Meta Iris AI-Chip geht im dritten Quartal 2026 in Produktion

Das Spannungsverhältnis zwischen Abhängigkeit und Unabhängigkeit spielt sich in Echtzeit im gesamten weitläufigen Rechenzentrumsnetzwerk von Meta ab. Seit Jahren ist das Unternehmen einer der größten GPU-Käufer von Nvidia und gibt Milliarden für H100- und B200-Chips aus, um seine Llama-Modelle zu trainieren und Empfehlungssysteme für mehr als 3 Milliarden tägliche Nutzer zu betreiben. Nun stellt Meta seinen eigenen Antwort auf diese Abhängigkeit her: den Meta Iris AI-Chip, ein kundenspezifisches Siliziumdesign, das die Abhängigkeit des Unternehmens von externen GPU-Lieferanten verringern soll.

Das Unternehmen plant, die Produktion seines hauseigenen Chips für künstliche Intelligenz, der den Codenamen Iris trägt, ab dem dritten Quartal 2026 zu beginnen, wie aus einem internen Unternehmensmemorandum hervorgeht. Der Chip ist der neueste Zugang zu Metas Meta Training and Inference Accelerator-Reihe, einer Familie kundenspezifischer Siliziumchips, die sowohl für KI-Training als auch für die tägliche Inferenzarbeit ausgelegt sind, die Facebook, Instagram, WhatsApp und Metas generative KI-Produkte in großem Maßstab am Laufen halten. Das Programm ist der bislang bedeutendste Schritt des Unternehmens, das Chipdesign ins Haus zu holen.

Produktionszeitplan für den Meta Iris AI-Chip

Laut dem Memorandum hat der Meta Iris AI-Chip seine Validierungsphase in etwa sechs Wochen durchlaufen, und es wurden keine größeren Probleme festgestellt. Dieser relativ schnelle Validierungszyklus deutet darauf hin, dass das Design ausgereift genug ist, um direkt in die Fertigung bei TSMC zu gehen, die den Chip in einem 2-Nanometer-Prozess herstellen wird. Broadcom fungiert als Metas Designpartner für das Projekt, eine Beziehung, die nun bis 2029 läuft und mehrere Generationen kundenspezifischer Siliziumchips umfasst.

Wenn der Zeitplan eingehalten wird, wäre Iris die fünfte eigenständige MTIA-Variante nach der Enthüllung von vier Chips (300, 400, 450 und 500) im März 2026. Meta hat erklärt, dass es neue MTIA-Teile etwa im Sechs-Monats-Rhythmus ausliefern will, was deutlich schneller ist als der jährliche Veröffentlichungsrhythmus, der in der Halbleiterindustrie üblich ist.

Der MTIA 300 befindet sich bereits in der Produktion für Ranking- und Empfehlungs-Workloads, den alltäglichen Inferenzaufgaben, die Werbung und Inhalte für Milliarden von Nutzern ausliefern. Die Varianten 450 und 500 sind für generative Bild- und Video-Inferenz ausgelegt und sollen im Laufe des nächsten Jahres massenhaft eingesetzt werden. Der Meta Iris AI-Chip scheint sich irgendwo in dieser Entwicklungskurve zu befinden, auch wenn Meta nicht bekannt gegeben hat, auf welche spezifischen Workloads er zuerst abzielen wird.

Die strategische Logik hinter kundenspezifischem Silizium

Die wirtschaftliche Kalkulation, die das Meta Iris AI-Chip-Programm antreibt, ist unkompliziert. Jede Inferenzaufgabe, die Meta auf sein eigenes Silizium verlagern kann, ist eine, die es nicht zu Nvidias Margen kaufen muss, und der Umfang ist außergewöhnlich. Meta hat die Investitionsausgaben für 2026 auf 125 bis 145 Milliarden US-Dollar beziffert, wobei fast der gesamte Anstieg in Rechenzentren, GPUs und kundenspezifische Siliziumchips fließt.

Meta plant, seine gesamte Rechenkapazität von 7 Gigawatt im Jahr 2026 auf 14 Gigawatt im darauffolgenden Jahr zu erweitern, was die Rohleistung im gesamten Infrastruktur-Fußabdruck effektiv verdoppelt. Dieser Wachstumspfad macht Meta zu einem der größten privaten Infrastrukturbauer der Welt, der den Rechenzentrums-Ausbauprogrammen von Cloud-Hyperscalern wie Microsoft und Google entspricht.

Ein Gigawatt kann etwa 750.000 Haushalte mit Strom versorgen. Metas Ziel von 14 GW würde daher die Leistung mehrerer großer Kernkraftwerke verbrauchen. Dieses Ausmaß an Energienachfrage hat bereits die Aufmerksamkeit von Regulierungsbehörden und Umweltgruppen auf sich gezogen, und Meta hat mit Zusagen reagiert, den Stromverbrauch seiner Rechenzentren durch die Beschaffung erneuerbarer Energien auszugleichen.

Metas Infrastrukturoffensive geht über Chips hinaus. Das Unternehmen hat langfristige Liefervereinbarungen mit Samsung, SanDisk und Sumitomo Electric bekannt gegeben, um Komponenten und Materialien zu sichern, die für einen mehrjährigen Ausbau benötigt werden. Diese Deals deuten darauf hin, dass Meta plant, dass der Iris-Chip und seine Nachfolger einen wachsenden Anteil einer Rechenzentrumsflotte einnehmen werden, die auch über das nächste Jahr hinaus weiter expandieren wird.

