Meta empezará a fabricar en septiembre un nuevo acelerador de inteligencia artificial diseñado para sus propios centros de datos. El chip, conocido internamente como Iris, forma parte de una ofensiva más amplia para reducir costes, depender menos de Nvidia y adaptar el hardware a las necesidades concretas de Facebook, Instagram, WhatsApp y los modelos de IA de la compañía.
El movimiento reúne a varias de las empresas que están dando forma a la nueva generación de procesadores personalizados. Meta define la arquitectura, Broadcom participa en el diseño y TSMC se encarga de convertirla en silicio. MediaTek, por su parte, trata de hacerse un hueco en el mismo mercado de ASIC para centros de datos y ha sido vinculada al desarrollo de futuros chips de Google.
No existe, por tanto, una alianza de Meta, MediaTek y TSMC contra Google. La realidad es más interesante: los mismos proveedores pueden trabajar para compañías rivales, mientras cada gran plataforma intenta construir una infraestructura propia que reduzca su dependencia de las GPU de propósito general.
Las claves de la carrera de chips de IA en 20 segundos
- Meta prevé iniciar en septiembre la producción de Iris, su próximo acelerador propio.
- El chip pertenece al programa MTIA, orientado al entrenamiento y la inferencia de modelos.
- Broadcom colabora con Meta en el diseño y TSMC se encargará de la fabricación.
- Iris complementará las GPU de Nvidia y AMD, no las sustituirá por completo.
- Meta pretende lanzar una nueva generación de chips aproximadamente cada seis meses hasta 2027.
- La compañía quiere elevar su capacidad informática hasta 14 gigavatios durante 2027.
- Google desarrolla TPU desde hace más de una década y ya prepara su octava generación.
- MediaTek espera obtener 2.000 millones de dólares del negocio de centros de datos en 2026.
- TSMC fabrica chips de IA para casi todos los contendientes, incluidos Nvidia, AMD, Google, Meta, Amazon y Microsoft.
- El verdadero rival común continúa siendo el coste, el consumo energético y la dependencia de Nvidia.
La llegada de Iris representa un avance importante para un proyecto que no siempre ha cumplido los calendarios de Meta. Según un memorando interno, las pruebas del nuevo diseño concluyeron en unas seis semanas sin detectar problemas graves. La compañía pretende utilizarlo para ampliar la inteligencia artificial aplicada a sus redes sociales y para descargar de las GPU algunas tareas que pueden ejecutarse de manera más eficiente en un circuito especializado.
La estrategia no implica dejar de comprar procesadores de Nvidia o AMD. Meta necesitará grandes cantidades de GPU para entrenar modelos generales y experimentar con arquitecturas que cambian rápidamente. Los chips propios encajan mejor en trabajos repetitivos, estables y realizados a una escala enorme, donde una pequeña mejora en consumo o coste por operación puede ahorrar cientos de millones.
Iris es la respuesta de Meta a una factura informática cada vez mayor
Meta se prepara para gastar hasta 145.000 millones de dólares en infraestructura de inteligencia artificial durante 2026. La cifra incluye centros de datos, servidores, redes, memoria, almacenamiento y procesadores. La empresa asegura haber añadido un gigavatio de capacidad durante la primera mitad del año y espera sumar otros 2,5 gigavatios antes de que termine. Su objetivo es alcanzar 14 gigavatios en 2027.
A esa escala, comprar exclusivamente el hardware más avanzado disponible deja de ser suficiente. Cada nueva generación de GPU obliga a modificar servidores, refrigeración, redes y software. El propio memorando de Meta reconoce que adoptar los últimos procesadores en una infraestructura de semejante tamaño requiere mucho trabajo y puede retrasar los despliegues.
Un ASIC como Iris sacrifica parte de la flexibilidad a cambio de una mayor eficiencia en tareas concretas. Puede eliminar funciones innecesarias, optimizar el movimiento de datos y ajustarse al software que Meta sabe que ejecutará durante años.
| Plataforma | Chip propio | Socios principales | Objetivo |
|---|---|---|---|
| Meta | MTIA / Iris | Broadcom y TSMC | Reducir costes de entrenamiento e inferencia |
| TPU | Broadcom, MediaTek y fundiciones externas | Sostener Gemini y vender capacidad en Google Cloud | |
| Amazon AWS | Trainium e Inferentia | Socios de diseño y fabricación | Ofrecer una alternativa propia a Nvidia |
| Microsoft | Maia | Proveedores externos | Acelerar servicios de IA en Azure |
| Nvidia | GPU y sistemas completos | TSMC y fabricantes de memoria | Mantener el liderazgo como plataforma general |
| AMD | Instinct | TSMC | Competir con Nvidia en aceleradores abiertos |
Meta trabaja con Broadcom en un acuerdo de varias generaciones que se extenderá durante los próximos años. Broadcom aporta experiencia en el diseño físico del chip, interconexiones de alta velocidad y transformación de la arquitectura planteada por el cliente en un circuito que pueda fabricarse de forma rentable.
