Meta apuesta por chips propios: el futuro de su IA está en sus manos

Guerra de silicio: Meta acelera el diseño de procesadores propios para entrenar IA y reducir su dependencia de Nvidia y AMD.

Meta Platforms Inc (META) no solo compra chips, sino que avanza en la creación de su propio silicio para impulsar los modelos de inteligencia artificial del futuro, confirmó este miércoles Susan Li, directora financiera de la compañía, durante un evento tecnológico organizado por Morgan Stanley. La estrategia marca un giro agresivo en una industria donde la escasez de semiconductores y la competencia por los recursos de cómputo han disparado los costos operativos.

Li dejó claro que la personalización es clave: “Nuestras cargas de trabajo requieren soluciones a medida”. La ejecutiva detalló que Meta ya utiliza chips propios a gran escala para tareas de clasificación y recomendación en sus plataformas, como Facebook e Instagram. El siguiente paso: extender esta capacidad al entrenamiento de modelos de IA, un proceso que demanda una potencia de cómputo sin precedentes. Este movimiento recuerda a la estrategia de Google con sus Tensor Processing Units (TPUs), lanzadas en 2016, que hoy son pilares de su infraestructura de IA.

Aunque Meta no compite en el mercado de la nube como Amazon Web Services o Microsoft Azure, opera uno de los ecosistemas de centros de datos más grandes del mundo, diseñados exclusivamente para entrenar y ejecutar algoritmos de aprendizaje automático. En las últimas semanas, la compañía cerró acuerdos millonarios con Nvidia (NVDA) —líder indiscutible en GPUs para IA— y con Advanced Micro Devices (AMD), su principal rival. Sin embargo, Li subrayó que la dependencia externa tiene un límite: “Adquirimos chips según el caso de uso, pero el silicio personalizado es una pieza crítica en nuestra hoja de ruta”.

La apuesta por hardware propio no es nueva. Meta ya desarrolla aceleradores de IA internos, optimizados para sus necesidades específicas. Según datos de 2023, la compañía invirtió más de US$10.000 millones en infraestructura de servidores y centros de datos, una cifra que supera el presupuesto de muchos países en tecnología. El desafío ahora es claro: ¿podrá Meta reducir su dependencia de Nvidia, cuya cuota de mercado en chips para IA supera el 80%?

El anuncio llega en un momento crítico. La demanda global de chips para IA se ha disparado un 150% en los últimos dos años, según la consultora Gartner, mientras que los plazos de entrega de GPUs de alta gama como las H100 de Nvidia superan los 12 meses. En este escenario, diseñar procesadores internos no solo es una ventaja competitiva, sino una necesidad estratégica. ¿Qué pasará cuando las grandes tecnológicas dejen de pelear por chips y empiecen a fabricarlos?

El precedente de Google y el riesgo de quedarse atrás: ¿por qué Meta acelera ahora?

La decisión de Meta de desarrollar chips propios no es un capricho tecnológico, sino una respuesta directa a un fracaso estratégico previo que casi le cuesta el liderazgo en IA a otra gigante: Google. En 2015, cuando el equipo de Google Brain intentó escalar sus modelos de red neuronal con GPUs de Nvidia, se encontró con un cuello de botella insalvable. Los chips comerciales, diseñados para gráficos y juegos, no estaban optimizados para el entrenamiento masivo de IA. La solución llegó en 2016 con el lanzamiento de los Tensor Processing Units (TPU), diseñados exclusivamente para cargas de trabajo de machine learning. Hoy, Google procesa el 95% de sus inferencias de IA con TPUs, reduciendo costos en un 30% y acelerando los tiempos de entrenamiento en un 50%, según informes internos filtrados en 2022.

Meta, que en 2021 aún dependía en un 85% de GPUs de Nvidia para entrenar modelos como LLaMA, ha visto cómo su rival Microsoft —aliada con Nvidia— avanzaba en IA generativa con Copilot mientras ella pagaba sobreprecios del 40% por chips en el mercado secundario, según datos de Bloomberg Supply Chain. El giro hacia el silicio propio no es casual: en 2023, Meta gastó $7.300 millones solo en GPUs de Nvidia, un 62% más que el año anterior. La pregunta ahora es si logrará replicar el éxito de Google o repetirá el error de Amazon, cuya unidad de chips Annapurna Labs (adquirida en 2015 por $350 millones) aún no compite con Nvidia en rendimiento para IA, pese a una década de desarrollo.

2025: el año en que Meta definirá si es fabricante o cliente

El cronograma de Meta es implacable: si en 2024 no logra que sus chips propios entrenen al menos el 30% de sus modelos de IA (hoy solo cubren tareas de inferencia), la compañía enfrentará un dilema existencial. Nvidia ya anunció que sus GPUs H200, con 141GB de memoria HBM3e, llegarán en 2024 —justo cuando Meta planea reducir compras externas—. Si los chips internos no igualan ese rendimiento, la red social podría quedarse atrás en la carrera por modelos multimodales como LLaMA 3, donde el costo de entrenamiento supera los $10 millones por ejecución. La apuesta es clara: o Meta se convierte en un fabricante de silicio relevante antes de 2026, o seguirá pagando el peaje de ser un cliente más en la guerra de los chips.