Metas Iris-AI-Chip soll im September in Produktion gehen – Rechenleistung soll 14 GW erreichen

Einleitung

Berichten zufolge plant Meta, im September 2026 mit der Fertigung eines neuen, maßgeschneiderten KI-Chips zu beginnen. Dieser Schritt wird eine der größten Erweiterungen der Recheninfrastruktur in der Technologiebranche beschleunigen.

Der Chip mit dem Codenamen Iris gehört zu Metas internem Projekt Meta Training and Inference Accelerator (MTIA). Laut einem internen Memo, das von Reuters eingesehen wurde, hat Iris einen sechswöchigen Testzyklus ohne größere Probleme abgeschlossen und geht nun in die Produktionsphase über.

Dieser Chip ist nur ein Teil eines ehrgeizigen Plans. Meta plant, im Jahr 2026 etwa 7 Gigawatt (GW) an Recheninfrastruktur zu deployen und beabsichtigt, die Gesamtkapazität im Jahr 2027 auf 14 GW zu verdoppeln. Die Kapitalaufwandsrichtlinie (Capex) für 2026 wurde ebenfalls auf 125 Milliarden bis 145 Milliarden US-Dollar nach oben korrigiert, was auf gestiegene Komponentenpreise und zusätzliche Rechenzentrumsinvestitionen zurückzuführen ist.

Quellenangabe: Dies ist ein origineller, direkt veröffentlichungsfähiger chinesischer Artikel, der auf einem Reuters-Bericht basiert, von der Economic Times übernommen und mit den offiziellen Infrastrukturbekanntmachungen von Meta kreuzvalidiert wurde. Es handelt sich nicht um eine zeilenweise Neuformulierung einer urheberrechtlich geschützten Quelle. Der Quellartikel enthält ein relevantes Hauptbild, das oben beibehalten wurde. Werbung, App-Promotion-Banner, WhatsApp-Grafiken und irrelevante empfohlene Bilder wurden ausgeschlossen. Reuters korrigierte später seinen Bericht und stellte klar, dass Meta bis Ende 2026 2,5 GW hinzufügen wird, nicht 5,5 GW.

Meta plant Produktionsstart von Iris im September

Gemäß dem von Reuters eingesehenen internen Memo von Meta soll die Produktion von Iris im September 2026 beginnen.

Der Test dauerte etwa sechs Wochen und ergab keine größeren Probleme. Dies ist ein bedeutender Meilenstein für Meta, da das unternehmenseigene Custom-Chip-Programm seit dem Start der Entwicklung proprietärer KI-Beschleuniger vor fünf Jahren mit Verzögerungen und technischen Herausforderungen zu kämpfen hatte.

Meta lehnte eine Stellungnahme zu dem berichteten Produktionsplan ab, daher sollte der September-Termin als interner Plan und nicht als öffentlich zugesagtes Veröffentlichungsdatum verstanden werden.

Iris wurde speziell für den Bedarf des eigenen Rechenzentrums von Meta entwickelt. Es soll KI-Systeme unterstützen, die hinter Produkten wie Facebook und Instagram stehen, darunter Empfehlungen, Ranking, Werbung und generative KI-Workloads.

Es wird nicht erwartet, dass der Chip alle von Meta gekauften externen Beschleuniger ersetzt. Stattdessen wird er ein weiterer Teil eines hybriden Infrastrukturportfolios sein, das Folgendes umfasst:

• Von Meta entwickelte MTIA-Beschleuniger
• NVIDIA-GPUs
• AMD Instinct-GPUs
• Maßgeschneiderte und von Partnern entwickelte CPUs
• Dedizierte Netzwerk-, Speicher- und Speichersysteme

Dieser kombinierte Ansatz ermöglicht es Meta, verschiedene Workloads der Hardware zuzuweisen, die die beste Kombination aus Leistung, Verfügbarkeit, Energieeffizienz und Gesamtkosten bietet.

Was ist der Iris AI Chip?

Iris ist der Codename, der im Reuters-Bericht für eine bestimmte Generation von Metas MTIA-Projekt verwendet wird.

MTIA steht für Meta Training and Inference Accelerator. Es handelt sich um eine Reihe von KI-Chips, die Meta für bestimmte Zwecke entwickelt hat, um die Effizienz von Workloads zu steigern, die in den firmeneigenen Rechenzentren laufen.

Meta hat bereits frühere Generationen des MTIA für Ranking-, Empfehlungs- und Werbe-Inferenzaufgaben eingesetzt.

