suo acceleratore AI Iris a settembre 2026, dopo un periodo di test di sei settimane. Il chip fa parte di una roadmap quadri-generazionale MTIA supportata da Broadcom e prodotta da TSMC.

Iris non sostituirà gli attuali cluster GPU NVIDIA e AMD di Meta, ma aggiungerà un livello personalizzato e ottimizzato per carichi di lavoro specifici, volto a ridurre i costi, aumentare l'efficienza e garantire a Meta un maggiore controllo sull'infrastruttura AI.

Il lancio del chip avviene durante un'espansione più ampia di Meta: l'obiettivo è raggiungere 7 GW di potenza di calcolo nel 2026 e 14 GW entro il 2027, con una spesa in conto capitale fino a 145 miliardi di dollari quest'anno.

L'importanza di Iris come singolo chip è di gran lunga inferiore al suo valore come prova del desiderio di Meta di controllare più hardware, energia e supply chain alla base dell'AI.