Este modelo se ha vuelto habitual entre los hiperescaladores. Las grandes plataformas conocen las cargas que quieren acelerar, pero no siempre disponen de todos los equipos necesarios para completar el diseño, validar las interfaces, preparar el encapsulado y coordinar la fabricación.
TSMC aparece al final de casi todas estas cadenas. La fundición taiwanesa no necesita decidir qué arquitectura ganará: produce para Nvidia, AMD, Google, Meta, Microsoft y Amazon. Cuantos más chips propios desarrollen sus clientes, mayor será la demanda de sus nodos avanzados y de sus tecnologías de encapsulado.
MediaTek quiere dejar de ser conocida solo por los móviles
MediaTek ha construido buena parte de su negocio alrededor de los procesadores para teléfonos, televisores, routers y dispositivos conectados. La expansión de los ASIC de IA le ofrece la posibilidad de entrar en contratos mucho mayores y con márgenes diferentes.
La empresa ha duplicado su previsión de ingresos para centros de datos en 2026 hasta los 2.000 millones de dólares. También calcula que el mercado de chips personalizados para IA podría alcanzar entre 70.000 y 80.000 millones de dólares en 2027 y aspira a capturar entre el 10 % y el 15 %.
MediaTek afirma que puede trabajar tanto con CoWoS, el encapsulado avanzado de TSMC utilizado ampliamente en aceleradores de IA, como con EMIB, la tecnología equivalente de Intel. Esta flexibilidad permitiría a un cliente repartir la producción entre diferentes proveedores o elegir la solución más adecuada según la disponibilidad y el diseño.
Dos fuentes del sector han relacionado a MediaTek con futuros procesadores personalizados de Google, aunque la compañía taiwanesa no ha confirmado públicamente el nombre del cliente. Lejos de desafiar directamente a Google, MediaTek podría convertirse en uno de los socios que permitan ampliar la fabricación de sus TPU.
Google también estudia diversificar la producción. TSMC seguiría fabricando la parte principal de un futuro chip conocido como Icefish, mientras Samsung podría encargarse de determinados componentes relacionados con la interfaz de memoria mediante su proceso de 2 nanómetros. El diseño, en el que participaría MediaTek, podría llegar a fabricación en volumen alrededor de 2028. Se trata todavía de planes no confirmados oficialmente.
Google conserva la ventaja de haber empezado antes
Meta puede fabricar un buen acelerador y seguir estando varios años por detrás de Google como plataforma completa.
Google comenzó a utilizar internamente su primera TPU en 2015. Desde entonces ha desarrollado varias generaciones de chips, redes ópticas, sistemas de refrigeración, compiladores, bibliotecas y superordenadores enteros construidos alrededor de esa arquitectura.
Su ventaja no reside únicamente en una pastilla de silicio. Incluye la integración con TensorFlow, JAX y PyTorch, la infraestructura de Google Cloud y la experiencia obtenida ejecutando búsquedas, recomendaciones, traducción y modelos Gemini a gran escala.
Un trabajo técnico publicado en 2026 sobre las generaciones comprendidas entre TPU v2 e Ironwood describe un aumento de diez veces en la capacidad y ancho de banda de la memoria HBM por nodo, cien veces más rendimiento máximo por nodo y una mejora de 3.600 veces en la capacidad de sus superordenadores.
Google presentó además una octava generación dividida en dos chips. TPU 8t está orientada al entrenamiento, mientras TPU 8i se centra en la inferencia. El sistema para entrenamiento podrá agrupar hasta 9.600 procesadores y alrededor de dos petabytes de memoria de alto ancho de banda. Google prevé ofrecer ambos diseños a través de su cloud durante 2026.
