Meta empezará a fabricar sus propios chips de IA en septiembre de 2026 para depender menos de Nvidia

Meta planea empezar a producir su propio chip para sistemas de inteligencia artificial en septiembre de 2026, según Reuters, que cita un memorando interno de la compañía. La medida forma parte de su estrategia para ampliar su capacidad de cómputo hasta los 14 gigavatios en 2027 y reducir su dependencia de los chips de Nvidia.

Procesado por IA desde 3DNews AI; editado por Hamidun News
Meta empezará a fabricar sus propios chips de IA en septiembre de 2026 para depender menos de Nvidia
Fuente: 3DNews AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente original3DNews AI ↗
Editor jefe
Dato clave #1La producción del chip propio está prevista para septiembre de 2026
Dato clave #2El objetivo es reducir la dependencia de los chips de Nvidia
Dato clave #3La compañía pretende ampliar su capacidad de cómputo hasta 14 GW en 2027

Meta Platforms (declarada organización extremista; su actividad está prohibida en Rusia) prevé iniciar la producción de su propio chip para sistemas de inteligencia artificial en septiembre de 2026. Así lo informa Reuters, que cita un memorando interno de la compañía.

Para qué quiere Meta sus propios chips

Como la mayoría de los grandes actores tecnológicos, la compañía lleva años dependiendo casi por completo de las GPU de Nvidia para entrenar y ejecutar sus modelos de IA. Un chip propio debería reducir esa dependencia y darle a Meta más control sobre el coste y la disponibilidad de la capacidad de cómputo, que sigue siendo el principal cuello de botella de toda la industria de la IA. La empresa ya presentó en 2023 sus primeros chips de la línea MTIA (Meta Training and Inference Accelerator), pero los utilizó sobre todo para tareas de inferencia, no para entrenar modelos realmente grandes.

  • La producción del chip propio está prevista para septiembre de 2026
  • El objetivo es reducir la dependencia de los chips de Nvidia
  • La compañía pretende ampliar su capacidad de cómputo hasta 14 GW en 2027
  • La fuente es un memorando interno de Meta al que ha tenido acceso Reuters

Cuánta capacidad necesita Meta

Los 14 gigavatios de capacidad de cómputo que la compañía espera tener el próximo año son un orden de magnitud más de lo que consumen la mayoría de los centros de datos actuales: como referencia, un gigavatio puede abastecer de electricidad a cientos de miles de hogares. Esta escala se explica porque Meta sigue invirtiendo en entrenar modelos cada vez más grandes de la familia Llama y en la infraestructura de sus propios productos de IA dentro de Facebook (red social prohibida en Rusia) e Instagram (servicio prohibido en Rusia). El aumento del consumo energético de los centros de datos de las empresas de IA ya se nota fuera del sector tecnológico: construir nueva capacidad no solo exige chips, también contratos de suministro eléctrico a largo plazo, incluidos acuerdos con centrales nucleares y de gas.

Por qué es una cuestión estratégica para toda la industria

La demanda de chips de Nvidia supera tanto a la oferta que los mayores compradores llevan años haciendo cola para recibir suministros y tienen que aceptar los precios que fija la propia Nvidia. En la práctica, la compañía se ha convertido en el principal cuello de botella de toda la industria de la IA. Que los grandes clientes desarrollen sus propios chips no expulsa del todo a Nvidia del mercado: entrenar los modelos más grandes sigue requiriendo GPU de gama alta, mientras que los diseños propios suelen cubrir tareas más acotadas, como la inferencia.

Es decir, las respuestas de los modelos a las consultas de los usuarios, que se ejecutan miles de millones de veces al día y salen más baratas en hardware especializado.

Qué significa

Los chips de IA propios permiten a las grandes tecnológicas depender menos de Nvidia y de su política de precios. Google ya sigue un camino similar con sus TPU y Amazon con sus chips Trainium, y la entrada de Meta en este terreno intensifica aún más la competencia por los componentes y la capacidad de los centros de datos. Para Nvidia, es una señal de que incluso sus mayores clientes buscan diversificar sus proveedores de cómputo; para el mercado en su conjunto, indica que la carrera por el silicio de IA propio se está convirtiendo en la norma entre los gigantes del sector, y no en la excepción.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Para qué quiere Meta sus propios chips?

Como la mayoría de los grandes actores tecnológicos, la compañía lleva años dependiendo casi por completo de las GPU de Nvidia para entrenar y ejecutar sus modelos de IA. Un chip propio debería reducir esa dependencia y darle a Meta más control sobre el coste y la disponibilidad de la capacidad de cómputo, que sigue siendo el principal cuello de botella de toda la industria de la IA. La empresa ya presentó en 2023 sus primeros chips de la línea MTIA (Meta Training and Inference Accelerator), pero los utilizó sobre todo para tareas de inferencia, no para entrenar modelos rea

¿Qué se sabe sobre Cuánta capacidad necesita Meta?

Los 14 gigavatios de capacidad de cómputo que la compañía espera tener el próximo año son un orden de magnitud más de lo que consumen la mayoría de los centros de datos actuales: como referencia, un gigavatio puede abastecer de electricidad a cientos de miles de hogares. Esta escala se explica porque Meta sigue invirtiendo en entrenar modelos cada vez más grandes de la familia Llama y en la infraestructura de sus propios productos de IA dentro de Facebook (red social prohibida en Rusia) e Instagram (servicio prohibido en Rusia). El aumento del consumo energético de los cent

¿Qué se sabe sobre Por qué es una cuestión estratégica para toda la industria?

La demanda de chips de Nvidia supera tanto a la oferta que los mayores compradores llevan años haciendo cola para recibir suministros y tienen que aceptar los precios que fija la propia Nvidia. En la práctica, la compañía se ha convertido en el principal cuello de botella de toda la industria de la IA. Que los grandes clientes desarrollen sus propios chips no expulsa del todo a Nvidia del mercado: entrenar los modelos más grandes sigue requiriendo GPU de gama alta, mientras que los diseños propios suelen cubrir tareas más acotadas, como la inferencia. Es decir, las respuest

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…