Das Unternehmen gibt an, dass diese Chips im Vergleich zu Standard-Chips von Lieferanten erhebliche Energieeffizienzvorteile bieten, wenn sie tief für Metas eigene Modelle und Software-Stacks optimiert sind.

Das im Bericht erwähnte Iris-Projekt ist eine Erweiterung dieser Strategie.

Wichtige gemeldete Fakten

Detaillierte technische Spezifikationen wie Fertigungsknoten, Speicherkapazität, Verbindungsbandbreite, Stromverbrauch und Spitzenrechenleistung wurden im ursprünglichen Bericht nicht offengelegt. Diese Details sollten nicht abgeleitet werden, bevor sie von Meta oder seinen Partnern bekannt gegeben werden.

Vier-Generationen-MTIA-Roadmap

Der Reuters-Bericht besagt, dass Iris Teil eines von Meta entworfenen Vier-Generationen-MTIA-Programms ist.

Das Unternehmen plant, bis 2027 etwa alle sechs Monate einen neuen Chip auf den Markt zu bringen. Dieses Tempo ist viel schneller als die üblichen ein- oder mehrjährigen Produktzyklen in der Halbleiterentwicklung.

Meta hat separat bestätigt, dass es innerhalb von zwei Jahren vier neue Generationen von MTIA-Chips entwickelt und einsetzt. Die Roadmap soll Folgendes unterstützen:

• Ranking- und Empfehlungssysteme
• Werbemodelle
• Inferenz im großen Maßstab
• Generative KI-Workloads
• Zukünftige Trainings-Workloads

Der Sechsmonatszyklus bedeutet nicht unbedingt jedes Mal eine völlig neue Architektur. Nachfolgende Versionen könnten gezielte Verbesserungen bei Recheneinheiten, Speichersystemen, Netzwerkverbindungen, Gehäusetechnik, Workload-Unterstützung oder Software-Kompatibilität aufweisen.

Der Schlüssel liegt darin, dass Meta die Entwicklung kundenspezifischer Chips zu einer kontinuierlichen internen Fähigkeit machen möchte, nicht nur zu einem gelegentlichen Hardware-Experiment.

Broadcom unterstützt Design

Meta arbeitet mit Broadcom zusammen, um die Entwicklung maßgeschneiderter KI-Chips zu beschleunigen.

In einer offiziellen Ankündigung von Meta heißt es, dass Broadcom in folgenden Bereichen beitragen wird:

• Chip-Design
• Fortschrittliche Gehäusetechnik
• Netzwerkverbindungen
• Entwicklung von Beschleunigern über mehrere Generationen

Diese Zusammenarbeit basiert auf Broadcoms XPU-Plattform für kundenspezifische KI-Beschleuniger. Meta kontrolliert weiterhin die Workload-Anforderungen und die Systemdesignziele, während Broadcom das Halbleiter- und Infrastruktur-Know-how liefert.

Dieses Modell ist bei Hyperscalern üblich. Das Cloud- oder Plattformunternehmen definiert die Workloads und die gewünschten Leistungsmetriken, während ein erfahrener Halbleiterpartner hilft, diese Anforderungen in fertigbare Chips zu übersetzen.

Diese Anordnung kann das Entwicklungsrisiko verringern, ohne Meta zu zwingen, sich vollständig auf standardisierte Standard-Beschleuniger zu verlassen.

TSMC wird den Chip fertigen

Der Reuters-Bericht besagt, dass TSMC mit der Fertigung des Iris-Chips beauftragt wird.

TSMC ist der weltweit größte dedizierte Halbleiter-Auftragsfertiger und produziert fortschrittliche Chips für viele große Technologieunternehmen. Die Zusammenarbeit mit TSMC ermöglicht Meta den Zugang zu führenden Fertigungsprozessen, Gehäusetechnologien und Massenproduktions-Know-how.

Die Nutzung eines führenden Auftragsfertigers beseitigt jedoch keine Lieferkettenengpässe.

Der Wettbewerb um fortschrittliche Fertigungskapazitäten ist hart, und KI-Beschleuniger sind auch auf knappe Komponenten angewiesen, wie z.B.:

• High-Bandwidth Memory
• Fortschrittliche Gehäusetechnik
• Substrate
• Optische Netzwerkausrüstung
• Speicher
• Stromversorgungssysteme

Daher benötigt Meta sowohl die Fähigkeit zum Design kundenspezifischer Chips als auch zur langfristigen Komponentenbeschaffung, um seine Infrastrukturziele zu erreichen.