Was Iris für den breiteren KI-Chip-Markt bedeutet

Der Schritt hin zum Meta Iris AI-Chip ist keine vollständige Abkehr von Nvidia. Meta bleibt einer der größten Kunden von Nvidia und wird weiterhin GPUs für das Training seiner anspruchsvollsten Modelle kaufen. Die Strategie ist eine der Ergänzung und nicht des Ersatzes. Meta wickelt Inferenz in großem Maßstab auf kundenspezifischem Silizium ab, während Nvidia-Hardware für die rechenintensivsten Trainingsläufe reserviert wird.

Dieser hybride Ansatz spiegelt wider, was andere Hyperscaler tun. Google hat seine TPU-Reihe für Training und Inferenz. Amazon baut Trainium- und Inferentia-Chips für AWS. Microsoft hat mit AMD und anderen Partnerschaften geschlossen, um kundenspezifische Beschleuniger zu entwickeln. Jedes Unternehmen versucht, Margeneinsparungen und architektonische Kontrolle zu erzielen, ohne das GPU-Ökosystem aufzugeben, das die KI-Branche standardisiert hat.

Für Broadcom ist die MTIA-Partnerschaft einer der größten Deals für kundenspezifische Chips. Das Unternehmen hat angedeutet, dass die neueren Meta-Chips zu den ersten kundenspezifischen KI-Beschleunigern gehören werden, die auf TSMCs 2-Nanometer-Prozess gefertigt werden, was Broadcom ein Vorzeige-Referenzdesign für die Akquise anderer Hyperscale-Kunden bietet. Für TSMC trägt der Meta-Auftrag zu einem Auftragsbestand an KI-Chip-Aufträgen bei, der bereits einen erheblichen Teil seiner fortschrittlichen Prozesskapazität beansprucht.

Die Verdoppelung der Rechenleistung wirft auch Fragen auf, wie Meta die Kapazität nutzen wird. Die generativen KI-Produkte des Unternehmens (darunter KI-gestützte Bildgenerierung, Chatbot-Funktionen und Llama-Modell-Serving) befinden sich noch in relativ frühen Phasen der Monetarisierung. Die Kapitalausgaben gehen davon aus, dass diese Produkte in die Infrastruktur hineinwachsen und genügend Einnahmen generieren, um die jetzt investierten Milliarden zu rechtfertigen.

Für Metas Investoren liefert der Iris-Zeitplan einen konkreten Meilenstein, den es zu verfolgen gilt. Das Unternehmen hat 2025 und in der ersten Hälfte des Jahres 2026 einen erheblichen Teil seines operativen Cashflows für Infrastruktur ausgegeben. Die Fähigkeit, Workloads auf kostengünstigeres kundenspezifisches Silizium zu verlagern, ist einer der Hauptmechanismen, mit denen Meta diese Infrastrukturkosten im Laufe der Zeit unter Kontrolle bringen will. Jede Generation des Meta Iris AI-Chips, die ein breiteres Spektrum an Workloads bewältigen kann, verringert die Exposition des Unternehmens gegenüber GPU-Preisaufschlägen und Lieferengpässen.

Aus wettbewerblicher Sicht wirkt sich Metas Chipprogramm auch darauf aus, wie das breitere KI-Ökosystem über Hardwareauswahl denkt. Wenn Meta demonstrieren kann, dass seine kundenspezifischen MTIA-Chips Ranking-, Empfehlungs- und generative Inferenz bei wettbewerbsfähiger Leistung pro Watt bewältigen, könnten andere Unternehmen, die in großem Maßstab empfehlungslastige Workloads betreiben, ähnliche Strategien in Betracht ziehen. Die Wirtschaftlichkeit kundenspezifischer Siliziumchips hat historisch gesehen enormes Volumen erfordert, um die Gewinnschwelle zu erreichen, und Metas Nutzerbasis von mehr als 3 Milliarden täglich aktiven Menschen bietet dieses Volumen in einer Weise, die nur wenige andere Organisationen erreichen können.

Warum dies wichtig ist

Der Produktionsstart des Iris-Chips später in diesem Jahr ist ein Wandel in Metas Übergang von einem reinen GPU-Käufer zu einem Hybrid-Infrastrukturbetreiber. Für Entscheidungsträger, die die KI-Lieferkette beobachten, ist die Implikation klar: Die größten Technologieunternehmen geben sich nicht länger damit zufrieden, dass Nvidia den gesamten Stack besitzt. Jeder auf kundenspezifisches Silizium verlagerte Workload verändert die Wettbewerbsdynamik, verändert die Margenstrukturen und zwingt Chiphersteller dazu, auf Integration statt nur auf rohe Benchmark-Ergebnisse zu konkurrieren. Metas Fähigkeit, diesen Fahrplan im Maßstab von 14 GW umzusetzen, wird darüber entscheiden, ob seine Kapitalwette von über 125 Milliarden US-Dollar die Renditen erwirtschaftet, auf die das Unternehmen setzt.

Related Articles

• Meta erhöht Investitionsausgaben für 2026 auf 145 Milliarden Dollar für AI-Infrastruktur
• Meta, Broadcom erweitern Custom AI Silicon Partnership
• OpenAIs Jalapeño-Inferenz-Chip senkt Kosten um 50%

✔Human Verified

Recherchiert und mit Primärquellen abgeglichen von der Bytevyte-Redaktion.