Meta rusza z produkcją własnego chipa Iris - 14 gigawatów mocy w 2027 roku

Meta zaczyna grać na własnych zasadach. Od września 2026 roku firma uruchomi produkcję autorskiego układu AI o kryptonimie Iris - i robi to po pięciu latach kulejącego projektu, który wreszcie zaczął działać tak, jak powinien. Wewnętrzny notatnik, przejrzany przez Reutersa, ujawnia ambitny plan: podwojenie mocy obliczeniowej do 14 gigawatów w 2027 roku i łączne wydatki na infrastrukturę AI sięgające 145 miliardów dolarów w samym tylko bieżącym roku.

Brzmi jak blef? Ale nie jest - szczególnie że układ testował się w zaledwie sześć tygodni bez poważnych błędów. Dla kontekstu: standardowy cykl opracowywania układów to od 18 do 24 miesięcy, a tutaj walidacja przebiegła czyściej niż niejeden debiut modelu językowego u konkurencji.

Iris to nie jest kolejny procesor graficzny - i o to właśnie chodzi

Iris to kryptonim czwartej generacji procesorów z serii MTIA 400, czyli Meta Training and wnioskowanie Accelerators. To nie są układy treningowe do budowania modeli podstawowych od zera - ich głównym zadaniem jest wnioskowanie: rankingowanie kanału w mediach społecznościowych, silniki rekomendacji i obsługa odpowiedzi generatywnej AI. Innymi słowy, to maszyna napędzająca algorytmy Facebooka i Instagrama, nie następca Llamy.

Broadcom pełni rolę partnera projektowego, a TSMC odpowiada za produkcję. Układy mają uzupełniać, a nie zastępować zewnętrzne procesory graficzne - Meta posiada osobną wieloletnią umowę z AMD obejmującą do sześciu gigawatów akceleratorów Instinct. Nvidia więc nie powinna jeszcze otwierać szampana na własne pożegnanie, ale powinna zacząć się niepokoić.

Stosunkowo szybki postęp sygnalizuje pozytywny impet dla wewnętrznych prac, które utykały w martwym punkcie od ponad pół dekady. Firma rozplanowała cztery nowe generacje układów, od MTIA 300 do MTIA 500, wszystkie przeznaczone do wdrożenia do końca 2027 roku, w tempie zbliżonym do nowej generacji co sześć miesięcy. Branżowa norma to rok lub więcej. Meta po prostu postanowiła zignorować tę normę.

Uwaga ⚠️

Notatnik Mety nigdy nie precyzuje, czy 14 gigawatów dotyczy mocy zakontraktowanej, uruchomionej czy wdrożonej - to trzy bardzo różne liczby. Warto to mieć z tyłu głowy przy interpretacji tych danych.

Sześć tygodni testów i zero poważnych błędów

Iris wchodzi do produkcji w TSMC we wrześniu po przejściu walidacji błędów w zaledwie sześć tygodni bez poważnych problemów - to wyjątkowo czysty wynik jak na program, który przez ponad pół dekady co chwila się potykał. Dla kogoś, kto śledził historię projektu MTIA, to informacja niemal niedowierzalna.

Liczby wydajności w kolejnych generacjach są godne uwagi: Meta celuje w 25-krotny wzrost FLOPS-ów obliczeniowych i 4,5-krotną poprawę przepustowości pamięci HBM. Jeśli te liczby się potwierdzą w praktyce, to uzasadnia agresywne tempo wydań - nowy układ co sześć miesięcy zamiast raz na rok. Ale właśnie tu leży największe ryzyko: sześciomiesięczne tempo wymaga ogromnych nakładów inżynieryjnych i niesie ze sobą poważne ryzyko realizacji, skoro standardowe cykle opracowywania układów wynoszą 18 do 24 miesięcy.

Firma spodziewa się wydać do 145 miliardów dolarów na infrastrukturę AI w tym roku, co stanowi znaczącą część z ponad 700 miliardów dolarów prognozowanych łącznych wydatków Big Tech na tę technologię. Takie liczby robią wrażenie nawet na tle branży, gdzie miliardy lecą jak konfetti na każdej konferencji.

W tym roku Meta planuje wdrożyć siedem gigawatów infrastruktury obliczeniowej. Aby osiągnąć ten cel, w pierwszej połowie roku dodała 1 gigawat i prognozuje dodanie kolejnych 5,5 gigawata do końca roku. Na potrzeby rozbudowy zabezpieczyła długoterminowe umowy dostaw: pamięci od Samsunga, pamięci flash od Sandiska i sprzętu światłowodowego od Sumitomo Electric. To nie jest improwizacja - to logistyka zakrojona na przemysłową skalę.

Akcje Mety wzrosły o około 8% po doniesieniach, że firma rozważa budowę biznesu chmurowego, który pozwoliłby sprzedawać nadwyżki mocy obliczeniowej AI. Wall Street najwidoczniej przestało pytać „po co wam tyle układów?” i zaczęło pytać „czy możemy też kupić?” - to całkiem niezła zmiana narracji dla firmy wydającej 145 miliardów rocznie.

Protip ✅

Jeśli Meta faktycznie uruchomi sprzedaż nadwyżek obliczeniowych jako usługę chmurową, trzecia co do wielkości platforma społecznościowa stanie się jednocześnie dostawcą infrastruktury AI. Obserwuj to uważnie - może to zmienić układ sił między AWS, Google Cloud i Azure.

Google ma TPU, Amazon ma Trainium - teraz Meta ma Iris

Droga Mety do własnego krzemu jest zbieżna z kierunkiem obranym przez inne wielkie firmy chmurowe budujące własne procesory, w tym Google z linią TPU i Amazon z układami Trainium i Inferentia. Różnica polega na skali ambicji i tempie działania. Wewnętrzny notatnik jest bardzo dosadny w kwestii, dlaczego ten program w ogóle powstał - przyjmowanie najnowszych zewnętrznych procesorów graficznych w skali Mety „było ogromnym obciążeniem i kosztowało nas czas.”

Nvidia nie znika z serwerowni Mety z dnia na dzień - ta wyraźnie zaznacza, że Iris uzupełnia, a nie zastępuje procesorów graficznych od zewnętrznych dostawców. Ale każdy gigawat mocy obliczeniowej opartej na własnym krzemie to gigawat mniej zamówień u Jensena Huanga. Przy 14 gigawatach w 2027 roku ta matematyka zaczyna boleć.

Wrzesień pokaże, czy produkcja ruszy zgodnie z planem. Projekt MTIA ma za sobą pięć lat potknięć - sześć tygodni perfekcyjnych testów to dobry znak, ale nie gwarancja. Jeśli jednak Meta dowiezie harmonogram, właśnie obserwujemy moment, w którym największa platforma mediów społecznościowych staje się pełnoprawnym graczem w wyścigu układów.