Iris wird NVIDIA- und AMD-GPUs ergänzen

Meta bleibt ein großer Abnehmer externer GPUs.

Das Custom-Chip-Programm zielt nicht darauf ab, NVIDIA oder AMD sofort zu ersetzen. Der Zweck von Iris ist es, große GPU-Cluster für KI-Training und Inferenz zu ergänzen.

Diese Unterscheidung ist wichtig, da verschiedene Workloads tendenziell unterschiedliche Hardware bevorzugen.

Externe GPUs bleiben wichtig, hauptsächlich für:

• Training von hochmodernen Modellen
• Schnelle Bereitstellung neuartiger Modellarchitekturen
• Breite Software-Kompatibilität
• Workloads, die auf etablierte CUDA- oder ROCm-Ökosysteme angewiesen sind
• Aufgaben, deren Veränderungsrate schneller ist als der Entwicklungszyklus kundenspezifischer Chips

Kundenspezifische MTIA-Chips können verwendet werden für:

• Stabile, hochvolumige interne Workloads
• Empfehlungs- und Rankingsysteme
• Wiederholte Inferenz im großen Maßstab
• Workloads, die gemeinsam mit der Software entwickelt werden können
• Reduzierung der Kosten pro Inferenz
• Verbesserung der Leistungs- und Rack-Effizienz

Meta hat außerdem eine langfristige Vereinbarung mit AMD unterzeichnet, die bis zu 6 GW an AMD Instinct GPU-Infrastruktur bereitstellen wird.

Diese offizielle Zusammenarbeit bestätigt, dass die Strategie von Meta auf Diversifizierung setzt und nicht auf die vollständige Aufgabe von Drittanbieter-Beschleunigern.

Das Unternehmen möchte weiterhin Zugang zu führender externer Hardware haben, gleichzeitig aber mehr Kontrolle über den eigenen Infrastruktur-Stack gewinnen.

Warum Meta die Kontrolle über KI-Chips verstärken will

Die Logik hinter kundenspezifischen Chips ist sowohl technischer als auch finanzieller Natur.

1. Senkung der Infrastrukturkosten

Meta betreibt KI-Systeme im Hyperscale-Maßstab. Selbst kleinste Effizienzsteigerungen können bei Millionen alltäglicher Arbeitslasten die Kosten für Strom, Kühlung, Hardware und Betrieb senken.

Maßgeschneiderte Chips können Funktionen entfernen, die Meta nicht benötigt, und mehr Chipfläche für Berechnungen bereitstellen, die in den eigenen Modellen stark genutzt werden.

2. Besseres Hard-Software-Co-Design

Meta kann seine Modelle, Compiler, Kernel, Datenformate und Beschleunigerarchitekturen gemeinsam optimieren.

Dieses Co-Design könnte bessere Ergebnisse liefern, als jede interne Arbeitslast an Hardware anzupassen, die für einen breiten externen Markt entwickelt wurde.

3. Verringerung der Abhängigkeit von wenigen Lieferanten

NVIDIA bleibt der Hauptlieferant für fortschrittliche KI-GPUs, während AMD seinen Einfluss ausweitet. Die vollständige Abhängigkeit von externen Anbietern könnte Meta folgenden Risiken aussetzen:

• Lieferengpässe
• Lange Lieferzeiten
• Hohe Preise
• Verzögerungen bei Produkt-Roadmaps
• Integrationsaufwand bei jeder neuen GPU-Generation

Eigene Chips bieten Meta eine alternative Kapazitätsquelle und mehr Kontrolle über den Zeitpunkt der Bereitstellung.

4. Schnellere Bereitstellung für Metas spezifische Arbeitslasten

Aus einem von Reuters zitierten internen Memo geht hervor, dass die Einführung der neuesten GPUs in einem Unternehmen von Metas Größe enorme Anstrengungen erfordert und viel Zeit in Anspruch nimmt.

Eine stabile interne Hardware- und Softwareplattform kann einen Teil dieses Übergangsaufwands reduzieren, insbesondere bei Arbeitslasten, die Meta über Jahre hinweg kontinuierlich betreibt.

Metas Ziel: 7 GW Rechenleistung bis 2026

Der Umfang der Infrastrukturpläne ist ebenso wichtig wie die Chips selbst.