Meta todavía debe demostrar que Iris funciona con buenos rendimientos de fabricación, puede desplegarse en miles de servidores y ofrece una ventaja económica una vez incluidos el desarrollo, el software y la operación. Producir el chip es solo el primer paso.
La compañía también tendrá que construir una cadena estable de herramientas, compiladores, controladores, redes y mantenimiento. Un acelerador aislado puede ejecutar una prueba; una plataforma necesita funcionar durante años y admitir modelos que todavía no existen.
El objetivo inmediato no es Google, sino depender menos de Nvidia
La rivalidad más importante no enfrenta por ahora a Meta con Google. Ambas continúan comprando grandes cantidades de GPU de Nvidia y pueden utilizar simultáneamente silicio propio para cargas específicas.
Nvidia ofrece algo que los ASIC internos todavía no igualan: una plataforma flexible, madura y ampliamente compatible. CUDA, sus librerías, las interconexiones NVLink y los sistemas completos permiten que un cliente ejecute modelos nuevos sin esperar varios años a diseñar un procesador específico.
Los chips personalizados resultan atractivos cuando la carga es suficientemente estable y masiva. En inferencia, recomendaciones, publicidad y determinados modelos internos, la eficiencia puede compensar la pérdida de flexibilidad.
| Factor | GPU de Nvidia | ASIC personalizado |
|---|---|---|
| Flexibilidad | Muy alta | Limitada a cargas definidas |
| Tiempo de despliegue | Rápido si hay suministro | Varios años de diseño y validación |
| Coste inicial | Compra elevada | Desarrollo muy costoso |
| Coste a gran escala | Alto | Puede ser inferior |
| Software | Ecosistema amplio y maduro | Debe construirse o adaptarse |
| Cambios de modelo | Más fáciles de asumir | Pueden exigir una nueva generación |
| Dependencia | De Nvidia y su calendario | De socios de diseño, TSMC y memoria |
La amenaza para Nvidia no consiste en que Meta deje de comprar sus GPU de un día para otro. Aparece cuando cada hiperescalador traslada una parte creciente de sus cargas repetitivas a procesadores propios.
Incluso entonces, el mercado total puede crecer lo suficiente como para que Nvidia continúe aumentando sus ventas. Meta, Google, Amazon y Microsoft necesitan tantas máquinas que los ASIC pueden ganar cuota relativa mientras las compras absolutas de GPU siguen creciendo.
TSMC será uno de los principales beneficiarios de ambos caminos. Fabrica los chips de Nvidia y también los procesadores que pretenden reducir su peso. Además, el aumento del consumo eléctrico está obligando a todos los diseñadores a buscar mejoras que ya no dependen únicamente de reducir el tamaño de los transistores.
La fundición espera que el salto entre su actual tecnología N2 y el futuro proceso A14 permita reducir hasta un 30 % el consumo y elevar más de un 20 % el rendimiento. Al mismo tiempo, está reforzando el encapsulado avanzado, el apilamiento tridimensional y la fotónica para mover información con menos energía.
Meta entra ahora en una fase decisiva. Iris puede demostrar que el programa MTIA ha superado sus anteriores retrasos y que la empresa es capaz de mantener un calendario de nuevas generaciones cada seis meses. Pero Google cuenta con más de una década de experiencia y Nvidia conserva el ecosistema más completo.
La carrera no tendrá un único ganador. Los centros de datos combinarán GPU, TPU, MTIA y otros ASIC según la tarea. La ventaja pertenecerá a quien consiga más trabajo útil por vatio y por dólar, sin quedarse atrapado en un hardware incapaz de seguir el ritmo de los modelos.
Preguntas frecuentes
¿Qué es Iris, el nuevo chip de Meta?
Es el nombre interno de un acelerador de IA perteneciente al programa MTIA. Meta pretende iniciar su fabricación en septiembre de 2026.
¿Meta dejará de comprar GPU de Nvidia?
No. Iris está diseñado para complementar las GPU de Nvidia y AMD, principalmente en cargas donde un chip personalizado puede ofrecer mayor eficiencia.
¿MediaTek compite con Google?
MediaTek quiere competir en el mercado de diseño de ASIC, pero también ha sido relacionada con futuros chips de Google. Puede actuar como proveedor de empresas que compiten entre sí.
¿Por qué TSMC gana aunque proliferen los chips propios?
Porque fabrica tanto las GPU de Nvidia y AMD como numerosos aceleradores personalizados de Google, Meta, Amazon y Microsoft.
