Meta bygger egen AI-chip Iris for at reducere omkostninger

De begyndte at bygge chips i det skjulte. Ikke noget dramatisk lanceringsevent. Ingen prangende keynote. Bare ingeniørarbejde og produktion, der forbereder sig til september.

Interne noter, som Reuters har set, siger, at Meta vil begynde at fremstille en skræddersyet AI-chip, kodenavnet Iris, næste måned. Iris er en del af et fjerde-generations internt acceleratorprogram kaldet MTIA (Meta Training and Inference Accelerators), og den er designet til at påtage sig en voksende andel af virksomhedens AI-arbejdsmængder på tværs af Facebook og Instagram.

Testningen gik hurtigt. Seks uger. Ingen større fejl rapporteret. For et projekt, der har gennemgået år med tilbageslag, føles den slags fremdrift som en lille sejr og et tegn på, at arkitekturen endelig hænger sammen.

Meta byggede ikke Iris alene. Designet kom fra virksomhedens egne rækker, men selskabet trækker på Broadcom til ingeniørsamarbejde og TSMC til produktion. Ideen er enkel: specialiseret silikone tilpasset Metas modeller og dataflows, så virksomheden kan reducere de enorme omkostninger og forsyningsrisici ved at drive gigantiske GPU-flåder.

Iris vil ikke erstatte NVIDIA- eller AMD-GPU'er. Tænk på den som et supplement til de tusindvis af grafikprocessorer, Meta allerede køber. Chippens rolle er at håndtere specifikke trænings- og inferensopgaver i stor skala, så GPU'erne frigøres til de arbejdsbelastninger, hvor de er bedst.

Ambitionen her er ikke beskeden. Meta planlægger at bringe cirka 7 gigawatt compute online i år og skalere til 14 gigawatt inden 2027. For at nå dertil har selskabet indgået langfristede forsyningsaftaler: Samsung for hukommelseschips, SanDisk for flashlager og Sumitomo Electric for fiberoptik, blandt andre. Disse kontrakter er en sikring mod globale hukommelsesmangel, som har presset tech-forsyningskæderne og drevet det, analytikere kalder "chipflation".

Meta signalerede også en hurtigere produktrytme end branchen: Iris blev afsløret sammen med tre andre AI-processorer i marts, og virksomheden har til hensigt at lancere nye chips cirka hver sjette måned frem til 2027, mens andre typisk opdaterer hardware årligt eller i et langsommere tempo.

Meta forventer at bruge op til 145 milliarder dollars på AI-infrastruktur i jagten på skala og omkostningseffektivitet.

Trækket markerer et bredere skift i, hvordan hyperscalers tilgår hardware: at eje større dele af stakken, fra design til forsyning, for at kontrollere ydeevne og pris. Det er et dyrt væddemål. Men når man opererer i skalaen med milliarder af brugere og modeller, der kræver stadig mere compute, begynder specialiseret silikone at ligne mindre et eksperiment og mere en nødvendighed.

Vil Iris ændre økonomien i AI for Meta? Tiden må vise. Indtil videre bygger virksomheden i det stille de værktøjer, den mener vil holde platformene hurtige, bæredygtige og konkurrencedygtige, efterhånden som modellerne vokser, og efterspørgslen eksploderer.