Meta inicia producción de Iris, su primer chip de IA propio, para reducir la dependencia de Nvidia

By Carlos Montiel | Especialista en IA Empresarial
Read in English →
Publicado: 2026-09-04 | Por: Carlos Montiel | Lectura: ~4 minutos

Meta pasó de diseñar chips en PowerPoint a fabricarlos de verdad. Según un memo interno, este mes arranca la producción de Iris, su primer acelerador de IA propio de la nueva generación MTIA — un paso más en la carrera de los hiperescaladores por dejar de depender exclusivamente de Nvidia.

Qué es Iris y de dónde viene

Iris es el nombre en clave del nuevo chip de datacenter de Meta, parte de su programa MTIA (Meta Training and Inference Accelerators), una familia de cuatro generaciones de aceleradores diseñados internamente para entrenar e inferir los modelos de IA que corren detrás de Facebook e Instagram. Meta diseñó el chip junto con Broadcom, mientras que la fabricación física corre por cuenta de TSMC — el mismo esquema de "diseño propio, fabricación de terceros" que ya usan Google (TPU) y Amazon (Trainium).

La producción arranca este mes

Según el memo interno citado por Reuters, Iris completó su fase de pruebas de errores (bug-testing) en aproximadamente seis semanas sin problemas significativos, despejando el camino para iniciar manufactura en septiembre de 2026. La producción de Iris se enmarca dentro de una alianza más amplia entre Meta y Broadcom, ampliada este año hasta 2029 para cubrir múltiples generaciones futuras de MTIA.

La cifra que explica la urgencia: Meta apunta a 7 gigawatts de infraestructura de cómputo para fines de 2026, con planes de duplicar esa cifra a 14 gigawatts en 2027. A esa escala, cada punto porcentual de dependencia de un solo proveedor de GPUs se traduce en riesgo real de suministro y de precio.

Parte de una tendencia mayor entre los hiperescaladores

Meta no está sola en este movimiento. Google lleva varias generaciones de TPU, Amazon tiene Trainium e Inferentia, y Microsoft desarrolla su propio silicio Maia. El patrón es consistente: cuanto más gastan las grandes tecnológicas en cómputo de IA, más sentido económico tiene diseñar al menos una porción de ese hardware in-house, incluso si Nvidia sigue siendo el proveedor dominante para el grueso de la carga de trabajo.

Qué significa para empresas que compran cómputo de IA

Para equipos de infraestructura que hoy dependen de instancias basadas en GPU Nvidia (vía AWS, Azure, GCP o proveedores especializados), esta tendencia es una señal a mediano plazo, no un cambio inmediato: la oferta de cómputo de IA se está diversificando entre más arquitecturas de silicio. No hace falta reaccionar hoy, pero sí vale la pena que cualquier arquitectura de inferencia crítica evite acoplarse en exceso a una sola familia de hardware — las cargas de trabajo portables entre proveedores van a tener más opciones (y probablemente mejor precio) en los próximos 12-18 meses.
Carlos Montiel
Arquitecto de Soluciones IA Empresarial
Especialista en LLMs, Agentes y Orquestación
guatemalia.com/#contacto · info@guatemalia.com

¿Necesitas implementar IA en tu empresa?

Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.

Contactar a Carlos Montiel

info@guatemalia.com