Laut internen Memos plant Meta, bis 2026 Recheninfrastruktur mit 7 GW zu betreiben. Berichten zufolge hat das Unternehmen im ersten Halbjahr bereits 1 GW hinzugefügt und erwartet, bis zum Jahresende weitere 2,5 GW im Rahmen eines größeren Kapazitätsaufbaus zu installieren.

(Gigawatt ist eine Einheit der Leistung, nicht der Rechenleistung)

Die Verwendung von Gigawatt zur Beschreibung der Infrastruktur veranschaulicht die Größenordnung des Strombedarfs für den Betrieb von Rechenzentren, Kühlsystemen, Netzwerkgeräten und Beschleunigern.

Laut Reuters reicht 1 Gigawatt ungefähr aus, um 800.000 Haushalte mit Strom zu versorgen. Dieser Vergleich ist zwar ein Näherungswert und hängt vom lokalen Energieverbrauch ab, verdeutlicht aber den enormen Strombedarf moderner KI-Infrastruktur.

Ziel für 2027: 14 Gigawatt

Meta plant Berichten zufolge, seine gesamte Rechenleistung bis 2027 auf 14 Gigawatt zu verdoppeln.

Dieses Ziel zeigt, dass das Unternehmen fest davon überzeugt ist, dass der Bedarf an KI-Rechenleistung in folgenden Bereichen weiter wachsen wird:

• Werbung und Empfehlungssysteme
• Meta KI-Assistent
• Generative Medien
• Modelle für die Softwareentwicklung
• Wearables und Mixed-Reality-Produkte
• Forschung an persönlicher Superintelligenz
• Internes Modelltraining und -bewertung

Um das Ziel von 14 GW zu erreichen, reichen Chips allein nicht aus. Meta benötigt ausreichend:

• Rechenzentrumsfläche
• Netzanschlüsse
• Stromerzeugungskapazität
• Kühlsysteme
• Netzwerkkapazität
• Arbeitsspeicher
• Speicherplatz
• Fachkräfte für Bau und Betrieb

Das Unternehmen hat bereits Projekte für Kernenergie, erneuerbare Energien, Langzeitspeicher und Netzunterstützung angekündigt, um die Stromversorgung für zukünftige Rechenzentren zu sichern.

Investitionsausgaben könnten 145 Milliarden US-Dollar erreichen

Metas offizieller Gewinnbericht für das erste Quartal 2026 hob die Prognose für die jährlichen Investitionsausgaben auf 125 bis 145 Milliarden US-Dollar an.

Diese Prognose beinhaltet Tilgungszahlungen für Finanzierungsleasing. Meta gab an, dass der Anstieg auf höhere Komponentenpreise und gestiegene Rechenzentrumskosten zur Unterstützung der zukünftigen Kapazität zurückzuführen sei.

Diese offiziellen Zahlen sind präziser als eine einfache Beschreibung als "alles in einen Chip" oder "nur für KI-Beschleuniger". Das Investitionsbudget deckt den breiteren Infrastruktur-Stack ab, darunter:

• Bau von Rechenzentren
• Server und Beschleuniger
• Netzwerkausrüstung
• Stromversorgungssysteme
• Speicher
• Arbeitsspeicher
• Gemietete Infrastruktur
• Kapazitätsreserven für die kommenden Jahre

Die Obergrenze dieser Prognosespanne unterstreicht, warum die Senkung der Hardwarekosten und die Steigerung der Auslastung zu strategischen Prioritäten geworden sind.

Langfristige Liefervereinbarungen

Laut internen, von Reuters eingesehenen Memos hat Meta mehrjährige Lieferverträge mit mehreren Hardware-Anbietern abgeschlossen.

Zu den berichteten Vereinbarungen gehören:

• Samsung Electronics für Arbeitsspeicher
• SanDisk für Flash-Speicher
• Sumitomo Electric für Glasfaserausrüstung

Nicht alle diese Unternehmen haben die Vertragsdetails öffentlich bestätigt, daher sollten sie als "berichtete Vereinbarungen" und nicht als "offizielle Ankündigungen" beschrieben werden.

Langfristige Beschaffung wird immer wichtiger, da die Nachfrage nach KI-Infrastruktur folgende Lieferketten belastet:

• Speicherchips
• High-Bandwidth Memory
• Flash-Speicher
• Netzwerkkomponenten
• Glasfaser
• Fortschrittliche Verpackungstechnologien

Ohne ausreichende Kapazitäten bei Speicher, Netzwerk, Strom oder Rack-Platz in den Peripheriesystemen können maßgeschneiderte Beschleuniger nicht im großen Maßstab eingesetzt werden.

