Meta y sus chips MTIA: adiós a la dependencia de NVIDIA

Por qué Meta decidió fabricar sus propios chips de IA

Durante años, Meta ha dependido de NVIDIA y AMD para alimentar sus centros de datos con las GPUs necesarias para entrenar modelos de inteligencia artificial y potenciar sus sistemas de recomendación. Pero la escasez de hardware, los costos crecientes y la carrera por la IA generativa han empujado a la compañía a tomar el control de su propia infraestructura de cómputo.

El resultado es el programa MTIA (Meta Training and Inference Accelerators): una familia de chips de IA diseñados internamente por Meta, fabricados por TSMC en nodo de 5nm con la colaboración de Broadcom en aspectos de diseño y cadena de suministro. No se trata de reemplazar a NVIDIA o AMD de la noche a la mañana, sino de complementar esas compras con silicon propio que responde exactamente a las necesidades de Meta.

La hoja de ruta MTIA: cuatro generaciones en dos años

Lo que hace especialmente llamativa la apuesta de Meta es la velocidad de ejecución. La empresa ha diseñado un roadmap que contempla el lanzamiento de cuatro generaciones de chips en aproximadamente dos años, con ciclos de actualización de apenas seis meses. Una cadencia que intenta igualar la velocidad con la que evolucionan los propios modelos de IA.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

MTIA 300: Ya desplegado en centros de datos. Se ocupa de tareas de modelos pequeños: clasificación, recomendación de contenido y cargas de inferencia ligera.
MTIA 400: Pruebas completadas y aprobado para despliegue masivo. Incorporará servidores con refrigeración líquida diseñados específicamente para este chip, marcando el salto hacia infraestructura personalizada de punta a punta.
MTIA 450 y MTIA 500: Programados para entrar en operación en 2027, con foco en recomendaciones avanzadas y respuestas de IA generativa a escala.

Una particularidad relevante es que, a partir del MTIA 400, Meta no solo diseña el chip: diseña también el servidor completo que lo aloja, con racks multi-chip y sistemas de refrigeración líquida optimizados. Es decir, control total del stack de hardware.

TSMC y Broadcom: los socios clave detrás del silicon de Meta

Diseñar un chip de IA competitivo requiere mucho más que ingenieros internos. Meta ha tejido alianzas estratégicas con dos actores fundamentales del ecosistema semiconductor global.

TSMC es el fabricante: sus plantas en Taiwán producen los chips MTIA en nodo de 5nm, la misma tecnología que usa Apple para sus chips M-series o NVIDIA para sus últimas GPUs. La capacidad de producción de TSMC es un activo escaso —Broadcom ya aseguró reservas de producción con TSMC hasta 2028 ante la demanda explosiva de chips IA personalizados—, lo que convierte el acceso a sus líneas en una ventaja competitiva real.

Broadcom, por su parte, colabora en el diseño técnico de los chips y actúa como puente crítico para garantizar el suministro. La firma proyecta ventas de chips de IA superiores a 100.000 millones de dólares en los próximos años, impulsadas en gran medida por este tipo de encargos de grandes tecnológicas.

Meta no rompe con NVIDIA ni AMD: las mantiene como columna vertebral

Un detalle importante que conviene no malinterpretar: Meta no abandona a NVIDIA ni a AMD. Los MTIA están diseñados para tareas específicas —recomendación e inferencia de cargas medianas—, mientras que el entrenamiento de los modelos de lenguaje grande (como Llama) sigue requiriendo las GPUs más potentes del mercado. Además, Meta mantiene acuerdos vigentes con Google para el alquiler de TPUs cuando necesita capacidad adicional.

La estrategia es, en esencia, de diversificación inteligente: usar el silicon propio donde el ROI es claro y mantener a los grandes proveedores para las cargas que todavía no puede cubrir internamente. Esto también da a Meta poder de negociación frente a NVIDIA, cuya posición de casi monopolio en GPUs para IA le ha permitido fijar precios muy altos.

El contexto más amplio: todas las Big Tech quieren su propio chip

Meta no es la única que ha tomado este camino. La tendencia es clara en todo el ecosistema:

Google lleva desde 2016 desarrollando sus TPUs (Tensor Processing Units), que hoy alquila a terceros y usa para entrenar sus propios modelos.
Apple integra Neural Engine en sus chips M-series y A-series, con foco en eficiencia para IA en dispositivos.
Microsoft desarrolla sus chips Maia y ha apostado fuerte por las GPUs AMD MI300X en Azure para diversificar su dependencia de NVIDIA.
OpenAI trabaja con Broadcom y TSMC para lanzar su primer chip de inferencia en 2026.

El patrón es consistente: las grandes plataformas de IA están migrando de GPUs estándar hacia ASICs (circuitos integrados de aplicación específica) diseñados a medida para sus cargas de trabajo. Los costos de las GPUs de NVIDIA son brutales a escala, y tener silicon propio permite optimizar cada watt de energía y cada dólar de capex.

La inversión detrás de la apuesta: $115.000–135.000 millones en 2026

Para dimensionar el tamaño de la jugada, Meta proyecta un gasto de capital de entre 115.000 y 135.000 millones de dólares en 2026, destinado a centros de datos, compra de procesadores externos y el programa de chips propios. Es una cifra que pone en perspectiva por qué una empresa de su escala puede permitirse construir hardware a medida: el volumen de despliegue hace rentable la inversión en I+D que para cualquier startup sería prohibitiva.

Para los founders que están construyendo productos sobre infraestructura de IA, este movimiento tiene implicaciones prácticas: la democratización del acceso a cómputo no vendrá de las Big Tech diseñando chips propios (eso los hace más eficientes para sí mismas), sino de que esa eficiencia eventualmente se traslade a mejores precios en los servicios cloud que las startups consumen.

El proyecto de entrenamiento de modelos grandes: la asignatura pendiente

Un punto que merece atención especial es la ambición de Meta de extender los MTIA al entrenamiento de modelos grandes. Aunque los chips actuales ya manejan el entrenamiento de modelos pequeños (MTIA 300), el salto hacia modelos del calibre de Llama sigue siendo un reto no resuelto. La empresa abandonó un proyecto anterior más ambicioso en esta dirección, lo que sugiere que las dificultades técnicas son reales. El roadmap hasta 2027 indica que la intención sigue viva, pero el éxito dependerá tanto de la madurez del silicon como de la gestión del suministro de memoria HBM, un cuello de botella que afecta a toda la industria.

Conclusión

La apuesta de Meta por los chips MTIA es una señal clara de hacia dónde se mueve la industria tecnológica: el hardware es estratégico, y quien controla su silicon controla sus costos, su velocidad de innovación y su posición competitiva. Con una hoja de ruta de cuatro generaciones en dos años, fabricación con TSMC y Broadcom, e inversiones de capex en el rango de los 100.000 millones, Meta está jugando en una liga donde muy pocos pueden competir. Para los founders tech, el mensaje es doble: la infraestructura de IA seguirá consolidándose en pocas manos, pero también seguirá evolucionando a una velocidad que abre oportunidades en la capa de aplicación para quienes sepan aprovecharla.

Profundiza estas tendencias de hardware e IA con nuestra comunidad de founders expertos en tecnologia

Aprender con founders