Meta bygger anpassad AI-chip för att sänka kostnader

De började bygga chips i hemlighet. Ingen dramatisk lansering. Ingen bländande huvudpresentation. Bara ingenjörsarbete och produktion som förbereder sig för september.

Interna anteckningar som Reuters tagit del av säger att Meta kommer att börja tillverka ett skräddarsytt AI-chip med kodnamnet Iris nästa månad. Iris är en del av ett fjärde generations internt acceleratorprogram som kallas MTIA (Metas acceleratorer för träning och inferens) och det är utformat för att bära en växande andel av företagets AI-arbetsbelastningar över Facebook och Instagram.

Testningen gick snabbt. Sex veckor. Inga större fel rapporterade. För ett projekt som har genomgått år av motgångar känns den typen av framfart som en liten seger och ett tecken på att arkitekturen äntligen hänger ihop.

Meta byggde inte Iris ensam. Designen togs fram internt, men företaget samarbetar med Broadcom för tekniskt stöd och med TSMC för tillverkningen. Idén är enkel: skräddarsydd kisel anpassad till Metas modeller och dataflöden, så att företaget kan minska de häpnadsväckande kostnaderna och leveransriskerna för att driva enorma GPU-flottor.

Iris kommer inte att ersätta NVIDIA- eller AMD-GPU:er. Tänk på den som ett komplement till de tusentals grafikkretsar Meta redan köper. Chippets roll är att ta hand om specifika tränings- och inferensuppgifter i stor skala, vilket frigör GPU:erna för de arbetsuppgifter där de är som bäst.

Ambitionen här är inte blygsam. Meta planerar att koppla upp ungefär sju gigawatt beräkningskapacitet i år och skala upp till 14 gigawatt till 2027. För att nå dit har företaget ingått långsiktiga leveransavtal: Samsung för minneschip, SanDisk för flashlagring och Sumitomo Electric för fiberoptik, bland andra. De kontrakten är en säkring mot globala minnesbrister som har pressat teknikens leverantörskedjor och drivit vad analytiker kallar chipinflation.

Meta signalerade också en snabbare produktrytm än branschen: Iris presenterades tillsammans med tre andra AI-processorer i mars, och företaget avser att lansera nya chip ungefär var sjätte månad fram till 2027, medan andra vanligtvis uppdaterar hårdvara årligen eller i en långsammare takt.

Meta förväntar sig att spendera upp till 145 miljarder dollar på AI-infrastruktur i jakten på skala och kostnadseffektivitet.

Draget markerar ett bredare skifte i hur storskaliga molnleverantörer närmar sig hårdvara: att äga mer av stacken, från design till leverans, för att kontrollera prestanda och pris. Det är ett dyrt vad. Men när man opererar i en skala med miljarder användare och modeller som kräver allt mer beräkningskraft, börjar skräddarsydd kisel se mindre ut som ett experiment och mer som en nödvändighet.

Kommer Iris att förändra AI-ekonomin för Meta? Tiden får utvisa. För nu bygger företaget tyst de verktyg det tror ska hålla plattformarna snabba, hållbara och konkurrenskraftiga i takt med att modellerna blir större och efterfrågan exploderar.