Was Iris für NVIDIA und AMD bedeutet

Iris bedeutet nicht, dass Meta aufhört, Hardware von NVIDIA und AMD zu kaufen.

Vielmehr zeigt es, dass Hyperscaler-Kunden Verhandlungsmacht und Arbeitslastflexibilität wünschen.

Die wahrscheinlichste Zukunft ist ein heterogener Infrastruktur-Stack:

• NVIDIA GPUs für anspruchsvolle Arbeitslasten
• AMD GPUs für Skalierung und Diversifizierung
• MTIA-Chips für spezifische Meta-Arbeitslasten
• Maßgeschneiderte CPUs und Netzwerksysteme
• Software zum Planen von Arbeitslasten auf verschiedenen Hardwaren

Für NVIDIA und AMD birgt dies sowohl Risiken als auch Chancen.

Maßgeschneiderte Chips könnten einen Teil der rechenintensiven Inferenzaufgaben übernehmen.

Gleichzeitig wächst der gesamte Rechenbedarf von Meta so schnell, dass der Einkauf externer Beschleuniger trotz steigender Eigenentwicklung weiter zunehmen könnte.

Der Gesamtmarkt kann wachsen, während der Anteil einzelner Lieferanten schrumpft.

Unbekannte Informationen

Der Bericht beantwortet mehrere Fragen zu Zeitplänen und Infrastruktur, aber wichtige Details sind weiterhin nicht öffentlich bekannt.

Meta hat nicht bestätigt:

• Den endgültigen Monat der Massenproduktion (September)
• Die erwartete Stückzahl des Iris-Chips
• Den Fertigungsprozess des Chips
• Die Speicherkonfiguration
• Die Leistungsaufnahme
• Die Spitzenleistung bei Training oder Inferenz
• Die ersten Arbeitslasten, die darauf laufen werden
• Das geplante Datum der Bereitstellung in produktiven Rechenzentren
• Die im Vergleich zu NVIDIA- oder AMD-Hardware erwarteten Kosteneinsparungen

Bevor diese Details bekannt gegeben werden, sind Behauptungen, dass Iris besser sei als bestimmte externe GPUs, reine Spekulation.

Die plausibelste Schlussfolgerung ist konservativer: Meta glaubt, dass eigene Chips die Kosteneffizienz, Kontrolle und Bereitstellungseffizienz bei bestimmten internen KI-Arbeitslasten verbessern werden.

Häufig gestellte Fragen

Was ist Metas Iris KI-Chip?

Iris ist der berichtete Codename für den hauseigenen Datenzentrum-KI-Beschleuniger aus Metas MTIA-Projekt. Der Chip ist für Metas interne KI-Arbeitslasten konzipiert und soll die GPUs von NVIDIA und AMD ergänzen (nicht sofort ersetzen).

Wann wird der Iris-Chip in Massenproduktion gehen?

Ein von Reuters eingesehenes internes Memo zeigt, dass Meta plant, die Massenproduktion des Chips im September 2026 zu beginnen. Meta lehnte eine Stellungnahme ab, daher handelt es sich bei diesem Datum lediglich um ein internes Ziel, nicht um einen bestätigten öffentlichen Starttermin.

Wer entwirft und fertigt Iris?

Meta entwirft den Beschleuniger basierend auf seinen eigenen Arbeitslasten, während Broadcom Design-, Verpackungs- und Netzwerkunterstützung bereitstellt. Reuters berichtet, dass TSMC den Chip fertigen wird.

Wofür steht MTIA?

MTIA steht für Meta Training and Inference Accelerator. Dies ist Metas eigene Serie von KI-Chips, die für Empfehlungen, Sortierung, Werbung, Inferenz verwendet und schrittweise auf generative KI-Arbeitslasten ausgeweitet wird.

Wird Meta aufhören, GPUs von NVIDIA und AMD zu kaufen?

Nein. Iris soll die maßgeschneiderte Rechenleistung in Ergänzung zu externen GPUs erhöhen. Meta hat langfristige Vereinbarungen angekündigt, bis zu 6 GW an AMD Instinct GPU-Infrastruktur zu betreiben, und wird weiterhin umfangreiche NVIDIA-Hardware nutzen.

Wie viel Rechenleistung plant Meta bereitzustellen?

Reuters berichtet, dass Metas Ziel für 2026 eine Recheninfrastruktur von 7 GW und für 2027 von 14 GW ist. Diese Zahlen beziehen sich auf die Stromkapazität der gesamten Recheninfrastruktur, nicht auf die reine Chipleistung.

Wie viel wird Meta 2026 in KI-Infrastruktur investieren?

Metas offizielle Investitionsausgabenprognose für 2026 liegt zwischen 125 und 145 Milliarden US-Dollar, einschließlich Tilgungszahlungen für Finanzierungsleasing. Dieses Budget deckt Rechenzentren, Komponenten, Server, Netzwerke und andere Infrastruktur ab, nicht nur den Iris-Chip.

Warum entwickeln Technologieunternehmen eigene KI-Chips?

Eigene Chips können Kosten senken, die Energieeffizienz verbessern, besser auf interne Arbeitslasten zugeschnitten sein und die Abhängigkeit von wenigen externen Lieferanten verringern. Diese Chips werden in der Regel zusammen mit Allzweck-GPUs verwendet, nicht als vollständiger Ersatz.

Verwandte Werkzeuge

Meta Training- und Inference-Beschleuniger: Offizielle Vorstellung des nächsten MTIA-Beschleunigers von Meta.

• Broadcom Custom AI Accelerator: Broadcoms maßgeschneiderte XPU-Technologie für großflächige KI-Infrastrukturen.
• TSMC: Berichten zufolge der Halbleiter-Auftragsfertiger, der Metas Iris-Chip herstellt.
• NVIDIA Rechenzentrum: NVIDIAs GPU- und Systemportfolio für KI-Training und -Inferenz.
• AMD Instinct: AMDs Rechenzentrums-Beschleunigerplattform für große KI-Implementierungen.
• Open Compute Project: Eine offene Hardware-Community, in der Hyperscaler Designs für Rechenzentren, Racks, Netzwerke und Infrastruktur teilen.

Verwandte Links

• Originalbericht der Economic Times: Ein von der Economic Times neu veröffentlichter Reuters-Bericht.
• Originalbericht von Reuters: Reuters-Bericht basierend auf internen Meta-Memos.
• Metas Partnerschaft mit Broadcom für kundenspezifische Chips: Offizielle Ankündigung von Meta, die vier Generationen der MTIA-Architektur und die Rolle von Broadcom abdeckt.
• Metas Ergebnisbericht für das erste Quartal 2026: Offizielle Finanzergebnisse mit einer Prognose für Investitionsausgaben von 125 bis 145 Milliarden US-Dollar.
• Metas Infrastrukturvereinbarung mit AMD: Offizielle Vereinbarung von Meta zum Aufbau einer AMD Instinct GPU-Infrastruktur mit einer Leistung von bis zu 6 GW.
• Metas Infrastrukturentwicklung: Offizieller Überblick über Metas Rechenzentrumsarchitektur und MTIA-Bereitstellung.
• Metas Partnerschaft mit Arm für Rechenzentrums-Chips: Offizielle Ankündigung von Meta zur Entwicklung kundenspezifischer CPUs für KI-Rechenzentren.
• Metas Kernenergieprojekt: Details zu den Energieabkommen von Meta zur Unterstützung zukünftiger KI-Infrastrukturen.

Zusammenfassung

Berichten zufolge plant Meta, nach einer sechswöchigen Testphase im September 2026 mit der Fertigung seines Iris-KI-Beschleunigers zu beginnen. Der Chip ist Teil des aus vier Generationen bestehenden MTIA-Fahrplans, der von Broadcom unterstützt und von TSMC gefertigt wird.

Iris wird die bestehenden NVIDIA- und AMD-GPU-Cluster von Meta nicht ersetzen, sondern eine weitere, anwendungsspezifische, optimierte Ebene hinzufügen. Ziel ist es, Kosten zu senken, die Effizienz zu steigern und Meta mehr Kontrolle über die KI-Infrastruktur zu geben.

Der Chip kommt zu einer Zeit, in der Meta eine noch größere Expansion vorantreibt: Das Unternehmen peilt für 2026 eine Rechenleistung von 7 GW an, für 2027 14 GW, bei Investitionsausgaben von bis zu 145 Milliarden US-Dollar in diesem Jahr.

Die Bedeutung des Iris-Chips als einzelner Bestandteil ist weit weniger wichtig als der Beweis, dass Meta die Absicht hat, mehr Kontrolle über die Hardware, den Strom und die Lieferkette hinter der KI zu übernehmen.